一种基于微观神经驱动信息进行肌力估计的方法及装置制造方法及图纸

本发明专利技术公开了一种基于微观神经驱动信息进行肌力估计的方法及装置，该方法包括：获取待测试位置在预设定动作下的表面肌电信号；确定所述表面肌电信号中各个运动单位的发放序列；依据所述发放序列，确定动作电位波形；依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计。上述的方法在肌力估计过程中，不仅考虑了所述表面肌电信号中各个运动单位的发放序列对肌力估计的影响，而且还将与每一个发放序列对应的动作电位波形也作为肌力估计的影响因素考虑在内，区分了不同运动单位对肌力形成的贡献程度，提高了肌力估计的准确性。

A method and device of muscle force estimation based on micro neural driving information

【技术实现步骤摘要】
一种基于微观神经驱动信息进行肌力估计的方法及装置
本专利技术涉及数据处理
，尤其涉及一种基于微观神经驱动信息进行肌力估计的方法及装置。
技术介绍
人体的骨骼肌收缩是在中枢神经系统的支配和调控下产生运动行为的原动力。肌肉收缩力的产生是由肌肉中运动单位的募集和按照一定频率发放两种策略分别调控的。一般来讲，运动单位按照从小到大的顺序逐渐被募集。随着来自中枢的刺激增加，更多的运动单位被募集，同时被激活的运动单位的发放率也会提高。在这个过程中，肌肉产生了相应的肌力和表面肌电。因此，肌力的大小可以通过表面肌电的强度和复杂性反映。研究表明，当肌肉进行等长收缩时，表面肌电(surfaceelectromyography，SEMG)的幅值与肌肉力量之间有稳定的、重复性较高的线性关系、二次函数关系或指数关系等。目前，国内外对表面肌电分解技术的研究较多，并取得了较大进展。例如，使用快速盲源分离法对表面肌电进行分解得到单个运动单位的发放序列，然后通过计算运动单位的发放率进行肌力估计。虽然运动单位的发放序列是一种较好的神经接口，但肌力的产生是多个运动单位活动的综合结果，该方法未考虑不同运动单位的动作电位波形对肌力贡献的差异，影响了肌力估计的准确性。
技术实现思路
有鉴于此，本专利技术提供了一种基于微观神经驱动信息进行肌力估计的方法及装置用以解决现有的采用发放序列进行肌力估计的过程中，未考虑不同运动单位的动作电位波形对肌力贡献的差异，影响了肌力估计的准确性的问题，具体方案如下：一种基于微观神经驱动信息进行肌力估计的方法，包括：获取待测试位置在预设定动作下的表面肌电信号；确定所述表面肌电信号中各个运动单位的发放序列；依据所述发放序列，确定动作电位波形；依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计。上述的方法，可选的，确定所述表面肌电信号中各个运动单位的发放序列，包括：采集多通道表面肌电信号；对所述表面肌电信号进行扩展，得到表面肌电信号的卷积混合模型；依据所述表面肌电信号的卷积混合模型，确定各个运动单位的发放序列。上述的方法，可选的，还包括：对所述发放序列进行修正，得到目标发放序列。上述的方法，可选的，依据所述发放序列，确定动作电位波形，还包括：依据所述电位波形和发放序列计算重构表面肌电信号；依据所述重构表面肌电信号和所述表面肌电信号计算残差信号；依据所述残差信号确定是否存在新增运动单位的发放序列。上述的方法，可选的，依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计，包括：获取所述待测试位置的实际肌力信号；针对各个运动单位，依据其对应的动作电位波形和发放序列确定肌力估计模型，其中，所述肌力估计模型中包含未知参数；依据所述肌力估计模型，确定估计肌力信号，其中，所述估计肌力信号中包含未知参数；依据所述实际肌力信号和所述估计肌力信号采用机器学习法确定目标肌力估计模型，其中，所述目标肌力估计模型各个参数均已知；依据所述目标肌力估计模型对所述待测试位置进行肌力估计。上述的方法，可选的，针对各个运动单位，依据其对应的动作电位波形和发放序列确定肌力估计模型包括：针对所述各个运动单位，获取每个运动单位的动作电位波形的最大幅度与颤搐力幅度，其中，依据所述颤搐力幅度可获得颤搐力波形，各个运动单位的颤搐力序列由颤搐力波形与发放序列卷积形成，并与发放序列的间隔存在关联，所有运动单位的颤搐力序列叠加获得肌力；构建所述动作电位波的最大幅度与所述颤搐力幅度的二次函数关系，其中，所述二次函数关系包括三个未知参数；依据所述二次函数关系构建肌力估计模型。一种基于微观神经驱动信息进行肌力估计的装置，包括：获取模块，用于获取待测试位置在预设定动作下的表面肌电信号；发放序列确定模块，用于确定所述表面肌电信号中各个运动单位的发放序列；动作电位波形确定模块，用于依据所述发放序列，确定动作电位波形；估计模块，用于依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计。上述的装置，可选的，所述发放序列确定模块包括：采集单元，用于采集多通道表面肌电信号；扩展单元，用于对所述表面肌电信号进行扩展，得到表面肌电信号的卷积混合模型；发放序列确定单元，用于依据所述表面肌电信号的卷积混合模型，确定各个运动单位的发放序列。上述的装置，可选的，所述动作电位波形确定模块还包括：重构单元，用于依据所述电位波形和发放序列计算重构表面肌电信号；计算单元，用于依据所述重构表面肌电信号和所述表面肌电信号计算残差信号；新增发放序列确定单元，用于依据所述残差信号确定是否存在新增运动单位的发放序列。上述的装置，可选的，所述估计模块包括：肌力信号获取单元，用于获取所述待测试位置的实际肌力信号；模型确定单元，用于针对各个运动单位，依据其对应的动作电位波形和发放序列确定肌力估计模型，其中，所述肌力估计模型中包含未知参数；肌力信号确定单元，用于依据所述肌力估计模型，确定估计肌力信号，其中，所述估计肌力信号中包含未知参数；目标模型确定单元，用于依据所述实际肌力信号和所述估计肌力信号采用机器学习法确定目标肌力估计模型，其中，所述目标肌力估计模型各个参数均已知；估计单元，用于依据所述目标肌力估计模型对所述待测试位置进行肌力估计。与现有技术相比，本专利技术包括以下优点：本专利技术公开了一种基于微观神经驱动信息进行肌力估计的方法及装置，该方法包括：获取待测试位置在预设定动作下的表面肌电信号；确定所述表面肌电信号中各个运动单位的发放序列；依据所述发放序列，确定动作电位波形；依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计。上述的方法在肌力估计过程中，不仅考虑了所述表面肌电信号中各个运动单位的发放序列对肌力估计的影响，而且还将与每一个发放序列对应的动作电位波形也作为肌力估计的影响因素考虑在内，区分了不同运动单位对肌力形成的贡献程度，提高了肌力估计的准确性。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例公开的一种基于微观神经驱动信息进行肌力估计的方法流程图；图2为本申请实施例公开的使用逐步独立向量剥离法分解高密度表面肌电后得到的运动单位发放序列和运动单位动作电位波形示意图；图3为本申请实施例公开的基于不同信息进行肌力估计的误差值均方根差在不同力度下的箱线图；图4为本申请实施例公开的基于不同信息进行肌力估本文档来自技高网...

【技术保护点】
1.一种基于微观神经驱动信息进行肌力估计的方法，其特征在于，包括：/n获取待测试位置在预设定动作下的表面肌电信号；/n确定所述表面肌电信号中各个运动单位的发放序列；/n依据所述发放序列，确定动作电位波形；/n依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计。/n

【技术特征摘要】
1.一种基于微观神经驱动信息进行肌力估计的方法，其特征在于，包括：
获取待测试位置在预设定动作下的表面肌电信号；
确定所述表面肌电信号中各个运动单位的发放序列；
依据所述发放序列，确定动作电位波形；
依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计。


2.根据权利要求1所述的方法，其特征在于，确定所述表面肌电信号中各个运动单位的发放序列，包括：
采集多通道表面肌电信号；
对所述表面肌电信号进行扩展，得到表面肌电信号的卷积混合模型；
依据所述表面肌电信号的卷积混合模型，确定各个运动单位的发放序列。


3.根据权利要求2所述的方法，其特征在于，还包括：
对所述发放序列进行修正，得到目标发放序列。


4.根据权利要求1所述的方法，其特征在于，依据所述发放序列，确定动作电位波形，还包括：
依据所述电位波形和发放序列计算重构表面肌电信号；
依据所述重构表面肌电信号和所述表面肌电信号计算残差信号；
依据所述残差信号确定是否存在新增运动单位的发放序列。


5.根据权利要求1所述的方法，其特征在于，依据所述动作电位波形和所述发放序列对所述待测试位置进行肌力估计，包括：
获取所述待测试位置的实际肌力信号；
针对各个运动单位，依据其对应的动作电位波形和发放序列确定肌力估计模型，其中，所述肌力估计模型中包含未知参数；
依据所述肌力估计模型，确定估计肌力信号，其中，所述估计肌力信号中包含未知参数；
依据所述实际肌力信号和所述估计肌力信号采用机器学习法确定目标肌力估计模型，其中，所述目标肌力估计模型各个参数均已知；
依据所述目标肌力估计模型对所述待测试位置进行肌力估计。


6.根据权利要求5所述的方法，其特征在于，针对各个运动单位，依据其对应的动作电位波形和发放序列确定肌力估计模型包括：
针对所述各个运动单位，获取每个运动单位的动作电位波形的最大幅度与颤搐力幅度，其中，依据所述颤搐力幅度可获得颤搐力波形，各个运动单位的颤搐力序列由颤搐力波形与发放序列卷积...

【专利技术属性】
技术研发人员：张旭，朱葛，唐晓，李心慧，陈勋，陈香，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34