一种基于局部场电位的帕金森病样本特征分型方法、特征分型系统及样本分类模型训练方法

本发明公开了一种基于局部场电位的帕金森病样本特征分型方法、特征分型系统及样本分类模型训练方法。所述分型方法包括：对样本的局部场电位Beta频段信号进行功率谱密度计算，得到平均功率谱密度曲线并对其进行峰值分析，得到峰值功率谱密度；分别对平均功率谱的周期成分和非周期成分进行建模，提取周期性功率谱和非周期分量；对样本的局部场电位Beta频段信号计算相幅耦合特征；利用峰值功率谱密度、周期性功率谱、非周期分量以及相幅耦合特征进行特征聚类分析，输出样本分型结果。本发明通过提取和整合峰值功率谱密度、周期性振荡特征、非周期背景特征及相幅耦合等高级神经生理特征，构建多维度数据模型，提高分类的精准性和可靠性。