[发明专利]基于肌电运动多数据融合的卒中下肢功能评估方法及系统

说明书

本发明涉及运动评估技术领域，特别涉及一种基于肌电运动多数据融合的卒中下肢在线功能评估系统。采集患者运动过程中的肌电信号和惯性信息，得到原始数据集，滤波去除漂移噪声和生理干扰，提取肌电和运动学特征，构建多模态特征集，使用随机森林回归算法选择重要性较高的特征子集。根据所述特征子集，构建基于K‑邻近节点回归(KNNR)算法的脑卒中下肢运动功能评估模型。基于肌电运动多数据融合的卒中下肢在线功能评估系统，具体包括：数据采集子系统、下肢运动功能评估子系统和在线显示子系统。本发明提出的评估系统同样适用于下肢运动能力较弱的患者，还可以用于对患者进行自行车康复训练后给出实时的康复效果。

技术领域

本发明涉及运动评估技术领域，特别涉及一种基于肌电运动多数据融合的卒中下肢功能评估方法及系统。

背景技术

脑卒中(stroke)是最常见的急性脑血管疾病，其特征是突然出现神经系统症状而导致瘫痪或感觉丧失。临床上主要特征为运动障碍，表现出肌无力、姿势不平衡、下肢运动不对称、关节间协调能力丧失等症状，严重影响患者的日常生活质量。对于脑卒中偏瘫患者，一些持续且平稳的往复运动，如行走，是非常困难的。为了恢复行走功能，这些患者需要执行长期、高密度的康复训练。运动功能评估在患者训练过程中具有重要作用。功能评估可以为临床医师制定个性化的康复方案提供基线参考，并跟踪患者康复过程中的功能变化。临床上多以各种量表进行功能评估，然而已公开发表的文献显示量表评估具有主观性和灵敏度低等缺点。目前，除了临床上使用的量表外，一些新的范式，如行走测试、坐-站测试等运动，也被广泛应用于脑卒中功能评估中。但是由于患者损伤程度等原因，这些范式可能不适用于一些患者。而有研究者们发现蹬车运动与行走测试具有类似的运动模式，因为两者都呈现出肌肉交替激活的圆周运动，并需要髋、膝和踝关节相互屈伸运动。但是蹬车运动不需要患者进行额外的姿势平衡控制，适用于不同疾病阶段的脑卒中患者(急性，亚急性或慢性)，尤其是那些因处于早期或功能受损严重而丧失行走能力的患者。

惯性测量单元(IMU)由于体积小、穿戴方便且使用范围广被广泛应用在可穿戴系统中。将一个或多个惯性传感器放置在受试者的不同节段上，通过步态动作或类步态动作，可以从步长、步频和运动平稳性等步态信息、异常关节运动以及上下肢运动模式变化这些特征来评估受试者的功能能力。然而，由于惯性数据忽略肢体运动时的肌肉活动，仅仅使用惯性数据来评价人体的功能水平是不充分的。表面肌电信号可以直接表征反映人体运动的神经肌肉活动的肌肉激活模式，目前已被广泛应用于康复训练、运动模式识别和功能评估中。由于惯性数据和肌电信号在反映人体运动功能状态上提供的信息是互补的，因此实现多模态数据融合及特征选择，并进一步构建基于脑卒中患者的运动功能评估方法至关重要。

发明内容

为了克服现有技术存在的不足和填补空白，本发明提供了一种基于肌电运动多数据融合的卒中下肢在线功能评估系统。该在线评估系统基于蹬车设备，能够融合下肢肌电信号和惯性数据，实现在线反馈下肢运动功能损伤程度的临床分数。

为实现上述发明目的，本发明的技术解决方案如下：基于肌电运动多数据融合的卒中下肢功能评估方法，其中，包括以下步骤：

步骤S101.采集患者运动过程中的肌电信号和惯性信息，得到原始数据集；

步骤S102.对原始数据集进行滤波去除漂移噪声和生理干扰，得到预处理数据集；

步骤S103.对预处理数据集提取肌电和运动学特征，构建多模态特征集，使用随机森林回归算法选择重要性较高的特征子集；

步骤S104.根据所述特征子集，构建基于K-邻近节点回归(KNNR)算法的脑卒中下肢运动功能评估模型。

进一步，所述步骤S101中通过Delsys采集患者运动过程中下肢的肌电信号和惯性信息；所述Delsys设备放置在患者双侧下肢股直肌、股外侧肌、股二头肌、半腱肌、胫骨前肌、腓肠肌内侧和外侧，同步采集指定肌群的肌电信号和肌群对应位置的运动学信息。