一种基于多模态数据的帕金森健康风险评估方法

摘要

本发明涉及一种基于多模态数据的帕金森健康风险评估方法，准备包括UPDRS评分，人口基本情况数据，传感器数据，构建多模态数据集；利用高斯滤波对传感器数据进行预处理；搭建卷积神经网络模型，构建基于深度学习的传感器数据特征提取方法。融入手工特征，计算传感器数据对于帕金森健康风险评估具有重要意义的特征。整合人口统计数据，将人口统计数据融入模型。模型训练与预测，整合卷积神经网络提取到的特征，手工特征以及人口统计数据特征。构建基于这三类特征的特征表示一致性模块。最后，对模型进行训练，并对未知标签的样本进行预测。本方法及模型在帕金森风险预测的正确率达到81.4％。