典型文献
基于机器学习的帕金森运动症状量化评估
文献摘要：
临床上采用量表评分的方式对帕金森病运动症状的严重等级进行诊断,存在主观性强、评估结果差异大等问题.因此,利用佩戴于患者手腕的可穿戴设备采集手部运动信息,并基于运动传感器数据提取与震颤和运动迟缓症状严重程度相关的特征参数,构建机器学习多分类评估模型,从而得到症状的严重程度等级(0～4分).算法验证试验结果表明,相比随机森林(RF)和K最邻近方法(KNN),支持向量机(SVM)分类模型具有最高的分类精度,对震颤和运动迟缓症状的严重程度分类准确率达96％以上.该文研究验证基于运动传感器的帕金森病量化评估方法的可行性,该方法能够作为一种有效的量化评估方法,辅助医生在临床上给出客观的诊断结论.
文献关键词：
帕金森病;震颤;运动迟缓;量化评估;机器学习
中图分类号：
作者姓名：
林志榕
作者机构：
中国科学院福建物质结构研究所 泉州装备制造研究所,福建 泉州 362216
文献出处：
引用格式：
[1]林志榕-.基于机器学习的帕金森运动症状量化评估)[J].科技创新与应用,2022(34):50-54
A类：
B类：
基于机器学习,量化评估,帕金森病运动症状,主观性,佩戴,手腕,可穿戴设备,手部,运动信息,运动传感器,传感器数据,数据提取,震颤,运动迟缓,症状严重程度,多分类,分类评估,算法验证,验证试验,RF,KNN,分类模型,分类精度,分类准确率
AB值：
0.321914
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
