|本期目录/Table of Contents|

[1]许昊,童基均,齐鹏嘉,等.基于按键动作识别的帕金森病早期预测方法[J].浙江理工大学学报,2023,49-50(自科一):83-88.
　XU Hao,TONG Jijun,QI Pengjia,et al.Early prediction method of Parkinson′s disease based on keystroke recognition[J].Journal of Zhejiang Sci-Tech University,2023,49-50(自科一):83-88.
点击复制

基于按键动作识别的帕金森病早期预测方法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第49-50卷
期数:
2023年自科第一期
页码:
83-88
栏目:
出版日期:
2023-03-10

文章信息/Info

Title:
Early prediction method of Parkinson′s disease based on keystroke recognition
文章编号:
1673-3851 (2023) 01-0083-06
作者:
许昊; 童基均; 齐鹏嘉; 周思薇
1.浙江理工大学信息学院，杭州 310018；2.浙江康复医疗中心，杭州 310014
Author(s):
XU Hao;  TONG Jijun;  QI Pengjia;  ZHOU Siwei
1.School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou  310018, China; 2.Zhejiang Rehabilitation Medical Center, Hangzhou 310014, China
关键词:
AdaBoost算法; 帕金森病; 预测; 分块; 非平衡数据; 按键
分类号:
TP391.4
文献标志码:
A
摘要:
针对目前帕金森病早期预测方法普遍存在误诊率高、步骤繁多等问题，设计了基于AdaBoost算法的按键动作识别方法，实现对帕金森病早期的精准预测。该方法首先删除数据集的缺失值，并选取按键次数过万的数据；然后针对不同按键手，根据按键的时间间隔对预处理后的结果进行分类，以平均值、标准差、方差、偏度和峰度5个指标为特征，对每一位病人的数据进行分块，扩充数据集，并加入高斯噪声平衡数据集；最后应用AdaBoost算法进行分类预测。在公开的数据集上进行实验，结果表明：在按键数据集分类上，该方法的准确率、灵敏度和特异性分别为95%、98%和97%。该方法具有较高的准确率、灵敏度和特异性，为帕金森病早期的精准预测提供了一种有效的解决方案。

参考文献/References:

［ 1 ］ Zhang Z X, Roman G C, Hong Z, et al. Parkinson ′ s disease in China: Prevalence in Beijing, Xian, and Shanghai ［ J ］ . The Lancet, 2005, 365(9459): 595 - 597.

［2］张森, 赵晓悦, 梁宇, 等. 帕金森病致病因素及发病机制研究进展［J］. 药学学报, 2020, 55(10): 2264-2272.

［3］杨丽娟, 张京芬, 李月春, 等. 帕金森病的黑质超声表现［J］. 中华老年心脑血管病杂志, 2012,14(4):390-393.

［4］蔡增林, 吴方萍, 周芯羽, 等. 早期帕金森病患者的临床与18F-FDG PET影像学特征研究［J］. 中国现代医药杂志, 2010, 12(2): 61-63.

［5］Prashanth R, Dutta Roy S. Early detection of Parkinson′s disease through patient questionnaire and predictive modelling［J］. International Journal of Medical Informatics, 2018, 119: 75-87.

［6］Cho C W, Chao W H, Lin S H, et al. A vision-based analysis system for gait recognition in patients with Parkinson′s disease［J］. Expert Systems With Applications, 2009, 36(3): 7033-7039.

［7］Jankovic J. Parkinson′s disease: Clinical features and diagnosis［J］. Journal of Neurology, Neurosurgery, and Psychiatry, 2008, 79(4): 368-376.

［8］Jahanshahi M, Jenkins I H, Brown R G, et al. Self-initiated versus externally triggered movements: I. An investigation using measurement of regional cerebral blood flow with PET and movement-related potentials in normal and Parkinson′s disease subjects［J］. Brain, 1995, 118(4): 913-933.

［9］Cubo E, Martinez Martín P, Martin-Gonzalez J A, et al. Motor laterality asymmetry and nonmotor symptoms in Parkinson′s disease［J］. Movement Disorders, 2010, 25(1): 70-75.

［10］Noyce A J, Nagy A, Acharya S, et al. Bradykinesia-akinesia incoordination test: Validating an online keyboard test of upper limb function［J］. PLoS One, 2014, 9(4): e96260.

undefined

备注/Memo

备注/Memo:
收稿日期： 2022-04-08
网络出版日期：2022-09-07
基金项目： 浙江省医院协会管理软科学项目（2021ZHAKEB206）；浙江省自然科学基金项目（LQ22F010006）
作者简介： 许昊(1997-)，男，浙江金华人，硕士研究生，主要从事信号处理方面的研究
通信作者： 童基均，E-mail：jijuntong@zstu.edu.cn
更新日期/Last Update: 2023-04-03