一种辅助筛查半月板损伤的步态分析方法与流程

技术特征：

1.一种辅助筛查半月板损伤的步态分析方法，其特征在于：包括有以下步骤：

A、分别采集多组半月板损伤患者和健康正常人的膝关节步态特征数据，并提取步态特征变量，所采集的多组半月板损伤患者和健康正常人的膝关节步态特征数据形成训练集；

B、根据步骤1提取的步态特征变量，对训练集里半月板损伤患者和健康正常人的未知的非线性步态系统动态进行建模，采用神经网络辨识器，对未知的非线性步态系统动态的局部进行逼近；

C、利用RBF神经网络辨识器的学习训练结果建立常值神经网络，并将所学到的非线性步态系统动力学知识以常值神经网络权值的形式存储，构成训练步态模式库；

D、采集半月板损伤患者的膝关节步态特征数据，并提取步态特征变量，所采集的半月板损伤患者的膝关节步态特征数据形成测试集；

E、利用常值神经网络构建一组动态估计器，将训练步态模式库里半月板损伤患者和健康正常人所对应的非线性步态系统动力学知识嵌入到动态估计器中，把半月板损伤患者的步态特征数据与该组动态估计器做差，形成一组分类误差结果，根据最小误差计算出半月板损伤患者的异常步态。

2.根据权利要求1所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述步骤A和步骤D中通过光学传感器采集膝关节步态特征数据。

3.根据权利要求1所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述步骤A和步骤中膝关节步态特征数据包括有膝关节角度特征数据和膝关节位移特征数据，所述膝关节角度特征数据包括有膝关节股骨相对胫骨的内外旋角度、屈伸角度和内外翻角度，所述膝关节位移特征数据包括有膝关节股骨相对胫骨的前后位移特征数据。

4.根据权利要求1所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述步骤B中的未知非线性步态系统动态建模表示为：

$\stackrel{\·}{x}=F(x;p)+v(x;p)$

其中，x＝[x₁，…，x_n]^T∈Rⁿ为步骤A提取到的步态特征变量，p为系统常参数值，n为步态特征变量的维数；F(x；p)＝[f₁(x；p)，…，f_n(x；p)]^T为光滑且未知的非线性动态变量，代表半月板损伤患者和健康正常人的步态系统动态，v(x；p)＝[v₁(x；p)，…，v_n(x；p)]^T为建模不确定项，将二者合并为定义为一般非线性步态系统动态。

5.根据权利要求4所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述步骤B中采用动态RBF神经网络构造神经网络辨识器。

6.根据权利要求5所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述动态RBF神经网络辨识器形式为：

$\stackrel{\·}{\hat{x}}=-A(\hat{x}-x)+{\hat{W}}^{T}S\left(x\right)$

其中为神经网络辨识器的状态；A＝diag[a₁，…，a_n]为对角矩阵，a_i为设计的常数，满足0＜|a_i|＜1，为动态RBF神经网络，用于逼近未知的一般非线性步态系统动态S(x)＝[S₁(||X-ξ₁||，…，S_N(||X-ξ_n||]^T为高斯型径向基函数，N＞1是神经网络结点数目，ξ_i是神经元中心点，RBF神经网络权值的调节律如下：

${\stackrel{\·}{\hat{W}}}_i=-{\mathrm{\Γ}}_{i}S\left(x\right){\tilde{x}}_i-{\mathrm{\σ}}_i{\mathrm{\Γ}}_i{\hat{W}}_i,i=1,...,n,$

其中，i表示n维步态特征变量中第i维变量，是状态误差，Γ_i＝Γ_i^T＞0，σ_i＞0是调节律的调节参数，动态RBF神经网络的权值的初始值

7.根据权利要求6所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述一般非线性步态系统动态的局部准确建模可如下公式表示：

其中，ε_i1为逼近误差；所述局部准确建模指通过RBF神经网络对沿步态特征数据的内在系统动态轨迹的逼近，而远离轨迹的内部动态则不被逼近。

8.根据权利要求1所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述步骤C具体为：根据确定学习理论，沿步态系统特征轨迹的RBF神经网络的神经元满足持续激励条件，其RBF神经网络权值收敛到最优值，取权值收敛后一段时间内权值的均值作为学习训练结果，并利用这些结果建立常值神经网络，所学到的步态系统动力学知识以常值神经网络权值的形式存储，构成训练步态模式库。

9.根据权利要求8所述的一种辅助筛查半月板损伤的步态分析方法，其特征在于：所述的RBF神经网络权值根据李雅普洛夫稳定性定理和确定学习理论来调节，使状态误差与权值估计都有界，并且指数收敛，其中，RBF神经网络的权值收敛有两种情况：

第一种情况：沿步态特征回归轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值的小邻域内；

第二种情况：远离步态特征回归轨迹的RBF神经网络的神经元不受激励而不被调节，其权值近似为零。