[发明专利]一种上肢康复机器人康复训练运动功能评价方法

摘要

一种上肢康复机器人康复训练运动功能评价方法，其使用自校正AHP‑模糊分析评价法，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准；并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立上肢康复机器人运动功能评价模型；对上肢康复机器人康复训练运动功能进行评价。本发明通过将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，所述自校正AHP‑模糊分析评价法在上肢康复评价中的可行性和有效性，并与临床运动功能的评价结果相吻合。本发明具有可预期的较为巨大的经济和社会价值。

主权项

1.一种上肢康复机器人康复训练运动功能评价方法，其特征在于：其使用自校正AHP‑模糊分析评价法，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准；同时，利用自校正AHP‑模糊分析评价法，并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立上肢康复机器人运动功能评价模型；对上肢康复机器人康复训练运动功能进行评价；其中：(一)所述自校正AHP‑模糊分析评价法的具体步骤和内容依次要求如下：(1)设定评价指标的因素集U：假定某类事物由n个因素决定，选取各因素组成集合，构成该事物的因素集U＝{u₁,u₂,...,u_n}；若将因素u_i,(i＝1,2,...,n)继续划分，则u_i＝{u_i1,u_i2,…,u_ij}(i＝1,2,…,n；j＝1,2,…,m)，以此类推u_ij＝{u_ij1,u_ij2,…,u_ijk}，如此划分下去；(2)建立评价指标的层次结构：依照因素集的分类，将评价指标问题条理化、层次化，构造出一个层次分析的结构模型；在模型中，将复杂问题分解，分解后各组成部分称为元素，这些元素又按属性分成若干组，形成不同层次；(3)确定评语集V：评语集是由对评判对象可能做出的评判结果所组成的集合，V＝{v₁,v₂,...,v_k}，其中v_k,k＝1,2,...,p是V的等级，评语集V是与因素集U相应的评价集合；(4)请专家对各层次元素标度进行评判：为保证评分的客观性及准确性，邀请专业技术人员组成专家组，利用“1‑9”标度法对各层次元素之间标度进行评判，综合各位专家的评分，给出判断矩阵A中元素a_ij的比例标度，并进行如下运算：1)求和法求取层次单排序权重向量：①将判断矩阵A每一列归一化：②将A＝(a_ij)_n×n按行加总，得：③将②中所得的行向量归一化，有：从而得到该层次排序权重向量W＝(W₁,W₂,...,W_n)^T2)判断矩阵一致性：①计算系数λ_max：其中，(AW)_i表示AW的第i个分量，AW为A和W的乘积;②计算一致性指标CI：CI＝(λ_max‑n)/(n‑1)         (5)③查表1得到平均随机一致性指标RI，RI是多次重复进行随机判断矩阵特征值的算术平均值；表1 平均随机一致性指标矩阵阶段 1 2 3 4 5 6 7 8 9 10 R.I. 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 ④计算一致性比例：CR＝CI/RI               (6)当CR<0.1时，一般认为判断矩阵A的一致性是可以接受的；(5)元素标度自校正：针对步骤(4)中专家评判的差异性，为避免极端意见的出现，将判断矩阵中的元素a_ij的比例标度进行自校正分析，设n位专家对评价对象所定标度a_ij的值为r_i(i＝1,…,n)，其分析步骤为：①计算n位专家对各评价对象所定标度的平均值②计算n专家所定的标度的标准差S_i若S_i≤1则认为是合格标度，反之则为不合格标度，由此删除极端意见；(6)构造判断矩阵并进行一致性检验：确定元素比例标度后，根据AHP分析法中构造判断矩阵及层次单排序的方法，建立判断矩阵，得出各层次的排序权重向量W，并利用权重向量W对判断矩阵的一致性进行检验；若一致性比例CR>0.1，认为判断矩阵一致性不可接受，则返回到步骤(4)请专家重新对元素标度进行评判并构造判断矩阵；若CR≤0.1时，则满足一致性检验，进行下一个步骤；(7)建立隶属度函数：隶属函数的构造采用梯型分布函数和线性函数相结合的方法，设a,b,c,d为相邻的分级标准且a＜b＜c＜d，则隶属度函数可表示为：(8)模糊综合评价：多因素多层次系统的多级模糊综合评价的方法为：先按最低层次的各因素进行综合评价，然后再按上一层次的各因素进行综合评价，以此类推向更上一层评价，直到最高层次得出总的综合评价结果；具体计算过程如下：①一级模糊综合评价：如步骤(1)所示，设U＝{u₁,u₂,...,u_n}，其中u_i,(i＝1,2,...,n)为U的因素，u_i＝{u_i1,u_i2,…,u_ij}(i＝1,2,…,n；j＝1,2,…,m)，以此类推u_ij＝{u_ij1,u_ij2,…,u_ijk}，设第i类中第j个因素u_ij隶属于评价集合中第k个元素的隶属度为r_ijk(i＝1,2,…,n；j＝1,2,…,m；k＝1,2,…,p)，则因素u_ij的模糊评价矩阵为：其中，R_i矩阵的行数为第i类中因数的个数，R_i矩阵的列数为评价集内的元素个数；因此，第i类因素的模糊综合评价结果为：其中，W_i为第i类因素的权重集；②二级模糊综合评价：二级模糊综合评价的单因素评价矩阵是一级模糊综合评价矩阵，按照一级模糊综合评价所假设内容，因素U的模糊评价矩阵为其中r_ik＝b_ik(i＝1,2,…,n；k＝1,2,…,p)；二级模糊综合评价结果为：其中，W为因素U的权重集；③多级模糊综合评价：按照一、二级模糊综合评价的方法以此类推，多级模糊综合评判就是从最底层开始，向上逐层运算，最后利用合成算子将权重集W与各被评事物的模糊评价矩阵R进行合成，得到各被评事物的模糊综合评价结果向量B，多级模糊综合评价的一般形式为：其中j为评价集内的元素个数；(9)归一化处理：得出具有可比性的综合评价结果；(二)确立隶属度函数的内容要求依次如下：在上肢康复机器人运动功能评价中，上肢康复机器人运动功能评价的评语集V＝{v₁,v₂,v₃,v₄,v₅}设定五个评语等级，分别为：优秀、良好、中等、及格和较差；以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果；其中：v₁＝优秀，分数在[90,100]之间；v₂＝良好，分数在[80,89]之间；v₃＝中等，分数在[70,79]之间；v₄＝及格，分数在[60,69]之间；v₅＝较差，分数在[50,59]之间；以此为基础确定上肢康复机器人运动功能评价隶属度函数，式中i＝1,2,3，j＝1,2；(三)所述上肢康复机器人康复训练运动功能评价方法中，建立综合评价模型的内容要求依次如下：根据隶属度函数，对被评价数据的各因素进行量化处理，通过对单因素进行评价，建立单因素评价向量，最终构建模糊评价矩阵；由上肢康复机器人评价隶属度函数可得：肌力水平u₁₁的隶属度为：[μ_v1(u₁₁),μ_v2(u₁₁),μ_v3(u₁₁),μ_v4(u₁₁),μ_v5(u₁₁)]     (19)关节活动度u₁₂的隶属度为：[μ_v1(u₁₂),μ_v2(u₁₂),μ_v3(u₁₂),μ_v4(u₁₂),μ_v5(u₁₂)]     (20)沿正确方向运动程度u₂₁的隶属度为[μ_v1(u₂₁),μ_v2(u₂₁),μ_v3(u₂₁),μ_v4(u₂₁),μ_v5(u₂₁)]       (21)规定动作运动时间u₂₂的隶属度为[μ_v1(u₂₂),μ_v2(u₂₂),μ_v3(u₂₂),μ_v4(u₂₂),μ_v5(u₂₂)]         (22)运动轨迹平滑度u₃₁的隶属度为：[μ_v1(u₃₁),μ_v2(u₃₁),μ_v3(u₃₁),μ_v4(u₃₁),μ_v5(u₃₁)]    (23)运动轨迹一致性u₃₂的隶属度为：[μ_v1(u₃₂),μ_v2(u₃₂),μ_v3(u₃₂),μ_v4(u₃₂),μ_v5(u₃₂)]     (24)则各模糊评价矩阵为：肌力与关节活动度模糊评价矩阵平衡功能模糊评价矩阵协调功能模糊评价矩阵依据自校正AHP模糊分析评价法步骤(8)，上肢康复机器人运动功能模糊综合评价矩阵为其中，