分析患者手绘笔迹是一种重要的帕金森病辅助诊疗手段,可用于帕金森病患者早期的自诊断。目前基于人工智能技术的书写障碍识别方案主要存在以下问题:算法存在局限性,大部分研究采用固定的临摹模板,干扰受试者的绘制行为;辅助设备仅配备于专业的研究机构,不适用于普通的居家患者;识别任务单一,难以实现多种疾病的区分。为了使帕金森病的诊断更加便捷、准确和实用,本文致力于开发一种无需临摹模板的手绘图的辅助诊断方案。本文主要研究内容如下:首先,本文提出了基于手绘图像和改进型螺旋线展开算法的辅助诊断方案。受试者只需绘制简单的阿基米德螺旋线图案即可完成数据采集。另外,针对传统螺旋线特征识别的算法局限,本文提出了针对帕金森患者手绘螺旋线中震颤特征的识别算法。通过基于中心点的极坐标展开算法及结合注意力机制的CNN-LSTM改进型网络,本文实现了患者组和对照组的自动分类。其次,本文设计了基于注意力机制、连续卷积层和空间金字塔池化(SPP)的系列分类模型。针对阿基米德螺旋线图像样本中的震颤、形状和匝间距等多种特征,模型对手绘图进行了全局和局部识别。结果表明:本文设计的神经网selleck激酶抑制剂络能够有效地识别帕金森病的相关手绘特征,具有良好的稳定性和泛化性能。最后,本文提出了应用于帕金森病、特发性震颤和健康正常人的多类别自动识别辅助诊断方案。本文的识别模型可以根据不同需求应用于多种分类任务当中。根据特征识别和可视化结果,本文对阿基米德螺旋线进行了分区域研究,从自immunosensing methods动识别的角度进一步证实和丰富了当前病理学研究的结论。本文提出了基于改进型的识别模型和离线手绘图的帕金森病自动识别方案,在临床环境中建立了手绘图数据集。本文通过震颤特征分析、全局和分区域的特征识别对数据集进行了细化的病理学分析;通过准确率评估、模型比较和泛化能力测试验证了模型的有效性;从成本、侵入性和可靠性等IDN-6556生产商角度出发,本文的研究都具有可观的应用前景。