基于Android的健康監(jiān)測應用研究與實現(xiàn).pdf

1、在我國，人口老齡化的趨勢越來越嚴重，健康也成為了全社會最受關注的話題。鄉(xiāng)鎮(zhèn)區(qū)域，醫(yī)療資源的分布不均也造成了老年人看病難這一情況。很多的病癥由于發(fā)現(xiàn)的晚延誤了治療，造成了很多的遺憾。近年來，得益于移動互聯(lián)網(wǎng)和醫(yī)療的發(fā)展，利用便攜的可穿戴設備進行日常的健康監(jiān)測得到普及。通過可穿戴設備對身體狀況進行監(jiān)測，并運用數(shù)據(jù)分析的方法進行提前診斷及預警將成為移動醫(yī)療的一大趨勢。
　　在影響老年人健康的主要疾病中，帕金森病是一種很不容易被發(fā)現(xiàn)的神經(jīng)

2、系統(tǒng)變性疾病?；颊咴诨疾〉脑缙冢瑫霈F(xiàn)軀體靜止時上肢規(guī)律性的震顫。此現(xiàn)象也成為了醫(yī)生對患帕金森早期的患者診斷的重要的依據(jù)。
　　本文在深入了解深度學習相關技術的基礎上，實現(xiàn)了現(xiàn)有的基于BP神經(jīng)網(wǎng)絡的帕金森震顫識別算法，鑒于其識別率不高，重點研究了CNN和RNN的兩種神經(jīng)網(wǎng)絡的特點并將其應用于帕金森震顫識別，取得的主要研究成果如下：
　?。?）根據(jù) CNN在圖像識別領域取得的優(yōu)異效果，本文將采集到的患者的加速度數(shù)據(jù)進行圖像化操

3、作，將其生成的語譜圖作為CNN的輸入并進行訓練，經(jīng)過多次的實驗調整模型參數(shù)，最后得到的識別效果好于現(xiàn)有的基于BP神經(jīng)網(wǎng)絡的帕金森震顫識別算法，震顫識別率達到了84.4％。
　　（2）利用 RNN在處理時序數(shù)據(jù)的優(yōu)勢。將收集得到的加速度數(shù)據(jù)集以時序分段形式放入RNN進行訓練，同樣經(jīng)過若干次的實驗調整模型參數(shù)，最后得到的識別效果介于傳統(tǒng)算法和基于CNN的帕金森震顫識別算法之間，震顫識別率達到了74.8%。
　?。?）將識別效果最