【技术实现步骤摘要】
一种感觉运动功能的检测量化方法和系统
[0001]本专利技术涉及感觉运动功能检测领域，特别涉及一种感觉运动功能的检测量化方法和系统。
技术介绍
[0002]脑卒中、脑瘫、脊髓损伤、帕金森、脑血管疾病或其他神经系统疾病、及意外等因素，直接或间接带来感觉和运动功能的不同程度功能损伤或功能障碍，以及外周神经系统
‑
肌肉系统
‑
血液循环系统
‑
中枢系统之间的系统性协同问题。感觉运动功能障碍，如果缺乏全面诊断评估和有效治疗及康复干预，将会带来严重的功能障碍、致残瘫痪和完全行为功能丧失，严重影响患病人群及家人的工作和生活。在我国，患有不同程度感觉运动功能障碍的人群基数庞大；随着社会人口老龄化发展，这个人群数量每年都在急速递增，所带来社会医疗成本和社会家庭压力也急剧增加。
[0003]现有的感觉运动功能障碍的检测量化和临床评估的手段和方法是单一且分散的，缺乏外周神经系统
‑
肌肉系统
‑
血液循环系统
‑
中枢系统之间的系统性观察和分析，尤其是肌肉反馈和运动系统、神经系统和血液循环系统的融合及耦合定量分析，难以准确评估被试或感觉运动功能障碍者感觉运动功能的功能状态水平和疾病障碍进展（障碍部位和严重程度等）。这也导致现有的临床治疗和康复干预过程中，缺乏对感觉运动功能障碍者感觉运动功能的恢复情况的准确评估，无法给出进一步的准确高效的治疗康复方案或建议。
技术实现思路
[0004]本申请提供了一种感觉运动功能的检...
【技术保护点】
【技术特征摘要】
1.一种感觉运动功能的检测量化方法，其特征在于，包括如下步骤：依据刺激方案施加刺激，并启动刺激安全监测；依次获取测试对象感觉上行通路上第一目标肌肉群的第一生理状态信号、大脑皮层目标区域的第二生理状态信号和运动下行通路上第二目标肌肉群的第三生理状态信号；对所述第一生理状态信号、所述第二生理状态信号和所述第三生理状态信号分别进行预处理和分帧处理，获得第一生理信号数据集；筛选所述第一生理信号数据集中的合格试次的数据并对该数据叠加平均处理，获得第二生理信号数据集；对所述第二生理信号数据集进行目标部位多通道数据的区间定义及选择融合，获得第三生理信号数据集；对所述第三生理信号数据集进行时频分析、融合分析和耦合分析，获得第一状态表征曲线集和第一状态特征指数集；将当前测试对象的所述第一状态表征曲线集和所述第一状态特征指数集与对照数据库中的第一状态表征曲线集和第一状态特征指数集进行比对，获得当前测试对象的感觉运动功能状态量化评估结果，其中，所述对照数据库中的第一状态表征曲线集和第一状态特征指数集为与当前测试对象同年龄段、同性别的健康测试对象和感觉运动功能障碍者测试对象的第一状态表征曲线集和第一状态特征指数集。2.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述刺激方案至少包括刺激部位、刺激类型、刺激方式、刺激频率、刺激强度队列、刺激时长、刺激间隔、刺激区域、刺激数量、刺激分组和/或刺激顺序。3.如权利要求2所述的一种感觉运动功能的检测量化方法，其特征在于，所述刺激部位至少包括手指、手心、手背、脚趾、足底和/或足背。4.如权利要求2所述的一种感觉运动功能的检测量化方法，其特征在于，所述刺激类型至少包括温觉、痛觉和/或触觉。5.如权利要求2所述的一种感觉运动功能的检测量化方法，其特征在于，所述刺激方式至少包括冰水刺激、温水刺激、电刺激、针刺刺激、震动刺激和/或毛刷刺激。6.如权利要求2所述的一种感觉运动功能的检测量化方法，其特征在于，所述刺激强度队列由刺激强度生成函数Y(t)生成。7.如权利要求6所述的一种感觉运动功能的检测量化方法，其特征在于，所述刺激强度生成函数Y(t)为由自变量t、修正因子K
B
和截距因子所构造的单调递增函数、单调递减函数或对称U型曲线函数，函数构造形式 ，其中F
B (t)为基函数，t为自然数，K
B
为非0的实数，为实数，其中，当t为0时，Y(0)=；当t为1时，Y(1)≥0。8.如权利要求7所述的一种感觉运动功能的检测量化方法，其特征在于，所述单调递增函数或单调递减函数的函数构造形式为。9.如权利要求7所述的一种感觉运动功能的检测量化方法，其特征在于，所述单调递增函数或单调递减函数的函数构造形式为，（a>0）。10.如权利要求7所述的一种感觉运动功能的检测量化方法，其特征在于，所述对称U型
曲线函数的构造形式为。11.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第一生理状态信号通过肌电图EMG、功能性近红外光谱成像fNIRS、光体积变化描记图法PPG
‑
SPO2、温度和/或运动加速度的数据采集装置对第一目标肌肉群采集获取。12.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第一生理状态信号至少包括EMG肌电信号、fNIRS
‑
BOLD信号、PPG
‑
SPO2信号、温度信号和/或运动加速度信号。13.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第一目标肌肉群根据刺激部位确定。14.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第二生理状态信号通过脑电图EEG、脑磁图MEG、功能性近红外光谱成像fNIRS和/或功能性磁共振成像fMIR的数据采集装置对大脑目标区域皮层采集获取。15.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第二生理状态信号至少包括EEG信号、MEG信号、fNIRS
‑
BOLD信号和/或fMIR
‑
BOLD信号。16.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述大脑目标区域皮层包括前额叶大脑皮层、中央区大脑皮层、顶叶大脑皮层和/或刺激部位对侧的感觉运动区皮层。17.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第三生理状态信号的获取包括如下步骤：测试对象感知到刺激后，预设时间内完成一次刺激部位指定运动，以获取第三生理状态信号。18.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第三生理状态信号通过肌电图EMG、功能性近红外光谱成像fNIRS、光体积变化描记图法PPG
‑
SPO2、温度和/或运动加速度的数据采集装置对第二目标肌肉群采集获取。19.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第二目标肌肉群根据刺激部位确定。20.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第三生理状态信号至少包括EMG肌电信号、fNIRS
‑
BOLD信号、PPG
‑
SPO2信号、温度信号和/或运动加速度信号。21.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述第一目标肌肉群和所述第二目标肌肉群选自刺激部位同一侧不同的肌肉群或是同一个肌肉群的不同通道。22.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述预处理包括：A/D转换、下采样、降噪、去伪迹、陷波和滤波处理。23.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述分帧处理包括：基于刺激方案的每一次试次的刺激开始时间点，对刺激信号分别与第一生理状态信号、第二生理状态信号和第三生理状态信号进行时间对齐及分帧截取。24.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述筛选所述第一生理信号数据集中的合格试次的数据并对该数据叠加平均处理包括如下步骤：从所述第一生理信号数据集中剔除异常的试次数据；
对同一刺激强度、同一模态、同一通道的多试次生理状态信号数据进行叠加平均，得到第二生理信号数据集。25.如权利要求1所述的一种感觉运动功能的检测量化方法，其特征在于，所述区间定义及选择融合包括如下步骤：对所述第二生理信号数据集中的所述第一生理状态信号、所述第二生理状态信号和所述第三生理状态信号进行信号时间区间定义，以刺激开始时间点为基点，选择刺激开始时间点前的第一预设时间作为基线状态期；选择刺激开始时间点后的第二预设时间作为刺激响应观察期，其中，所述区间包含神经电生理的感觉上行、皮层感知和运动下行三个区间以及血液动力学的感觉上行、皮层感知和运动下行三个区间；刺激响应观察期后的第三预设时间，作为刺激间隔期；对所述第二生理信号数据集中同一目标部位、同一刺激强度、同一模态的多通道多频带生理状态信号数据进行选择融合，所述多通道多频带生理状态信号数据包括同一模态下的多通道信号中的一通道信号数据、波动或振幅最大的一通道信号数据或多通道信号数据的叠加平均信号；其中，神经电生理方面，大脑皮层特征分析的特征频带区间为1
‑
150Hz，感觉运动功能相关节律包括θ节律、μ
‑
α节律、β节律和γ节律，肌肉特征分析的特征频带区间为10
‑
500Hz；血液动力学方面，BOLD信号分析的特征频带区间为0.01
‑
0.50Hz；得到第三生理信号数据集。26.如权利要求6所述的一种感觉运动功能的检测量化方法，其特征在于，所述第一状态表征曲线集，包括肌肉感知上行函数曲线、皮层感知响应函数曲线、肌肉运动反馈函数曲线、多层感知运动时延函数曲线、肌肉皮层感知上行耦合函数曲线和皮层肌肉运动反馈耦合函数曲线。27.如权利要求26所述的一种感觉运动功能的检测量化方法，其特征在于，所述第一状态特征指数集，包括肌肉感知上行指数、皮层感知响应指数、肌肉运动反馈指数、多层感知运动时延指数、肌肉皮层感知上行耦合指数和皮层肌肉运动反馈耦合指数。28.如权利要求27所述的一种感觉运动功能的检测量化方法，其特征在于，所述肌肉感知上行函数曲线和肌肉感知上行指数的提取方法包括：从所述第三生理信号数据集中，获得第一目标肌肉群的、不同刺激强度下的、刺激响应观察期内神经电生理和血液动力学的感觉上行区间和基线状态期的生理状态信号作为分析计算生理状态信号数据；基于所述分析计算生理状态信号数据：计算当前刺激强度下的基线状态期的生理状态参数；计算当前刺激强度下的EMG肌电信号的功率谱，获得多个特征频带的功率、相对功率和最大功率处频率，提取多个特征频带的功率、相对功率和最大功率处频率的相对变化量；计算当前刺激强度下的fNIRS
‑
BOLD信号的含氧血红蛋白HbO2、脱氧血红蛋白HbR和总血红蛋白HbT的平均浓度，提取HbO2、HbR和HbT平均浓度的相对变化量，以及整体血氧水平融合变化量；计算当前刺激强度下的PPG血氧信号SPO2的平均值，提取SPO2平均值的相对变化量；计算当前刺激强度下的肌肉温度信号Temp的平均值，提取Temp平均值的相对变化量；计算当前刺激强度下的加速度计信号Acce的平均值，提取Acce平均值的相对变化量；
将所述提取的相对变化量和整体血氧水平融合变化量纳入数组序列，得到第一参数集；对所述第一参数集进行多参数加权计算，得到当前刺激强度下的肌肉感知上行系数；求得全部刺激强度下的所述肌肉感知上行系数，得到第一系数队列；对所述第一系数队列进行函数拟合，得到肌肉感知上行函数曲线；计算肌肉感知上行函数曲线和刺激强度生成函数Y(t)的相近性，得到肌肉感知上行指数。29.如权利要求27所述的一种感觉运动功能的检测量化方法，其特征在于，所述皮层感知响应函数曲线和皮层感知响应指数的提取方法包括：从所述第三生理信号数据集中，获得大脑皮层目标区域的、不同刺激强度下的、刺激响应观察期内神经电生理和血液动力学的皮层感知区间和基线状态期的生理状态信号作为分析计算生理状态信号数据；基于所述分析计算生理状态信号数据：计算当前刺激强度下的基线状态期的生理状态参数；计算当前刺激强度下的EEG脑电和/或MEG脑磁信号的功率谱，获得多个特征频带的功率、相对功率和最大功率处频率，提取多个特征频带的功率、相对功率和最大功率处频率的相对变化量；计算当前刺激强度下的fNIRS
‑
BOLD信号的含氧血红蛋白HbO2、脱氧血红蛋白HbR和总血红蛋白HbT的平均浓度，提取HbO2、HbR和HbT平均浓度的相对变化量，以及整体血氧水平融合变化量；计算当前刺激强度下的fMIR
‑
BOLD信号的BOLD平均值，提取BOLD平均值的相对变化量；将所述提取的相对变化量和整体血氧水平融合变化量纳入数组序列，得到第二参数集；对所述第二参数集进行多参数加权计算，得到当前刺激强度下的皮层感知响应系数；求得全部刺激强度下的所述皮层感知响应系数，得到第二系数队列；对所述第二系数队列进行函数拟合，得到皮层感知响应函数曲线；计算皮层感知响应函数曲线和刺激强度生成函数Y(t)的相近性，得到皮层感知响应指数。30.如权利要求27所述的一种感觉运动功能的检测量化方法，其特征在于，所述肌肉运动反馈函数曲线和肌肉运动反馈指数的提取方法包括：从所述第三生理信号数据集中，获得第二目标肌肉群的、不同刺激强度下的、刺激响应观察期内神经电生理和血液动力学的运动下行区间和基线状态期的生理状态信号作为分析计算生理状态信号数据；基于所述分析计算生理状态信号数据：计算当前刺激强度下的基线状态期的生理状态参数；计算当前刺激强度下的EMG肌电信号的功率谱，获得多个特征频带的功率、相对功率和最大功率处频率，提取多个特征频带的功率、相对功率和最大功率处频率的相对变化量；计算当前刺激强度下的fNIRS
‑
BOLD信号的含氧血红蛋白HbO2、脱氧血红蛋白HbR和总血红蛋白HbT的平均浓度，提取HbO2、HbR和HbT平均浓度的相对变化量，以及整体血氧水平
融合变化量；计算当前刺激强度下的PPG血氧信号SPO2的平均值，提取SPO2平均值的相对变化量；计算当前刺激强度下的肌肉温度信号Temp的平均值，提取Temp平均值的相对变化量；计算当前刺激强度下的加速度计信号Acce的平均值，提取Acce平均值的相对变化量；将所述提取的相对变化量和整体血氧水平融合变化量纳入数组序列，得到第三参数集；对所述第三参数集进行多参数加权计算，得到当前刺激强度下的肌肉运动反馈系数；求得全部刺激强度下的所述肌肉运动反馈系数，得到第三系数队列；对所述第三系数队列进行函数拟合，得到肌肉运动反馈函数曲线；计算肌肉运动反馈函数曲线和刺激强度生成函数Y(t)的相近性，得到肌肉运动反馈指数。31.如权利要求27所述的一种感觉运动功能的检测量化方法，其特征在于，所述多层感知运动时延函数曲线和多层感知运动时延指数的提取方法包括：从所述第三生理信号数据集中，获得第一目标肌肉群的、大脑皮层目标区域的、第二目标肌肉群的、不同刺激强度下的、刺激响应观察期内神经电生理和血液动力学的全部三个区间的生理状态信号作为分析计算生理状态信号数据；对所述分析计算生理状态信号数据中的神经电生理和血液动力学方面的生理状态信号进行去基线振幅均值化处理，得到相应的相对振幅信号集；对所述相对振幅信号集中的信号，通过希尔伯特变换，计算得到相应的振幅包络信号集；以刺激时点为时间参考0点，计算所述振幅包络信号集中第一目标肌肉群感觉上行区间信号的包络信号峰值和峰值处时延时间点、大脑皮层目标区域的皮层感知区间信号的包络信号峰值和峰值处时延时间点、第二目标肌肉群运动下行区间信号的包络信号峰值和峰值处时延时间点，获得包络信号峰值序列和对应的峰值处时延时间点序列；通过对比所述包络信号峰值序列和预设最小信号峰值序列，包络信号峰值小于预设最小信号峰值，则其对应的峰值处时延时间点修正为预设的最大峰值处时延时间点序列中对应的最大峰值处时延时间点，得到峰值处时延时间点修正序列；计算所述峰值处时延时间点修正序列与预设的最大峰值处时延时间点序列之间的差值序列，得到峰值处延时差值序列，即第四参数集；对所述第四参数集进行多参数加权计算，得到当前刺激强度下的多层感知运动时延系数；求得全部刺激强度下的所述多层感知运动时延系数，得到第四系数队列；对所述第四系数队列进行函数拟合，得到多层感知运动时延函数曲线；计算多层感知运动时延函数曲线和刺激强度生成函数Y(t)的相近性，得到多层感知运动时延指数。32.如权利要求31所述的一种感觉运动功能的...
【专利技术属性】
技术研发人员：何将，
申请(专利权)人：安徽星辰智跃科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。