[發(fā)明專利]腦卒中患者運(yùn)動(dòng)功能檢測系統(tǒng)、方法、裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010411781.9
• 申請(qǐng)日: 2020-05-15
• 公開（公告）號(hào): CN111544004A
• 公開（公告）日: 2020-08-18
• 發(fā)明（設(shè)計(jì)）人: 彭亮;侯增廣;王晨
• 申請(qǐng)（專利權(quán)）人: 中國科學(xué)院自動(dòng)化研究所
• 主分類號(hào): A61B5/11
• 分類號(hào): A61B5/11;A61B5/0488;A61B5/00
• 代理公司: 北京市恒有知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11576
• 代理人: 郭文浩;尹文會(huì)

本發(fā)明屬于數(shù)據(jù)分析領(lǐng)域，具體涉及一種腦卒中患者運(yùn)動(dòng)功能檢測系統(tǒng)、方法、裝置。本發(fā)明系統(tǒng)基于被測對(duì)象手臂的多個(gè)運(yùn)動(dòng)片段的運(yùn)動(dòng)學(xué)和生理學(xué)模態(tài)的數(shù)據(jù)，利用運(yùn)動(dòng)協(xié)同分析方法和多模態(tài)數(shù)據(jù)融合技術(shù)，通過三個(gè)分類器進(jìn)行遞進(jìn)分類，實(shí)現(xiàn)了對(duì)腦卒中偏癱患者的運(yùn)動(dòng)功能進(jìn)行全面的分析檢測，提高了腦卒中患者運(yùn)動(dòng)功能檢測的準(zhǔn)確度。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)分析領(lǐng)域，具體涉及一種腦卒中患者運(yùn)動(dòng)功能檢測系統(tǒng)、方法、裝置。

背景技術(shù)

腦卒中是一種由于腦部血管的阻塞或破裂而引起的持續(xù)性腦組織的功能結(jié)構(gòu)受損的急性腦血管疾病，大多數(shù)患者會(huì)產(chǎn)生不同程度的運(yùn)動(dòng)功能障礙，其中上肢運(yùn)動(dòng)功能障礙的發(fā)生率最高，嚴(yán)重影響其生活自理能力，給家庭和社會(huì)帶來沉重的負(fù)擔(dān)。研究表明，腦卒中患者需要通過長期的運(yùn)動(dòng)康復(fù)訓(xùn)練促進(jìn)腦部損傷中樞神經(jīng)與肢體之間的聯(lián)系，從而實(shí)現(xiàn)對(duì)肢體行為的有效控制。運(yùn)動(dòng)功能評(píng)價(jià)作為康復(fù)訓(xùn)練流程中的基礎(chǔ)環(huán)節(jié)，客觀準(zhǔn)確的評(píng)估結(jié)果可以為制定合理有效的康復(fù)訓(xùn)練計(jì)劃提供有效依據(jù)，因此對(duì)腦卒中患者的運(yùn)動(dòng)功能進(jìn)行全面的評(píng)定具有重要的意義。

目前臨床上常用的腦卒中運(yùn)動(dòng)功能評(píng)價(jià)方法有Brunnstrom運(yùn)動(dòng)功能恢復(fù)6級(jí)分期法、Fugl-Meyer運(yùn)動(dòng)功能評(píng)價(jià)法和改良Ashworth痙攣評(píng)定量表等。這些傳統(tǒng)的康復(fù)評(píng)價(jià)方法以醫(yī)生觀察為主，輔助一些定性或宏觀的測量數(shù)據(jù)，結(jié)合量表打分完成，所得到的半定量評(píng)估結(jié)果易受醫(yī)生主觀經(jīng)驗(yàn)的影響且難免存在偏差。因此急需開發(fā)出功能強(qiáng)大的自動(dòng)化評(píng)價(jià)系統(tǒng)，實(shí)現(xiàn)對(duì)患者運(yùn)動(dòng)功能的客觀的量化評(píng)價(jià)，從而使患者的康復(fù)訓(xùn)練計(jì)劃更具有針對(duì)性并且更有助于恢復(fù)。

近年來，國內(nèi)外大多數(shù)關(guān)于運(yùn)動(dòng)功能評(píng)價(jià)的研究都基于數(shù)據(jù)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)方法，可以準(zhǔn)確識(shí)別異常的運(yùn)動(dòng)模式，而且對(duì)于未知的運(yùn)動(dòng)學(xué)數(shù)據(jù)也具有一定的泛化能力，但是這類方法從本質(zhì)上屬于定性的分析方法，無法準(zhǔn)確描述不同運(yùn)動(dòng)模式之間差異性的定量信息。針對(duì)運(yùn)動(dòng)功能定量評(píng)估的問題，一些文獻(xiàn)中利用單一模態(tài)的傳感器數(shù)據(jù)信息從某一特定的方面來反映受試者的上肢運(yùn)動(dòng)模式，得到的量化評(píng)估結(jié)果不夠全面。

本發(fā)明為克服上述存在的問題，將定性分析方法和定量分析方法的優(yōu)勢結(jié)合起來，從運(yùn)動(dòng)層面分析了單關(guān)節(jié)的空間夠取軌跡和多關(guān)節(jié)之間的協(xié)同信息，從肌肉活動(dòng)層面分析了單塊肌肉的收縮模式以及多肌肉之間的協(xié)同信息，最后將不同模態(tài)的數(shù)據(jù)有效地融合在一起，實(shí)現(xiàn)對(duì)腦卒中患者運(yùn)動(dòng)功能的全面分析，同時(shí)生成一種基于概率的自定義得分用于定量評(píng)價(jià)患者的上肢運(yùn)動(dòng)能力。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中的上述問題，即為了解決現(xiàn)有腦卒中患者運(yùn)動(dòng)功能檢測方法無法得到全面的量化結(jié)果的問題，本發(fā)明的第一方面，提出了一種腦卒中患者運(yùn)動(dòng)功能檢測系統(tǒng)，包括第一分類模塊、第二分類模塊、第三分類器；

所述第一分類模塊，配置為基于每個(gè)運(yùn)動(dòng)片段的輸入向量和通過第一分類器分別得到對(duì)應(yīng)每個(gè)運(yùn)動(dòng)片段運(yùn)動(dòng)學(xué)和肌肉活動(dòng)層面的屬于設(shè)定類別的第一預(yù)測概率和其中包含對(duì)應(yīng)運(yùn)動(dòng)片段的腕部軌跡與預(yù)設(shè)的標(biāo)準(zhǔn)最小急動(dòng)度軌跡之間的偏差的均值MV_d和標(biāo)準(zhǔn)差SD_d、肘部、腕部及手部的運(yùn)動(dòng)特征DAMV_e,DAMV_w和DAMV_h，包含每個(gè)運(yùn)動(dòng)片段中對(duì)應(yīng)肌電信號(hào)的信號(hào)幅值的平均絕對(duì)值MAV_m和標(biāo)準(zhǔn)差SD_m；

所述第二分類模塊，配置為基于輸入向量和通過第二分類器分別得到每個(gè)運(yùn)動(dòng)片段運(yùn)動(dòng)學(xué)和肌肉活動(dòng)層面的屬于設(shè)定類別的第二預(yù)測概率和其中包含及ψ_k，包含及ψ_m；ψ_k和ψ_m分別為按照設(shè)定的規(guī)則計(jì)算各運(yùn)動(dòng)片段中運(yùn)動(dòng)協(xié)同異常程度與肌肉協(xié)同的異常程度；

所述第三分類器，配置為利用SVM融合算法來對(duì)第二決策和進(jìn)行融合，得到屬于設(shè)定類別的第三預(yù)測概率，并作為最終的預(yù)測結(jié)果。

在一些優(yōu)選的實(shí)施方式中，該系統(tǒng)還包括數(shù)據(jù)獲取單元；