一种基于表面肌电信号的上肢痉挛量化评估方法及系统技术方案

本发明专利技术公开了一种基于表面肌电信号的上肢痉挛量化评估方法，包括：采集受试者的上肢痉挛相关肌肉的表面肌电信号；对表面肌电信号进行预处理，并进行活动段划分；对处于活动段的肌电信号进行特征提取，提取到的特征包括多个频域特征和多个时域特征；在所提取到的频域特征和时域特征中进行特征选择，将所选择的特征重组得到新的特征集；在新的特征集上训练自适应神经网络模糊推理系统ANFIS模型；将待测的表面肌电信号输入训练得到的自适应神经网络模糊推理系统ANFIS模型，得到评估结果。还提供了相应的系统。本发明专利技术基于表面肌电信号进行上肢痉挛量化评估，该方法简单有效，准确率高，可为痉挛患者提供客观、定量的痉挛等级。

【技术实现步骤摘要】
一种基于表面肌电信号的上肢痉挛量化评估方法及系统
本专利技术涉及康复医学与模式识别领域，具体涉及一种基于表面肌电信号的上肢痉挛量化评估方法及系统。
技术介绍
在脑卒中患者康复训练过程中，往往会伴随着痉挛现象的出现。痉挛是导致脑卒中患者上肢运动功能障碍的一个重要因素，以屈肌痉挛为主，严重影响患者的日常生活质量，对脑卒中患者具有非常高的致残率。在进行痉挛治疗之前，需要先进行痉挛评估以制定最佳的康复治疗方案。当前临床中应用的量表评估方式为改良Ashworth量表(MAS)，将痉挛分为0,1,1+,2,3,4六个等级。量表评估方式由于操作简便而应用广泛，然而存在着主观性强、量化精度低的缺点。表面肌电信号为一种微弱的生物电信号，具有无创性、易获取性等优点，被广泛应用于康复领域和模式识别领域中。前人工作表明表面肌电信号的时域特征和频域特征与痉挛等级存在相关性。尽管已有研究利用表面肌电信号的时频域特征进行痉挛量化评估，然而尚未对表面肌电信号的时频域特征进行合理筛选，也导致了痉挛量化评估准确率还有待进一步提高。
技术实现思路
本专利技术的目的是针对现有技术中存在的缺陷，为了克服上肢痉挛评估的主观性缺陷和量化精度低的缺陷，实现简便、客观、定量的痉挛评估，提出了一种基于表面肌电信号的上肢痉挛量化评估方法及系统。本专利技术的目的至少通过如下技术方案之一实现。一种基于表面肌电信号的上肢痉挛量化评估方法，包括以下步骤：采用肌电传感器采集受试者的上肢痉挛相关肌肉的表面肌电信号；对采集到的表面肌电信号进行预处理，并基于预处理后的表面肌电信号进行活动段划分；对处于活动段的肌电信号进行特征提取，提取到的特征包括多个频域特征和多个时域特征；在所提取到的频域特征和时域特征中进行特征选择，选择预设数量的特征，将所选择的特征重组得到新的特征集；在新的特征集上训练自适应神经网络模糊推理系统ANFIS模型；将待测的表面肌电信号输入训练得到的自适应神经网络模糊推理系统ANFIS模型，得到评估结果。对本专利技术方案的进一步改进，所述上肢痉挛相关肌肉包括肱桡肌、肱二头肌、肱三头肌3块肌肉。对本专利技术方案的进一步改进，所述预处理包括基线校正和滤波操作。对本专利技术方案的进一步改进，所述进行活动段划分，包括：对于痉挛患者，对肱二头肌表面肌电信号进行经验模态分解、希尔伯特变换后使用基线的平均值加上两倍标准差作为活动段起点及终点阈值判定；对于健康受试者，则无需进行活动段划分，使用整段信号作为活动段。对本专利技术方案的进一步改进，所述提取到的特征包括多个频域特征和多个时域特征中，提取到10个时域特征，包括均方根值RMS、积分肌电值iEMG、过零率ZCR、波长WL、平均绝对值MAV、简单平方积分SSI、方差VAR、平均幅度变化AAC、绝对标准差差值DASDV以及4阶AR系数；2个频域特征，包括平均功率频率MPF、中位频率MDF，获取公式分别为：xi为单个分析窗内表面肌电信号，N为单个分析窗内表面肌电信号长度，az为第z阶的AR系数，q为AR阶数，wi为白噪声残差，M指的是频域长度，fj为频域j处频谱的频率，Pj为sEMG信号在频域j处的功率谱。对本专利技术方案的进一步改进，所述在所提取到的频域特征和时域特征中进行特征选择，选择预设数量的特征中，采用CART决策树算法进行特征选择，选出最优的特征。对本专利技术方案的进一步改进，CART决策树算法使用基尼指数进行划分，基尼指数的计算方式如下：首先用基尼值度量数据集的纯度：p(yi)为标签yi出现的概率，n为标签的数目；某个特征的基尼指数定义为：V为特征A可能的V个取值,|D|为数据集D的样本总数，|Dv|为数据集D中特征A取值为v的样本总数；每次选择划分后使得基尼指数最小的特征作为最优划分特征，依次得到各个特征的重要性排序。对本专利技术方案的进一步改进，所述在新的特征集上训练自适应神经网络模糊推理系统网络中，将受试者的特征集按照留一法进行划分成训练集和测试集，取k-1人的特征集作为训练集，k为受试者总人数，余下1个人的特征集作为测试集。本专利技术还提供用于实现前述方法的系统。一种基于表面肌电信号的上肢痉挛量化评估系统，包括：表面肌电信号采集模块，用于采集受试者实验过程中上肢痉挛相关肌肉的表面肌电信号；信号处理模块，用于处理原始表面肌电信号并用于训练自适应神经网络模糊推理系统ANFIS模型；上位机系统模块，用于对信号处理模块及训练好的ANFIS模型进行了封装和编译。对系统的进一步改进，信号处理模块包括：预处理及划分子模块，用于对采集到的表面肌电信号进行预处理，并基于预处理后的表面肌电信号进行活动段划分；特征提取子模块，用于对处于活动段的肌电信号进行特征提取，提取到的特征包括多个频域特征和多个时域特征；特征选择子模块，用于在所提取到的频域特征和时域特征中进行特征选择，将所选择的特征重组得到新的特征集；模型生成子模块，用于在新的特征集训练得到自适应神经网络模糊推理系统ANFIS模型。与现有技术相比，本专利技术能够实现的有益效果至少如下：通过本专利技术提供的方法和系统可以实现基于表面肌电信号进行上肢痉挛量化评估，该方法简单有效，准确率高，可为痉挛患者提供客观、定量的痉挛等级。附图说明图1为本专利技术实施例所述方法流程图。图2a、图2b为本专利技术实施例中表面电极位置分布示意图。图3a、图3b为本专利技术实施例中受试者实验动作示意图。图4为本专利技术实施例中活动段划分效果图，图中表面肌电信号为经过基线校正、滤波后的表面肌电信号。图5为本专利技术实施例中痉挛量化评估结果示意图。图6为本专利技术实施例中上位机系统界面示意图。附图中的标号说明：肱二头肌1；肱桡肌2；肱三头肌3。具体实施方式使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供的一种基于表面肌电信号的上肢痉挛量化评估方法，包括以下步骤：步骤1：采用肌电传感器采集受试者在受试动作下的上肢痉挛相关肌肉的表面肌电信号。在本专利技术其中一个实施例中，受试动作是对受试者上肢以较快速度下进行被动拉伸，拉伸速度由实验者主观控制。在本专利技术其中一个实施例中，所述上肢痉挛相关肌肉包括肱桡肌、肱二头肌、肱三头肌3块肌肉。本步骤具体包括以下子步骤：步骤1.1：皮肤预处理，实验前用本文档来自技高网...

【技术保护点】
1.一种基于表面肌电信号的上肢痉挛量化评估方法，其特征在于，包括以下步骤：/n采用肌电传感器采集受试者的上肢痉挛相关肌肉的表面肌电信号；/n对采集到的表面肌电信号进行预处理，并基于预处理后的表面肌电信号进行活动段划分；/n对处于活动段的肌电信号进行特征提取，提取到的特征包括多个频域特征和多个时域特征；/n在所提取到的频域特征和时域特征中进行特征选择，将所选择的特征重组得到新的特征集；/n在新的特征集上训练自适应神经网络模糊推理系统ANFIS模型；/n将待测的表面肌电信号输入训练得到的自适应神经网络模糊推理系统ANFIS模型，得到评估结果。/n

【技术特征摘要】
1.一种基于表面肌电信号的上肢痉挛量化评估方法，其特征在于，包括以下步骤：
采用肌电传感器采集受试者的上肢痉挛相关肌肉的表面肌电信号；
对采集到的表面肌电信号进行预处理，并基于预处理后的表面肌电信号进行活动段划分；
对处于活动段的肌电信号进行特征提取，提取到的特征包括多个频域特征和多个时域特征；
在所提取到的频域特征和时域特征中进行特征选择，将所选择的特征重组得到新的特征集；
在新的特征集上训练自适应神经网络模糊推理系统ANFIS模型；
将待测的表面肌电信号输入训练得到的自适应神经网络模糊推理系统ANFIS模型，得到评估结果。


2.根据权利要求1所述一种基于表面肌电信号的上肢痉挛量化评估方法，其特征在于，所述上肢痉挛相关肌肉包括肱桡肌、肱二头肌、肱三头肌3块肌肉。


3.根据权利要求1所述一种基于表面肌电信号的上肢痉挛量化评估方法，其特征在于，所述预处理包括基线校正和滤波操作。


4.根据权利要求1所述一种基于表面肌电信号的上肢痉挛量化评估方法，其特征在于，所述进行活动段划分，包括：
对于痉挛患者，对肱二头肌表面肌电信号进行经验模态分解、希尔伯特变换后使用基线的平均值加上两倍标准差作为活动段起点及终点阈值判定；
对于健康受试者，则无需进行活动段划分，使用整段信号作为活动段。


5.根据权利要求1所述一种基于表面肌电信号的上肢痉挛量化评估方法，其特征在于，所述提取到的特征包括多个频域特征和多个时域特征中，提取到10个时域特征，包括均方根值RMS、积分肌电值iEMG、过零率ZCR、波长WL、平均绝对值MAV、简单平方积分SSI、方差VAR、平均幅度变化AAC、绝对标准差差值DASDV以及4阶AR系数；2个频域特征，包括平均功率频率MPF、中位频率MDF，获取公式分别为：




































xi为单个分析窗内表面肌电信号，，N为单个分析窗内表面肌电信号长度，az为第z阶的AR系数，q为AR阶数，wi为白噪声残差，M指的是频域长度...

【专利技术属性】
技术研发人员：谢龙汉，于松，陈彦，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44