基于机器学习的肌强直症状量化评估方法及相关设备

本发明公开了一种基于机器学习的肌强直症状量化评估方法及相关设备。该方法包括：收集患者的初步数据集，初步数据集包括生理信号特征数据和标签数据；将数据集划分为训练集和测试集，以对评估模型进行训练，并对训练后的评估模型进行准确性验证及优化，评估模型包括基于手臂关节阻力数据构建的XGBOOST模型、基于手臂关节肌电信号构建的LightGBM模型和基于手臂关节震颤信号构建的随机森林模型；获取目标患者的生理信号特征数据，通过优化后的评估模型对所述目标患者的肌强直症状量化评估。能够解决目前肌强直的诊断和症状评估主要依赖于临床医生的主观判断，缺乏客观的量化标准，影响治疗方案的制定和疗效的评估的问题。