[发明专利]痉挛程度计算的方法、装置、电子设备及存储介质

权利要求书

1.一种痉挛程度计算的方法，其特征在于，包括：

获取患者的动力学特征，所述动力学特征包含关节的机械阻抗参数，所述获取患者的动力学特征，包括：

获取患者的运动学数据以及生物力学数据；

采用卡尔曼滤波根据所述运动学数据确定关节角度、关节角速度以及关节角加速度；

对所述生物力学数据进行低通滤波，得到力矩数据；

采用惯量-阻尼-弹簧模型根据所述关节角度、所述关节角速度、所述关节角加速度以及所述力矩数据对所述患者的动力学特性进行建模；

基于遗传算法对所述关节的机械阻抗参数进行辨识，得到动力学特征；

获取电生理学数据；所述电生理学数据包含多个通道的肌电信号；

对所述多个通道的肌电信号进行预处理；

分别提取各通道的肌电信号的平均绝对偏差特征和均方根特征；

根据所述多个通道的肌电信号确定协同收缩率；

根据所述平均绝对偏差特征、所述均方根特征、所述协同收缩率确定电生理学特征；

将所述动力学特征以及所述电生理学特征输入至训练好的痉挛程度计算模型，得到痉挛程度计算结果；

其中，所述训练好的痉挛程度计算模型为利用不同患者的动力学特征、电生理学特征以及对应的痉挛程度标签进行训练后得到。

2.根据权利要求1所述的痉挛程度计算的方法，其特征在于，所述机械阻抗参数包含患者患肢的惯量、阻尼以及刚度，所述基于遗传算法对所述关节的机械阻抗参数进行辨识，包括：

根据预设的评价函数确定种群中每个个体的适应度函数值；其中，每个个体由所述惯量、所述阻尼以及所述刚度构成；

根据所述每个个体的适应度函数值对种群中所有个体排序并筛选，得到第一个体集合；

根据所述第一个体集合中每个个体的适应度函数值确定对应的交叉概率；

根据所述交叉概率对所述第一个体集合进行交叉操作，得到第二个体集合；

根据所述第二个体集合中每个个体的适应度函数值确定对应的变异概率；

根据所述变异概率对所述第二个体集合进行变异操作，得到第三个体集合；

重复上述步骤直到迭代次数达到预设阈值，得到对所述关节的机械阻抗参数的辨识结果。

3.根据权利要求1所述的痉挛程度计算的方法，其特征在于，所述多个通道的肌电信号为来自旋前圆肌、肱二头肌及肱三头肌三个通道的肌电信号，所述协同收缩率包含第一协同收缩率以及第二协同收缩率，所述根据所述多个通道的肌电信号确定协同收缩率，包括：

根据来自旋前圆肌的肌电信号以及来自肱二头肌的肌电信号确定所述第一协同收缩率；

根据来自肱二头肌的肌电信号以及来自肱三头肌的肌电信号确定所述第二协同收缩率。

4.根据权利要求1所述的痉挛程度计算的方法，其特征在于，在所述将所述动力学特征以及所述电生理学特征输入至训练好的痉挛程度计算模型，得到痉挛程度计算结果之前，还包括：

获取训练样本集；其中，每组训练样本包含动力学特征、电生理学特征以及痉挛程度标签；

将所述训练样本集中每组训练样本分别输入至所述痉挛程度计算模型，得到对应的痉挛程度预测值；

根据所述痉挛程度标签以及对应的痉挛程度预测值确定损失值；

根据所述损失值更新所述痉挛程度计算模型的参数，得到训练好的痉挛程度计算模型。

5.一种痉挛程度计算的系统，其特征在于，所述痉挛程度计算的系统为应用权利要求1至4任一项所述方法的系统，包括：牵拉手柄、角度传感器、力矩传感器、肌电传感器、支撑架、带通滤波器以及痉挛程度计算模型；

所述牵拉手柄与所述支撑架固定连接，用于在外力作用下对患者的患肢进行牵拉；

所述角度传感器、所述力矩传感器与患者的关节同轴；

所述角度传感器用于获取患者的运动学数据；

所述力矩传感器用于获取患者的生物力学数据；

所述肌电传感器用于获取患者的电生理学数据，所述电生理学数据包含多个通道的肌电信号；

所述带通滤波器用于对所述多个通道的肌电信号进行预处理；

所述支撑架用于固定患者的患肢；

所述痉挛程度计算模型用于在所述运动学数据、所述生物力学数据以及所述电生理学数据输入后，得到痉挛程度计算结果。