1.用于帕金森病运动症状的时空特征量化评估方法,其特征在于,包括以下步骤:
S1:通过在患者四肢关节与躯干部位部署惯性测量单元传感器获取三维加速度数据、角速度数据、磁场强度数据,构建传感器为节点、人体肢体连接为边的连接结构,生成连接神经网络拓扑结构;S1的具体步骤为:S101:通过在患者四肢关节与躯干部位部署惯性测量单元传感器,监测加速度信号、角速度信号与磁场强度信号,对时间戳进行帧间对齐并执行幅值归一化计算,依据传感器标识与空间位置信息,生成传感器节点索引集;
S102:基于所述传感器节点索引集,获取节点间三维坐标数据,计算相邻节点欧氏距离向量与方向角,针对距离向量与肢体连接判定阈值执行比较,记录距离向量低于阈值的节点编号对并编码整合,生成肢体连接边集;
S103:根据所述肢体连接边集与传感器节点索引集,对节点数据向量执行聚合计算并矩阵化编码,依据编码结果计算节点属性与边连接权值间的对应关系,得到连接神经网络拓扑结构;
S2:调用所述连接神经网络拓扑结构中节点轨迹点坐标参数,计算相邻轨迹段方向变化角度与角速度变化量,采用自适应权重衰减算法对运动特征进行稳定性判断,生成连接卷积网络权重参数;S2的具体步骤为:S201:获取所述连接神经网络拓扑结构中的节点轨迹点坐标参数,对相邻节点坐标向量执行差分运算,根据方向向量差值与方向变化基准值的比较结果提取轨迹段方向变化幅度序列,生成方向变化角度序列集;
S202:基于所述方向变化角度序列集,对轨迹段间角度差值执行时间差分,计算角度变化梯度,再依据变化梯度与轨迹点采样时间间隔的比值确定角速度变化量,建立角速度变化参数集;
S203:调用所述角速度变化参数集并与轨迹段方向变化幅度序列进行配对映射,对配对数据波动幅度执行自适应权重衰减处理,依据衰减系数收敛特性判断运动特征稳定性,生成连接卷积网络权重参数;
S3:根据所述连接卷积网络权重参数对节点邻接运动特征参数进行加权聚合计算,根据连接神经网络传播机制通过多轮连接卷积处理跨拓扑层级节点间的运动关联信息,形成时空融合运动特征集;S3的具体步骤为:S301:基于所述连接卷积网络权重参数,对节点邻接关系中的运动特征参数执行加权计算,根据节点连接权值比例进行特征聚合,重构节点局部邻域的运动向量结构,生成节点加权运动表示集;
S302:根据所述节点加权运动表示集,采用连接神经网络传播机制的邻接节点索引关系,对节点表示向量执行多轮传播聚合,计算特征相似度并筛选相似度值达到相似度阈值的节点向量执行特征融合,生成全局传播运动特征集;
S303:针对所述全局传播运动特征集,依据时间索引标识与空间节点坐标参数,对时间分量与空间分量执行关联计算并分析时空耦合关系,生成时空融合运动特征集;
S4:基于所述时空融合运动特征集按时间序列排列获取时序特征数据,采用多头注意力机制对震颤频率峰值、步态周期变化、运动幅值波动进行时序模式识别,提取帕金森病症状时序特征模式。
2.根据权利要求1所述的用于帕金森病运动症状的时空特征量化评估方法,其特征在于,所述连接神经网络拓扑结构包括节点空间分布参数、节点邻接矩阵权重参数和人体部位拓扑关系参数,所述连接卷积网络权重参数包括节点特征权重系数、边连接权重系数和稳定性衰减权重,所述时空融合运动特征集包括局部时空耦合特征、全局运动关联特征和多层传播融合特征,所述帕金森病症状时序特征模式包括震颤频率模式、步态节律模式和运动幅值波动模式。
3.根据权利要求1所述的用于帕金森病运动症状的时空特征量化评估方法,其特征在于,S4的具体步骤为:S401:获取所述时空融合运动特征集中的震颤频率峰值、步态周期变化与运动幅值波动数据帧,对相邻时间片段间震颤频率差值执行线性差分计算,并筛选差分值大于频率波动阈值的突变索引,生成震颤频率时序序列;
S402:基于所述震颤频率时序序列,调用步态周期变化与运动幅值波动序列,对相同时间索引下特征差值执行归一化融合,在统一时间轴上排列形成连续序列,生成多维时序特征序列集;
S403:根据所述多维时序特征序列集,对时间窗口执行多头注意力权重计算,依据通道间关联性进行加权聚合并进行时序匹配,生成帕金森病症状时序特征模式。
4.根据权利要求3所述的用于帕金森病运动症状的时空特征量化评估方法,其特征在于,所述频率波动阈值依据临床震颤频率统计数据与患者个体生理波动范围确定;
所述对时间窗口执行多头注意力权重计算指在多维时序特征序列集中,采用固定长度的滑动时间窗口提取连续特征片段,针对每一时间窗口通过多头注意力机制计算通道间特征相似度矩阵,依据通道加权系数对多头输出结果进行聚合,并通过时序位置编码完成特征匹配,形成帕金森病症状时序特征模式。