[发明专利]一种肢体功能障碍的多模态自适应评估系统及方法

权利要求书

1.一种肢体功能障碍的多模态自适应评估系统，其特征在于，所述系统包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行的单元包括：

脑中线移位偏移计算单元，用于识别脑部CT图像的脑中线结构，并计算脑中线结构特征矩阵，得到对应的脑中线移位偏移量；

肢体运动功能数据库储存单元，用于存储基于运动功能评定量表的不同评定项目时实时获取的不同肢体功能肌群对应的肌电数据和足底反力数据，并构建肢体运动功能数据库；

偏置障碍脑电数据计算单元，用于对不同评定项目对应的脑电数据计算得到脑电通道关联矩阵并进行功能性障碍显著筛选，结合脑中线移位偏移量计算得到偏置障碍脑电数据矩阵；

肢体运动障碍自适应评估单元，用于利用偏置障碍脑电数据矩阵和肢体运动功能数据库建立肢体运动障碍自适应评估模型，得到不同评定项目对应的运动指标；

其中，在所述脑中线移位偏移计算单元中，用于识别脑部CT图像的脑中线结构，并计算脑中线结构特征矩阵，得到对应的脑中线移位偏移量方法为：

S201，设脑部CT图像的各个像素按矩阵M×N大小排列，将脑部CT图像在像素坐标为(x,y)上的灰度值表示为CT(x,y)，x∈[1,M]，y∈[1,N]；利用边缘检测算法检测所述脑部CT图像，获得距离图像边界最短且长度大于其它边缘线的一条边缘线，或者，获取各个边缘线所构成的闭合区域中面积最大的区域所对应的边缘线，记为透明隔间腔边缘线；

S202，根据透明隔间腔边缘线识别提取脑部结构中的额骨中位和顶骨中位对应的像素坐标，将额骨中位和顶骨中位相连接得到的直线记作正中骨嵴线，作为脑中线移位的标准基线；其中，额骨中位和顶骨中位获取方法为：计算在透明隔间腔边缘线上所有像素坐标(x,y)对应的x值的平均值记作x_c，以及对应的y值的平均值记作y_c，将脑实质中心坐标记作(x_c,y_c)；遍历在透明隔间腔边缘线上的各个像素坐标(x,y)，计算(x,y)与脑实质中心坐标(x_c,y_c)之间的欧式距离记作对应的趋心距离，并提取各个趋心距离大于或等于所有趋心距离的算术平均值对应的(x,y)记作趋心坐标；在所有趋心坐标中识别额骨中位和顶骨中位对应的像素坐标，其中将对应x值与x_c值的差值最小且y值最大的趋心坐标记作额骨中位，将对应x值与x_c值的差值最小且y值最小的像素坐标作为顶骨中位；

S203，根据脑部CT图像在透明隔间腔边缘线所构成的闭合区域内的所有像素坐标(x,y)计算对应的脑中线结构特征矩阵记作mid(x,y)，其计算公式为：

其中，mid(x,y)表示为在像素坐标(x,y)上的脑中线结构特征值，(x_c,y_c)为脑实质中心坐标；∑_x，y·表示为像素坐标(x,y)在透明隔间腔边缘线所构成的闭合区域内的取值范围内对.内的表达式作累加计算；sum为在透明隔间腔边缘线所构成的闭合区域内所有像素点的个数；

S204，遍历i值取值范围，分别计算mid(x,y)中各个像素点到正中骨嵴线的距离记作各个像素点对应的脑中线移位距离，并计算所有脑中线移位距离的算术平均值作为脑中线移位偏移量记作midshift；其中脑电采集设备实时获取肢体功能障碍患者在各个单极采集通道的脑电数据，i值表示为单极采集通道序号，i∈[1,CH1]，CH1为单极采集通道的个数；

其中，在所述肢体运动功能数据库储存单元中，根据运动功能评定量表实时获取不同评定项目时的脑电数据，以及不同肢体功能肌群对应的肌电数据和足底反力数据，建立肢体运动功能数据库的方法为：

S301，基于运动功能评定量表中的各个评定项目对肢体功能障碍患者评定肢体运动功能损伤；其中所述运动功能评定量表可为Fugl-Meyer量表、Brunnstrom量表、ADL量表中的一种；

S302，利用脑电采集设备实时获取肢体功能障碍患者在不同评定项目时各个单极采集通道的脑电数据，将评定项目编号记为p，p∈[1,Num]，Num为所述运动功能评定量表的评定项目总数，单极采集通道序号记作i，i∈[1,CH1]，CH1为单极采集通道的个数，在第p个评定项目时对应第i个单极采集通道获取的脑电信号记作EEG(p,i)；

S303，利用肌电信号采集仪实时获取肢体功能障碍患者在不同评定项目时各个肢体功能肌群对应的肌电数据，按预设顺序对各个肌电频道进行排序，频道序号记作j，j∈[1,CH2]，CH2为单极采集通道的个数，在第p个评定项目时对应第j个肌电频道获取的表面肌电信号记作sEMG(p,j)；

S303，利用足部压力测试系统实时获取肢体功能障碍患者在不同评定项目时对应的足底反力数据，将前脚掌的内侧足底区域标记为fore，足跟的中央足底区域标记为heel，在第p个评定项目时对应的足底压力信号分别记作PF(p,fore)和PF(p,heel)；

S304，建立肢体运动功能数据库，将肢体功能障碍患者在各个评定项目时获取的sEMG(p,j)、PF(p,fore)和PF(p,heel)进行数据预处理包括高斯去噪、数据格式化、归一化处理后，按顺序构成肢体运动功能数据库记作MFDatabase；

其中，在所述偏置障碍脑电数据计算单元中，根据不同评定项目对应的脑电数据结合脑中线移位偏移量，计算得到偏置障碍脑电数据矩阵的方法为：

S401，遍历p值和i值的取值范围，计算脑电通道关联矩阵记作releEEG，其计算公式为：

i1＝i+1；

其中，p为评定项目编号，i为单极采集通道序号，releEEG的矩阵大小为Num×CH1，REG(p,i)为releEEG中对应第p行第i列的元素，REG(p,i)表示为计算第p个评定项目时对应第i个单极采集通道获取的脑电信号EEG(p,i)与其邻近的第i1个单极采集通道获取的脑电信号EEG(p,i1)之间的关联指数，其中i1为单极采集通道序号，取i1＝i+1；meanp(i)和meanp(i1)分别为第i个和第i1个单极采集通道的脑电信号中的各个元素在所有评定项目内的平均值；

S402，遍历p的取值范围，利用序列浮动前向选择算法对releEEG逐行进行功能性障碍显著筛选，在releEEG矩阵中遍历各行分别提取各行中各个REG(p,i)的评价函数大于或等于对应i值的单极采集通道上所有评定项目对应的REG(p,i)的评价函数的平均值对应的p值，并将对应的p值标记为功能性显著项目；遍历releEEG各行获得对应的所有功能性显著项目，并利用特征选择算法筛选出各个REG(p,i)中与运动功能障碍相关性最高的前Q个单极采集通道标记为功能性障碍显著通道；并构建功能性障碍脑电矩阵，矩阵大小为sum1×sum2；令barEEG(k,m)表示为所述功能性障碍脑电矩阵在第k行第m列对应的元素数值，将所有功能性障碍显著通道对应的EEG(p,i)数值分别按p值从小到大顺序和按i值从小到大顺序依次存入barEEG(k,m)；其中，Q为功能性障碍显著通道的个数，Q∈[1,CH1]；k为功能性显著项目的序号，k∈[1,sum1]，sum1为功能性显著项目的个数；m为功能性障碍显著通道的序号，m∈[1,sum2]，sum2为功能性障碍显著通道的个数；

S403，由功能性障碍脑电矩阵结合脑中线移位偏移量计算得到偏置障碍脑电数据矩阵，其计算公式为：

offsetEEG(k，m)＝barEEG(k，m)×[1+ln(e^midshift)]；

其中，offsetEEG(k,m)为偏置障碍脑电数据矩阵中第k行第m列对应的元素，表示为第k个功能性显著项目中第m个功能性障碍显著通道对应的偏置障碍脑电信号。