基于手写图像识别的震颤严重程度评估模型、装置以及该模型的训练方法

本申请提出一种基于手写图像识别的震颤严重程度评估模型，该模型经训练后用于评估受试者的ET震颤严重程度；该模型包括初始层和后续层；初始层由ResNet50、DenseNet、ConvNeXt Tiny、MobileNet‑V2、或ETSD‑Net中的一种来实现；后续层由全连接层实现；所述震颤严重程度评估模型的输入为受试者在纸上绘制的阿基米德螺线的手写图像；该图像被送入初始层进行计算，初始层的输出作为后续层的输入；后续层的输出与Fahn‑Tolosa‑Marin震颤评定量表定义的五个震颤严重性级别中的一个评估结果相对应。本申请的基于手写图像远程评估震颤严重程度的有效方法，为评估震颤的严重程度提供了一种实用可行的方法。