[发明专利]一种基于隐半马尔科夫模型的上肢运动功能评分方法

权利要求书

1.一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：其评估方法包括以下步骤：

(1)、规划标准上肢运动功能评估动作；

(2)、利用患者健肢采集标准上肢运动功能评估动作的上肢位姿与肌电数据集；

(3)、利用上肢位姿与肌电数据集训练适用于运动功能评估的隐半马尔科夫模型；

(4)、采集患者患肢执行标准运动功能评估动作的上肢位姿与肌电数据；

(5)、利用前向后向算法结合步骤(3)中所述模型得到步骤(4)中数据的似然概率值；

(6)、根据FMA计算患者健侧上肢运动功能评分；

(7)、根据步骤(6)与步骤(5)，计算患者患侧上肢运动功能评分。

2.根据权利要求1所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(1)标准上肢运动功能评估动作包括如下运动评估动作组成：

(2.1)、上肢手掌触摸同侧耳朵运动；

(2.2)、上肢手背触及腰骶部运动；

(2.3)、上肢关节屈伸运动；

(2.4)、上肢关节旋转运动。

3.根据权利要求1或2所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(2)利用患者健肢采集标准上肢运动功能评估动作的上肢位姿与肌电数据集为：将姿态传感器安装于患者健肢的大臂与小臂上，采集患者在执行所述的标准运动评估动作时的肢体运动姿态角度；将表面肌电传感器安装于与运动相关联的肌肉上采集患者在执行所述的标准运动评估动作时的表面肌电信号；为保证系统的鲁棒性，同一组标准运动评估动作的位姿与肌电数据可采集一次或数次。

4.根据权利要求1或3所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(3)利用上肢位姿与肌电数据集训练适用于运动功能评估的隐半马尔科夫模型包括：将采集的患者健肢执行标准评估动作的一组或多组运动姿态与表面肌电信号组成的多维数据组成隐半马尔科夫模型的显状态观测矩阵；将显状态观测矩阵结合EM算法或Baum-Welch算法训练得到适用于单个评估动作的隐半马尔科夫模型。

5.根据权利要求1或2所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(4)采集患者患肢执行标准运动功能评估动作的上肢位姿与肌电数据为：将姿态传感器安装于患者患肢的大臂与小臂上，采集患者患肢在执行所述的标准运动评估动作时的肢体运动姿态角度；将表面肌电传感器安装于患肢的与运动相关联的肌肉上采集患者患肢在执行所述的标准运动评估动作时的表面肌电信号。

6.根据权利要求1、3、4所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(5)利用前向后向算法结合(3)中所述模型得到(4)中数据的似然概率值为：利用所述的适用于运动功能评估的隐半马尔科夫模型与采集的患者患肢执行标准评估运动动作的姿态与肌电数据组成的观测矩阵，结合前向-后向算法得到似然概率值。

7.根据权利要求1所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(6)根据FMA计算患者健侧上肢运动功能评分为：治疗医师审查患者健侧上肢执行所述的运动功能评估动作的记录录像带并填写李克特问卷调查，来评估患者健侧上肢执行所述的运动功能评估动作期间的表现，并运用FMA计算健肢运动功能评分。

8.根据权利要求1、4、7所述的一种基于隐半马尔科夫模型的上肢运动功能评分方法，其特征在于：所述步骤(7)利用步骤(6)与步骤(5)，计算患者患侧上肢运动功能评分为：首先，对同一康复评估动作，根据步骤(5)，计算所有患者患侧上肢运动功能数据相对于健侧上肢运动功能数据的似然概率数值，并通过归一化处理，获取到每位患者患侧对具体每个康复评估动作的归一化似然概率数值；其次，根据步骤(6)患者健侧评分，获取患者健侧对每个康复评估动作的最高与最低评分；最后,利用归一化处理得到的似然概率数值及患者健侧对每个康复评估动作的最高与最低评分，获取到患者患侧对康复评估动作的运动功能评分。