1.一种帕金森病轴向症状严重程度表征方法,其特征在于,包括以下步骤:S1、获取脑电信号,对所述脑电信号进行预处理得到局部场电位,采用EMD算法分解局部场电位,得到一系列IMF子信号;
S2、计算各IMF子信号的功率谱密度,得到功率谱密度图,选择功率集中在beta频段的IMF子信号重组得到重组beta频段信号;
S3、分别提取所述重组beta频段信号的均方根、方差、功率谱密度比值和四分位差特征,计算出各个特征与轴向症状分数之间呈显著正相关性,则特征值越大,轴向症状分数越高,轴向症状越严重,以此对轴向症状严重程度进行表征。
2.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,采用EMD算法分解局部场电位,得到一系列IMF子信号,包括:S11、搜索原始信号x(t)的所有局部极大值和局部极小值,使用三次样条插值的方法分别连接极大值和极小值,得到上包络线Emax和下包络线Emin;
S12、由上包络线Emax和下包络线Emin计算原始信号x(t)在各时间点上的平均值m1=(Emax+Emin)/2;
S13、原始信号x(t)与平均值m1相减,得到d1;
S14、判断d1是否满足IMF的定义,如果符合IMF定义,则d1为IMF1,否则使x(t)=d1,重复S11‑S13直至得到符合IMF定义的d1;
S15、得到符合IMF定义的d1后,令x(t)=x(t)‑d1,重复S11‑S14,直到x(t)变为单调序列为止;
S16、最后由原始信号x(t)得到n条IMF信号序列,IMF1,IMF2,.......,IMFn。
3.根据权利要求2所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,所述IMF的定义满足两个条件:(1)在信号序列中,极值点的个数和过零点的个数必须相等或最多相差一个;(2)在任意时间点上,从上下包络线计算出的平均值为零。
4.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,使用修正的平均周期法计算功率谱密度,计算过程如下:S21、将IMF信号序列分为L段,每段长M,则第i段为xi(t)=x(n+i·M‑M),0≤n≤M‑1,1≤i≤L;
n为自变量;
S22、计算信号第i段序列的归一化功率谱密度,公式为:其中,h(n)为汉宁窗,fs为抽样频率,xi(n)为第i段信号序列xi(t)的第n个点的值,U为归一化因子,计算公式如下:S23、L段序列进行平均处理后,得到最终的功率谱密度:
5.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,所述均方根用于衡量重组beta频段信号的信号强度,计算方式如下:其中,Xi为重组beta频段信号,N为信号点数。
6.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,所述功率谱密度比值用于表征重组beta频段信号在原信号中的比例,计算公式如下:其中Pbeta为重组beta频段信号的功率谱密度序列,Porgin是原始信号的功率谱密度序列。
7.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,所述方差用于反映重组beta频段信号的离散程度,计算公式如下:其中Xi为重组beta频段信号,μ为重组beta频段信号的平均值。
8.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,所述四分位差用于提示重组beta频段信号的差异程度,计算公式如下:IQR=Q3‑Q1;
其中Q1为重组beta频段信号中位于25%的值,Q3为重组beta频段信号中位于75%的值。
9.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,使用Spearman方法计算提取的特征与轴向症状分数之间的相关性。
10.根据权利要求1所述的一种帕金森病轴向症状严重程度表征方法,其特征在于,还包括使用SVM验证提取特征对轴向症状严重程度分类的有效性;
其中,选择以径向基函数为核函数的SVM进行分类,使用网格搜索法查找最优参数组合,以十折交叉进行验证。