一种基于阵列式压力传感器的辅助判别装置

本发明属于电信号表示、特征提取以及分析，尤其涉及一种基于阵列式压力传感器的辅助判别装置。

背景技术：

1、常见的足部畸形有扁平足、马蹄足、内翻足、外翻足、仰趾足、弓形足、拇外翻足、锤状足等。足部畸形需要及时的进行矫正，否则会影响到患者正常的走路以及脚部和腿部正常的功能，目前对于足部畸形，可以选择保守治疗和手术治疗两种方法。足部的畸形有很多原因，如骨的先天畸形、肌肉萎缩或痉挛、负重的应力、韧带的退化、骨的增生、长时间穿戴不合适的鞋。正常足的功能是负重及行走，一旦足部有畸形，首先影响足的站立、负重、以及影响步态，甚至导致跛行。足部畸形往往伴随外形不美观以及足背外侧出现大片胼胝等问题，畸形严重的在穿鞋时将出现很大的障碍。一些轻微的足底畸形没有及时得到治疗，最后演变成严重的畸形，极大的影响人体美观与正常生理活动。

2、对于常见的足部畸形的诊断方式为x射线诊断。通过x射线测量骨参数，例如各骨长度，骨间角，各骨的相对空间结构。对骨参数按照临床标准以及患者主要的诉求进行诊治。传统方式使用x线进行诊断的过程中存在安全隐患，x光是具有一定辐射，可以杀死的正常细胞造成损害，导致细胞出现减少、死亡的情况。尤其是白细胞对x光尤为敏感，致使免疫力下降。x射线仪器庞大，对放置地点空间及结构有特殊的要求。并且临床上存在影像学无法解释的问题，例如，临床经常存在在影像学上诊断为重度，但是患者表现出轻度感受。反之，影像学诊断为轻型，患者的主诉表现为中度感受，甚至重度感受。

3、本技术致力于探索与现有基于影像学诊断相异的辅助诊断方法，基于阵列压力传感器采集足底压力信息，存储压力数据并进行热力图显示；通过对压力值分布进行特征提取，并使用机器学习对提取特征进行分类。该系统具有设计完备，携带方便，操作简单，并且可以预测病情的下一步发展趋势，可以进行多病症诊断的特点。

技术实现思路

1、本发明的目的在于针对x射线诊断存在安全问题以及基于影像诊断标准无法解释病人病情的技术现状，提出了一种基于阵列式压力传感器的辅助判别装置，所述装置使用阵列压力传感器采集患者的足底压力信息，将采集的数据传到预处理单元进行存储以及可视化，对存储的数据进行特征提取，生成训练集和测试集；将训练集输入分类模型，得到训练好的分类模型；最后将测试集输入训练好的分类模型中，得出患病类型、患病部位以及医疗建议。

2、为了实现上述目的，本发明采取的技术方案如下：

3、所述基于阵列式压力传感器的辅助判别装置，包括传感器模块、信号采集模块、微处理器、信息处理模块，其特征在于，信息处理模块中包括数据分割单元，所述装置还包括特征提取模块、子集产生单元、子集评价单元、分类器、部位分类器以及辅助诊断单元；

4、所述传感器模块与信号采集模块相连，信号采集模块和微处理器相连；微处理器与信息处理模块相连，信息处理单元与特征提取模块相连，

5、特征提取模块与子集产生单元、分类器、部位分类器相连；子集产生单元与分类器、部位分类器相连；分类器分别与子集评价单元、辅助诊断单元相连；部位分类器分别与子集评价单元、辅助诊断单元相连；子集评价单元与子集产生单元相连；

6、所述传感器模块包括压力薄膜，传感器模块完成压力采集且将压力变化转化为电阻变化；

7、所述信号采集模块，包括开关单元、信号放大单元以及模数转换单元；所述微处理器，包括io接口和通信单元；微处理器控制开关单元按顺序接收压力薄膜中传感器节点采集的电压信号；通信单元将经模数转换单元转换的数字信号发到信息处理模块；

8、信息处理模块，包括预处理单元、数据存储单元、可视化单元及数据分割单元；

9、特征提取模块，包括卷积神经网络特征提取单元、极值分布特征提取单元以及尺度不变特征提取单元；特征提取模块用于图片数据或分割后图片的特征提取；卷积神经网络特征提取单元使用卷积层提取特征；所述子集产生单元对卷积神经网络特征提取单元输出的特征进行排序，再对特征向量进行等间隔抽样实现特征向量降维；

10、子集评价单元筛选子集产生单元生成的m1个子特征中具有最佳分类效果的子特征，评价标准为测试集准确率；子集评价单元得到最优子特征，再将最优子特征回传到子集产生单元；

11、所述分类器及部位分类器分别对患病种类及患病部位进行分类；所述辅助诊断单元根据分类器与部位分类器的输出给出对应医疗建议。

12、所述压力薄膜为包括若干传感器节点的阵列式电阻薄膜且传感器节点分别与行接口和列接口相连，所述传感器节点的数量大于等于1600，所述行接口和列接口的数量均大于等于40；

13、卷积神经网络特征提取单元使用卷积层提取特征，输出m个特征；

14、所述子集产生单元对卷积神经网络特征提取单元输出的m个特征进行排序，再对特征向量进行等间隔抽样实现特征向量降维，得到m1个子特征；

15、信号采集模块接收压力薄膜中传感器节点采集的信号；信号放大单元将单个压力薄膜传感器节点的电阻变化转化为电压变化；所述开关单元包括行开关和列开关，开关单元控制及使能信号放大单元采集压力薄膜中传感器节点的电压并经模数转换单元将电压转化为数字信号。

16、所述预处理单元对通信单元发来的数字信号进行平滑滤波及数据分割的预处理操作，得到包含足部压力信息的文本数据；可视化单元将文本数据进行可视化并将文本数据转换为图片数据；依据图片数据进行诊断获取患病类型及患病部位；数据存储单元存储图片数据；同时将患病类型以及患病部位存储在图片数据文件名中；数据分割单元依据患病部位对保存的图片数据进行分割，得到用于患病部位诊断的分割后图片。

17、所述传感器模块与信号采集模块相连，具体为：传感器模块的压力薄膜通过列接口与信号采集模块的开关单元的列开关相连；传感器模块的压力薄膜通过行接口与信号采集模块的信号放大单元相连，信号采集模块的信号放大单元与开关单元的行开关相连；开关单元的行开关与模数转换单元相连；信号采集模块和微处理器相连；具体为：信号采集模块的模数转换单元与微处理器通信单元相连；微处理器的io接口与信号采集模块的开关单元相连。

18、所述微处理器与信息处理模块相连，具体为：微处理器的通信单元与信息处理模块的预处理单元相连；预处理单元与数据存储单元相连；数据存储单元与可视化单元、数据分割单元相连；可视化单元与数据存储单元相连；信息处理单元与特征提取模块相连，具体为：信息处理模块的数据存储单元、数据分割单元与特征提取模块相连；特征提取模块，包括卷积神经网络特征提取单元、极值分布特征提取单元、尺度不变特征提取单元；上述三个单元分别与数据存储单元及数据分割单元相连。

19、所述极值分布特征提取单元通过查找局部最大值的像素坐标，各像素坐标之间的欧式距离以及各像素点连线与水平参考线所形成的夹角，构成1个特征，维度为s；

20、尺度不变特征提取单元，提取的信息维度为s，是在局部最大值的像素点上求包括但不限于0°、90°、180°、270°方向上的梯度构成特征，所述s大于等于3。

21、所述卷积层提取特征的数量为m个，维度为n，且m、n均大于5。

22、所述特征向量降维将维度从n降维到s；子集产生单元将m个特征分为m1个大小为m2的子特征；m＝m1×m2；m1、m2均大于等于3。

23、所述分类器对患病种类进行分类，具体为：分类器使用存储单元中全部的图片数据，将其分为训练集和测试集，分类器对训练集进行训练得到训练好的分类器，再在测试集上验证分类器；测试准确率最优时，子集评价单元将最优子特征回传到子集产生单元。

24、所述部位分类器使用存储单元中的全部图片数据，经数据分割单元，将全部图片数据按类分别分割为不同类型部位的图片数据，再将同一类部位的图片数据分为训练集和测试集，训练集经过特征提取单元、子集产生单元和子集评价单元，基于训练集对部位分类器进行训练，测试集上验证；测试准确率最优时，子集评价单元将最优子特征回传到子集产生单元；所述辅助诊断单元根据分类器与部位分类器的输出给出对应医疗建议。

25、所述辅助判别装置，工作过程包括如下步骤：

26、s1、传感器模块采集志愿者的足底压力，将传感器模块采集到的数据全部传到预处理单元；

27、s2、信息处理模块对通信单元发来的数字信号进行预处理操作，得到包含足部压力信息的数据；信息处理模块对数据进行可视化，同时得到图片数据；

28、s3、特征提取模块对图片数据进行特征提取；

29、s4、子集产生单元首先依次对卷积神经网络特征提取单元输出的m个维度为n的特征进行排序，得到m个维度为n的已排序特征，然后对已排序特征进行等间隔抽样，实现特征降维，维度从n降维到s；得到m个维度为s特征；将m个维度为s特征分成m1个大小为m2且维度为s的子特征；m＝m1×m2；m1、m2均大于等于3；

30、s5、重复执行s1到s4，收集训练样本；

31、s6、分类器使用图片数据进行训练，实现患病种类的诊断；分类器使用存储单元中全部的图片数据，将其分为训练集和测试集，训练集经过特征提取单元、子集产生单元对分类器进行训练，测试集上进行验证；测试准确率最优时，子集评价单元将得到最优的子特征，最优的子特征获取途径将回传到子集产生单元；

32、s7、部位分类器使用支持向量机，实现患病部位的诊断；使用图片数据部位分类器进行训练，一个向量机实现一个患病部位的二分类；将图片数据分为训练集和测试集，训练集经过特征提取单元，子集产生单元，对部位分类器中所对应的支持向量机进行训练，测试集上进行验证；测试集准确率最优时，子集评价单元将得到最优的子特征，最优的子特征获取途径将回传到子集产生单元；其他类型患病部位处理方式相同；

33、s9、辅助诊断单元根据分类器与部位分类器的输出给出相应的医疗建议。

34、所述工作过程的s1，具体包括如下子步骤：

35、s11、传感器模块中压力薄膜将志愿者压力变化转化为电阻变化；压力薄膜为阵列式电阻薄膜；传感器模块中行接口为r，列接口为c，r、c均大于40；压力薄膜具有r×c个采集位点；

36、s12、微处理器通过io接口控制开关单元中的行开关、列开关；行开关有r个，列开关有c个；微处理器通过io接口控制行开关以及列开关，信号放大单元将传感器模块中压力薄膜的一个采集位点的电阻变化转化为电压变化；

37、s13、模数转换单元将信号放大单元输出的电压变化转化为数字信号；完成感器模块中压力薄膜一个采集位点的信号采集；

38、s14、通信单元将s13得到的数字信号发到预处理单元；

39、s15、重复s12到s14操作r×c次，完成所有压力薄膜采集位点的采集，采集位点数目为r×c。

40、所述工作过程的s2，具体包括如下子步骤：

41、s21、信息处理模块接受通信单元发来的r×c个数字信号，预处理单元对r×c个数字信号进行重排，平滑滤波，去除不包含压力信息的数字信号，得到大小为r1×c1的数据，r1小于r，c1小于c；

42、s22、可视化单元将上述s21中的r1×c1大小数据进行可视化，同时得到图片数据p；通过医学影像手段以及医生诊断获得患病类型以及患病部位；数据存储单元保存图片数据p；同时，数据存储单元将患病类型以及患病部位存储在图片数据p文件名中；图片数据p与患病种类构成一个样本；

43、s23、数据分割单元按足底部位图片数据p分割，分割为四块图片数据，分别为p1、p2、p3、p4、根据患病部位对p1、p2、p3、p4打上标签，是患病部位则标签为1，否则标签为0；图片数据p1、p2、p3、p4与患病部位标签构成一个样本。

44、所述工作过程的s3，具体包括如下子步骤：

45、s31、卷积神经网络特征提取单元使用卷积神经网络中的卷积层对图片数据p、p1、p2、p3、p4提取特征；得到m个特征,维度为n；m、n均大于5；

46、s32、极值分布特征提取单元对图片数据p、p1、p2、p3、p4查找图片数据的局部最大值的像素坐标，各个像素坐标之间的欧式距离以及各像素点连线与水平参考线所形成的夹角，构成1个特征，维度为s；

47、s33、尺度不变特征提取单元对对图片数据在局部最大值的像素点上求各方向上的梯度，再由梯度构成特征，所述特征的维度为s，s大于3。

48、有益效果

49、本发明所述的一种基于阵列式压力传感器的辅助判别装置，与现有辅助诊断装置相比，具有如下有益效果：

50、1、所述辅助判别装置通过设置特征提取模块、子集产生单元、子集评价单元；针对采集的足底压力数据，通过特征筛选，特征数量从512×7筛选为13×7，减少了特征数量；减少了训练参数数量，减少了实时处理时间；所述辅助判别装置实现病症的诊断，以及足底病灶位置定位，准确率达到90％以上；

51、2、所述判别装置，与影像学在评估患者痛感程度上存在短板，临床上对患者术后恢复有更准确的评估，更有效反映患者术后恢复舒适度；

52、3、所述判别装置与临床使用的深图dr数字化x射线成像系统相比较，体积更小，方便携带，不受时间和空间的约束，对于行动不便的病人，可以上门进行诊治；

53、4、所述判别装置作为辅助诊断设备，与影像学诊断手段相结合，同时考量骨结构参数以及压力分布提高了医生诊断准确率，为患者手术方案选择提供依据。