[發(fā)明專利]一種肢體功能障礙的多模態(tài)自適應評估系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202211298487.7
• 申請日: 2022-10-24
• 公開（公告）號: CN115376694B
• 公開（公告）日: 2023-02-28
• 發(fā)明（設計）人: 孫金燕;張一正;王丹;楊安平;楊傲然
• 申請（專利權）人: 佛山科學技術學院;首都醫(yī)科大學附屬北京康復醫(yī)院（北京工人療養(yǎng)院）
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/20;A61B5/00;A61B5/103;A61B5/372;A61B5/389;A61B6/03;A61B6/00
• 代理公司: 廣州專理知識產(chǎn)權代理事務所(普通合伙) 44493
• 代理人: 鄧易偲

1.一種肢體功能障礙的多模態(tài)自適應評估系統(tǒng)，其特征在于，所述系統(tǒng)包括：處理器、存儲器及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序運行的單元包括：

腦中線移位偏移計算單元，用于識別腦部CT圖像的腦中線結構，并計算腦中線結構特征矩陣，得到對應的腦中線移位偏移量；

肢體運動功能數(shù)據(jù)庫儲存單元，用于存儲基于運動功能評定量表的不同評定項目時實時獲取的不同肢體功能肌群對應的肌電數(shù)據(jù)和足底反力數(shù)據(jù)，并構建肢體運動功能數(shù)據(jù)庫；

偏置障礙腦電數(shù)據(jù)計算單元，用于對不同評定項目對應的腦電數(shù)據(jù)計算得到腦電通道關聯(lián)矩陣并進行功能性障礙顯著篩選，結合腦中線移位偏移量計算得到偏置障礙腦電數(shù)據(jù)矩陣；

肢體運動障礙自適應評估單元，用于利用偏置障礙腦電數(shù)據(jù)矩陣和肢體運動功能數(shù)據(jù)庫建立肢體運動障礙自適應評估模型，得到不同評定項目對應的運動指標；

其中，在所述腦中線移位偏移計算單元中，用于識別腦部CT圖像的腦中線結構，并計算腦中線結構特征矩陣，得到對應的腦中線移位偏移量方法為：

S201，設腦部CT圖像的各個像素按矩陣M×N大小排列，將腦部CT圖像在像素坐標為(x,y)上的灰度值表示為CT(x,y)，x∈[1,M]，y∈[1,N]；利用邊緣檢測算法檢測所述腦部CT圖像，獲得距離圖像邊界最短且長度大于其它邊緣線的一條邊緣線，或者，獲取各個邊緣線所構成的閉合區(qū)域中面積最大的區(qū)域所對應的邊緣線，記為透明隔間腔邊緣線；

S202，根據(jù)透明隔間腔邊緣線識別提取腦部結構中的額骨中位和頂骨中位對應的像素坐標，將額骨中位和頂骨中位相連接得到的直線記作正中骨嵴線，作為腦中線移位的標準基線；其中，額骨中位和頂骨中位獲取方法為：計算在透明隔間腔邊緣線上所有像素坐標(x,y)對應的x值的平均值記作x_c，以及對應的y值的平均值記作y_c，將腦實質中心坐標記作(x_c,y_c)；遍歷在透明隔間腔邊緣線上的各個像素坐標(x,y)，計算(x,y)與腦實質中心坐標(x_c,y_c)之間的歐式距離記作對應的趨心距離，并提取各個趨心距離大于或等于所有趨心距離的算術平均值對應的(x,y)記作趨心坐標；在所有趨心坐標中識別額骨中位和頂骨中位對應的像素坐標，其中將對應x值與x_c值的差值最小且y值最大的趨心坐標記作額骨中位，將對應x值與x_c值的差值最小且y值最小的像素坐標作為頂骨中位；

S203，根據(jù)腦部CT圖像在透明隔間腔邊緣線所構成的閉合區(qū)域內的所有像素坐標(x,y)計算對應的腦中線結構特征矩陣記作mid(x,y)，其計算公式為：

其中，mid(x,y)表示為在像素坐標(x,y)上的腦中線結構特征值，(x_c,y_c)為腦實質中心坐標；∑_x，y·表示為像素坐標(x,y)在透明隔間腔邊緣線所構成的閉合區(qū)域內的取值范圍內對.內的表達式作累加計算；sum為在透明隔間腔邊緣線所構成的閉合區(qū)域內所有像素點的個數(shù)；

S204，遍歷i值取值范圍，分別計算mid(x,y)中各個像素點到正中骨嵴線的距離記作各個像素點對應的腦中線移位距離，并計算所有腦中線移位距離的算術平均值作為腦中線移位偏移量記作midshift；其中腦電采集設備實時獲取肢體功能障礙患者在各個單極采集通道的腦電數(shù)據(jù)，i值表示為單極采集通道序號，i∈[1,CH1]，CH1為單極采集通道的個數(shù)；

其中，在所述肢體運動功能數(shù)據(jù)庫儲存單元中，根據(jù)運動功能評定量表實時獲取不同評定項目時的腦電數(shù)據(jù)，以及不同肢體功能肌群對應的肌電數(shù)據(jù)和足底反力數(shù)據(jù)，建立肢體運動功能數(shù)據(jù)庫的方法為：

S301，基于運動功能評定量表中的各個評定項目對肢體功能障礙患者評定肢體運動功能損傷；其中所述運動功能評定量表可為Fugl-Meyer量表、Brunnstrom量表、ADL量表中的一種；

S302，利用腦電采集設備實時獲取肢體功能障礙患者在不同評定項目時各個單極采集通道的腦電數(shù)據(jù)，將評定項目編號記為p，p∈[1,Num]，Num為所述運動功能評定量表的評定項目總數(shù)，單極采集通道序號記作i，i∈[1,CH1]，CH1為單極采集通道的個數(shù)，在第p個評定項目時對應第i個單極采集通道獲取的腦電信號記作EEG(p,i)；

S303，利用肌電信號采集儀實時獲取肢體功能障礙患者在不同評定項目時各個肢體功能肌群對應的肌電數(shù)據(jù)，按預設順序對各個肌電頻道進行排序，頻道序號記作j，j∈[1,CH2]，CH2為單極采集通道的個數(shù)，在第p個評定項目時對應第j個肌電頻道獲取的表面肌電信號記作sEMG(p,j)；

S303，利用足部壓力測試系統(tǒng)實時獲取肢體功能障礙患者在不同評定項目時對應的足底反力數(shù)據(jù)，將前腳掌的內側足底區(qū)域標記為fore，足跟的中央足底區(qū)域標記為heel，在第p個評定項目時對應的足底壓力信號分別記作PF(p,fore)和PF(p,heel)；

S304，建立肢體運動功能數(shù)據(jù)庫，將肢體功能障礙患者在各個評定項目時獲取的sEMG(p,j)、PF(p,fore)和PF(p,heel)進行數(shù)據(jù)預處理包括高斯去噪、數(shù)據(jù)格式化、歸一化處理后，按順序構成肢體運動功能數(shù)據(jù)庫記作MFDatabase；

其中，在所述偏置障礙腦電數(shù)據(jù)計算單元中，根據(jù)不同評定項目對應的腦電數(shù)據(jù)結合腦中線移位偏移量，計算得到偏置障礙腦電數(shù)據(jù)矩陣的方法為：

S401，遍歷p值和i值的取值范圍，計算腦電通道關聯(lián)矩陣記作releEEG，其計算公式為：

i1＝i+1；

其中，p為評定項目編號，i為單極采集通道序號，releEEG的矩陣大小為Num×CH1，REG(p,i)為releEEG中對應第p行第i列的元素，REG(p,i)表示為計算第p個評定項目時對應第i個單極采集通道獲取的腦電信號EEG(p,i)與其鄰近的第i1個單極采集通道獲取的腦電信號EEG(p,i1)之間的關聯(lián)指數(shù)，其中i1為單極采集通道序號，取i1＝i+1；meanp(i)和meanp(i1)分別為第i個和第i1個單極采集通道的腦電信號中的各個元素在所有評定項目內的平均值；

S402，遍歷p的取值范圍，利用序列浮動前向選擇算法對releEEG逐行進行功能性障礙顯著篩選，在releEEG矩陣中遍歷各行分別提取各行中各個REG(p,i)的評價函數(shù)大于或等于對應i值的單極采集通道上所有評定項目對應的REG(p,i)的評價函數(shù)的平均值對應的p值，并將對應的p值標記為功能性顯著項目；遍歷releEEG各行獲得對應的所有功能性顯著項目，并利用特征選擇算法篩選出各個REG(p,i)中與運動功能障礙相關性最高的前Q個單極采集通道標記為功能性障礙顯著通道；并構建功能性障礙腦電矩陣，矩陣大小為sum1×sum2；令barEEG(k,m)表示為所述功能性障礙腦電矩陣在第k行第m列對應的元素數(shù)值，將所有功能性障礙顯著通道對應的EEG(p,i)數(shù)值分別按p值從小到大順序和按i值從小到大順序依次存入barEEG(k,m)；其中，Q為功能性障礙顯著通道的個數(shù)，Q∈[1,CH1]；k為功能性顯著項目的序號，k∈[1,sum1]，sum1為功能性顯著項目的個數(shù)；m為功能性障礙顯著通道的序號，m∈[1,sum2]，sum2為功能性障礙顯著通道的個數(shù)；

S403，由功能性障礙腦電矩陣結合腦中線移位偏移量計算得到偏置障礙腦電數(shù)據(jù)矩陣，其計算公式為：

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

其中，offsetEEG(k,m)為偏置障礙腦電數(shù)據(jù)矩陣中第k行第m列對應的元素，表示為第k個功能性顯著項目中第m個功能性障礙顯著通道對應的偏置障礙腦電信號。