[发明专利]基于生物运动信息的上肢肩肘腕关节运动功能评价方法

摘要

本发明提出了一种基于生物运动信息的上肢肩肘腕关节运动功能评价方法。本发明首先选择加速度信号和肌电信号作为上肢运动的生物运动信息。然后对加速度信号和肌电信号进行特征提取。在此基础上，从两方面对特征值进行筛选：针对不同类型的动作和针对执行动作能力的不同，根据信号特征的典型性和可区分性对特征进行筛选。最后利用两类信号的不同优势，将两类信号的特征值进行组合。以简式Fugl-Meyer评分值为标准，构建线性回归模型，进行多元信号特征的优化组合，以此作为上肢肩肘腕关节运动功能评价指标。本发明不仅可以进行在线的实时信息提取和评分检测，还能取代传统的上肢运动功能评价方法，更细致地对上肢运动功能进行量化评分。

主权项

基于生物运动信息的上肢肩肘腕关节运动功能评价方法，其特征在于该方法包括如下步骤：生物运动信息的选择与样本数据采集；在信号源的选择上，生物运动信息包括上肢运动力学信息和生物电信息，这两类信息从不同方面表征了上肢的运动状态和动作的执行能力；在动力学信息中选择加速度信号，生物电信息中选择肌电信号作为上肢运动的生物运动信息；获取人体上肢动作时的加速度信号和肌电信号样本数据，具体如下：通过二维加速度传感器检测上肢运动的加速度信号，表面肌电信号采集仪拾取人体上肢动作时相应肌肉的肌电信号，两类信号通过数据采集卡采集到PC机上，保证信号的同步性和一致性，信号的采样频率是1khz；2) 确定1）中的两类信号的采样位置和周期信号；关于信号的采样位置，将二维加速度传感器置于上肢的小臂和大臂，分别测量上肢动作时小臂和大臂在不同方向的加速度信号；在肌电信号源位置的选择上，依据生物力学分析结果，按其在动作中的贡献大小来选择肌肉，选择小臂内侧的上肢尺侧腕屈肌、小臂外侧的尺侧腕伸肌和大臂内侧的肱二头肌的肌电信号；这三块肌肉分布在手臂的不同区域，在位置和信号区分度上都具有典型性；在确定周期信号时，肌电信号从能量的角度确定起止点，即在较小时间段内，信号的能量值大于一定阈值，则表示进行动作或保持动作；加速度信号则利用一段时间内加速度变化的累积量超过一定阈值来判定是否在进行动作；3）对加速度信号和肌电信号进行特征提取；肌电信号的特征包括均方根、小波包能量和基本尺度熵，分别体现了动作的时域信号幅值、时频域信号能量和复杂度特性；加速度的特征为均方根、信号导数的均方根和基本尺度熵，分别表示动作的时域信号幅值、动作平滑程度和复杂度特性；4）在肢体进行特定典型动作时，在信号特征提取的基础上，根据信号特征的典型性和可区分性对特征值进行筛选，从而更有效的提取适合于上肢运动功能诊断的信号特征；特征值筛选条件：a）针对不同类型的动作，选择具有区分性和代表性的特征值；b）针对执行动作能力的不同，即进行完整和非完整动作时，选择的特征值须能体现出两者的差异；经过特征筛选后表明，肌电信号的均方根特征和小波包能量特征能较好的体现上肢执行动作的能力；加速度信号的均方根特征和基本尺度熵特征对上肢运动状态有较好的代表性；5）将筛选后的特征值进行优化组合，作为上肢肩肘腕关节运动功能评价指标；利用两类信号的不同优势，将两类信号的特征值进行组合；以简式Fugl‑Meyer评分值为标准，构建线性回归模型，实现多元信号特征的优化组合；上肢肩肘腕关节运动功能评价指标是根据受试者上肢动作时提取肌电信号和加速度信号的有效特征，结合模型的参数，得到不同动作的评价得分，累加不同动作的评价得分就是该受试者的综合性上肢肩肘腕关节运动功能评价指标得分。