基于按键动作识别的帕金森病早期预测方法

针对目前帕金森病早期预测方法普遍存在误诊率高、步骤繁多等问题,设计了基于AdaBoost算法的按键动作识别方法,实现对帕金森病早期的精准预测。该方法首先删除数据集的缺失值,并选取按键次数过万的数据;然后针对不同按键手,根据按键的时间间隔对预处理后的结果进行分类,以平均值、标准差、方差、偏度和峰度5个指标为特征,对每一位病人的数据进行分块,扩充数据集,并加入高斯噪声平衡数据集;最后应用AdaBoost算法进行分类预测。在公开的数据集上进行实验,结果表明：在按键数据集分类上,该方法的准确率、灵敏度和特异性分别为95%、98%和97%。该方法具有较高的准确率、灵敏度和特异性,为帕金森病早期的精准预测提供了一种有效的解决方案。