帕金森病患者手部灵活性的机器学习评估方法

王文剑，刘峰，郁磊，任璐，关博，李阳

（1.山西大学 计算机与信息技术学院，山西 太原 030006；2.山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006；3.山西大学 复杂系统研究所，山西 太原 030006；4.山西大学 疾病防控的数学技术与大数据分析山西省重点实验室，山西 太原 030006；5.山西医科大学 第一临床医学院，山西 太原 030001；6.山西医科大学 第一医院神经内科，山西 太原 030001）

0 引言

帕金森病（Parkinson’s disease，PD）又称为震颤麻痹，是一种影响患者活动能力的中枢神经系统[1]慢性疾病。随着社会老龄化，PD的发病率及致残率[2]均呈现增高的趋势。PD的主要症状是以运动障碍[3-4]为特征，如运动迟缓[5]、僵硬[6]、步态冻结[7-8]和震颤[9]等。震颤被定义为身体部分不自主的节律性振动，而手部[10]是患者震颤最明显的地方，对手部灵活性进行评估也是早期发现症状最简单可行的途径。准确评估PD患者的手部灵活性可以帮助临床医生制定适当的治疗处方，以减轻震颤的症状。目前对于PD患者的评估主要采用的是统一帕金森病评定量表（Unified Parkinson's Disease Rating Scale，UPDRS）[11-12]，医生根据患者完成量表规定动作的表现给出0-4级的评分，评分越高，症状越严重[13]，根据评分结果有针对性地给患者制定康复计划。但是基于UPDRS 的评估[14]存在以下局限：（1）医生用于诊断患者的交流时间长[15]；（2）评分主要依赖患者的主观描述和医生的肉眼观察，有可能出现因主观性导致的偏差。

随着可穿戴设备的发展[16]，国内外研究者将电磁运动跟踪器、肌电图[17]、触摸传感器等应用于PD的辅助诊断，但是这些设备使用价格昂贵[18]，操作不方便[19]，使用不普遍。……