帕金森病是一种中老年人群中常见的神经退行性疾病。震颤、肌强直、运动迟缓和姿势平衡障碍是它的四大主要症状。这些症状在不同程度上降低患者的日常生活质量,严重者甚至丧失运动能力,生活不能自理。经过长期左旋多巴药物治疗,患者晚期还可能会出现异动症和开关波动现象。帕金森病运动障碍症状的复杂性和变异性使临床评估成为了一大难题。在医院临床工作中广泛采用的运动障碍评估方法是通过各类量表进行评价,评估结果主要依赖医生的临床经验,其准确性和客观性难以保证。因此,临床上需要一种有效的客观评估方法来确定运动障碍的严重程度,帮助医生进行准确诊断和疗效评估。本文目的是基于惯性传感器的运动信号,研究帕金森病患者典型上肢运动症状的量化指标与分级评估方法。本文主要工作如下:(1)深入调研惯性传感器在评估帕金森病运动障碍中的应用情况和研究现状。在与临床医生合作开展前期临床测试的基础上,针对震颤和运动迟缓两种症状,构建上肢运动障碍量化评估体系。(2)设计运动信号采集系统,利用惯性传感器获取运动过程中的三维加速度和三维角速度信号。对应量表设计动作测试,建立运动障碍数据库,用于定量分析和评估患者的运动障碍症状。(3)手指动作信号中震颤成分的分离。提出了一种基于希尔伯特-黄变换的滤波算法,用于分离并滤除帕金森病患者手指主动运动信号中的震颤干扰成分。首先,对惯性传感器采集的运动信号进行EMD分解,然后基于先验知识设计出模态选择算法,利用选取的模态重构出想要的动作信号。在实际的临床测试信号上用该方法与传统线性低通滤波的效果进行比较。(4)手臂震颤症状的量化评估。针对静止性震颤和姿势性震颤,提取与震颤幅度和频率有关的时域和频域特征,分析它们与临床UPDRS量表震颤项评分的关系。设计模型对两种震颤进行分级评分,比较用PCA算法对特征空间降维前后的分级效果。(5)上肢运动迟缓症状的量化评估。对于手指重复动作,采集患者重复执行手指开合和抓握动作的运动信号,提取经典的时域和频域特征,分析特征与临床UPDRS量表对应项评分的关系,验证它们量化运动迟缓症状的有效性。引入两个非线性指标近似熵和样本熵来描述手指动作的节律性。基于以上特征,使用分类模型对两个动作进行分级评分。对于双手轮替动作,利用患者双侧手腕的运动信号,分别计算左、右手的特征参数,把它们融合在一起训练分类模型输出分级评分。(6)上肢运动障碍的综合评估。检验分级模型在预留的测试样本集上对各单项的评估性能;将各单项评分相加得到模型估计的上肢运动障碍总分,由上肢运动障碍总分回归出全身运动障碍总分。