基于双谱分析和支持向量机的手震颤加速度信号识别

针对目前临床上对特发性、帕金森病、生理性等3种常见震颤误诊断的问题,本文提出了一种基于双谱分析和支持向量机识别3种不同类型震颤的新方法.首先测量3种震颤类型志愿受试者手震颤的加速度信号并分别对其用Hinich方法检验,发现该类信号具有非高斯、非线性特性,然后用适合处理该类信号的双谱分析方法提取手震颤加速度信号的双谱对角切片的特征信息,最后采用"一对一"和"一对多"两种多分类的支持向量机算法对受试人的手震颤特征进行分类.交叉验证表明"一对一"算法的平均分类正确率高于"一对多"算法,分类正确率最高达到93.13%.该方法为临床医生提供了辅助识别不同类型震颤的新途径.

基于EMD奇异值分解诊断震颤的新方法

针对目前临床上对特发性震颤(Essential tremor,ET)、帕金森病(Parkinsonian disease,PD)、生理性震颤(Physiological tremor,PT)等3种常见震颤误诊断的问题,我们提出了一种基于经验模式分解提取奇异值特征和支持向量机识别3种不同类型震颤的新方法。首先采集了40例震颤受试者的手加速度信号,并用经验模式分解法将其分解成多个平稳的固有模态函数。将能刻画信号的最重要的前四个固有模态函数形成初始特征向量矩阵,然后对该矩阵进行奇异值分解,提取其奇异值作为诊断震颤类型的特征向量,再用支持向量机分类震颤类型。实验结果分析表明,以经验模式分解提取奇异值为特征参数的支持向量机识别方法能较好识别3种不同震颤,为临床诊断震颤类型提供了一种新方法。