一种用于手部运动机能分析的检测方法技术

本发明专利技术涉及一种用于手部运动机能分析的检测方法，与现有技术相比解决了无法全面有效反映手部运动机能的缺陷。本发明专利技术包括以下步骤：样本数据的定义和获取，定义样本数据的数据类型并获取用户的样本数据；样本数据的预处理，对采集到的样本数据进行低通滤波和高斯平滑处理；获取手部运动机能检测指标，通过对预处理后的样本数据进行计算，得出手部直线运动机能检测指标和手部曲线运动机能检测指标。本发明专利技术通过记录分析被检测人手部持笔在书写平面上执行绘画检测任务时的运动过程信息，基于客观定量的检测数据结果，展示手部运动机能的一段时期内的发展趋势，实现手部运动机能的动态检测。

【技术实现步骤摘要】
一种用于手部运动机能分析的检测方法
本专利技术涉及数据分析
，具体来说是一种用于手部运动机能分析的检测方法。
技术介绍
人手是人体的重要组成部分，人类通过手部的运动实现自然世界的感知和再创造。手部运动机能涉及人体各机能系统的协调配合，依赖于中枢神经系统、周围神经系统、肌肉骨骼运动系统以及感知觉、注意等心理活动的综合运用，正常的手部运动机能对个体生存具有重要意义。手部运动机能在个体的生命周期中处于动态变化过程，疾病和药物则会对手部运动机能造成影响。随着各项人体机能的发育和日常生活中的运动练习，儿童时期的手部运动机能逐渐发展和成熟，在成年期则相对稳定。有针对性的训练能够进一步提高手部运动表现，实现更加灵活的手部控制。部分疾病则会对手部运动机能造成影响，例如发育性运动协调障碍、自闭症谱系障碍或神经类疾病的儿童，在执行书写和绘画这类技能型动作时常表现出手部精细运动缺陷。老年人容易罹患的帕金森病、阿尔茨海默病、亨廷顿病等脑部疾病，这类神经系统退行性疾病在在临床上表现出渐进性发展的手部运动障碍。手部运动机能的改变能够反映出人体器官的发育和健康状况的变化。现有的手部运动机能评价方法，在检测手段上，以医师通过临床测试观察提供定性检测为主，与医师经验密切相关。在检测项目上集中于握拳、捏取、抓握等手部技能。近年来，一些研究也提出了手部运动机能的检测仪器和方法，如专利技术专利“一种抓握功能评估与训练系统”(专利号CN201410318798)，通过不同握力级任务采集用户的上肢力学信号和肌电信号，评价手部抓握功能；再如专利技术专利“帕金森病患者手部运动功能评级装置”(专利号CN201410417872)专利技术了一种手套用于检测帕金森病患者手部伸展和攥紧运动功能；再如专利技术专利“一种使用红外线照射腕部韧带的手指运动检测装置及方法”(专利号CN201410669749)通过红外线传感器检测手指运动，应用于人机交互。但这些技术都存在一些缺陷和不足之处，归纳如下：1、忽略了书写和绘画这类与人类认知有紧密关系的手部运动。书写和绘画统称为手写，是人类特有的、也是唯一一种需要在学龄期间经过长期学习、训练才能掌握的手部运动技能。手写的实施过程是手部触觉、手指抓握控制、指关节稳定性控制和以及肌肉关节感觉等多种手部器官机能的整体体现，是一种具有代表性的手部运动。2、缺乏对手部运动机能发展趋势的评价手段。手部运动是一种动态变化过程，一些疾病的病程发展或药物的长期服用，会使手部运动机能发生渐变性的改变，单次定性的手部运动检测并不能对检测指标进行有效比对，难以发现手部运动机能的发展趋势。3、缺乏从多个角度对手部运动机能进行全面度量，缺乏正常参考范围的对比。手部运动机能单一指标难以提供全面的评价，正常参考范围的缺失，导致手部运动机能评价难以推广普及，提供正常参考范围能够直观表现出手部运动机能的状态。如何开发出一种能够对手部运动机能进行全面分析的检测方法已经成为急需解决的技术问题。
技术实现思路
本专利技术的目的是为了解决现有技术中无法全面有效反映手部运动机能的缺陷，提供一种用于手部运动机能分析的检测方法来解决上述问题。为了实现上述目的，本专利技术的技术方案如下：一种用于手部运动机能分析的检测方法，包括以下步骤：样本数据的定义和获取，定义样本数据的数据类型并获取用户的样本数据；样本数据的预处理，对采集到的样本数据进行低通滤波和高斯平滑处理；获取手部运动机能检测指标，通过对预处理后的样本数据进行计算，得出手部直线运动机能检测指标和手部曲线运动机能检测指标。所述的样本数据的定义和获取包括以下步骤：用户在手写输入设备上执行检测直线类绘画任务和曲线类绘画任务；使用4*n的矩阵数据结构表示样本数据，其中矩阵维度4表示采样通道个数，分别为X位置通道、Y位置通道、Fx力通道和Fy力通道，n表示采样点个数，形成样本数据矩阵则：其中，k∈[1,m]，m是检测任务执行的次数；j∈[1,2],其中j＝1表示直线类检测任务、j＝2表示曲线类检测任务。所述的获取手部直线运动机能检测指标包括以下步骤：计算直线类绘画任务中若干个样本数据的Fxy极小值个数平均值ExtremNumj＝1；计算直线类绘画任务中若干个样本数据的Fxy极小值位置比率平均值ExtremRatioj＝1；计算直线类绘画任务中若干个样本数据的直线拟合系数平均值R_LinearFitj＝1。所述的获取手部曲线运动机能检测指标包括以下步骤：计算曲线类绘画任务中若干个样本数据的Fxy极小值个数平均值ExtremNumj＝2；计算曲线类绘画任务中若干个样本数据的Fxy极小值位置比率平均值ExtremRatioj＝2；计算曲线类绘画任务中半径标准差平均值STD_radiusj＝2。所述的计算若干个样本数据的Fxy极小值个数平均值包括以下步骤：计算单个样本数据的力值Fxy，其计算公式如下：其中：(Fx)i为第i个采集点x轴力，(Fy)i为第i个采集点y轴力；使用一维矩阵表示样本数据若干个采集点的Fxy时间序列，[(Fxy)1(Fxy)2...(Fxy)i...(Fxy)n]，其中：n为样本的采样点个数；计算单个样本数据的Fxy极小值个数其具体步骤如下：计算Fxy一阶差分Diff(Fxy)，其计算公式如下：Diff(Fxy)＝[(Fxy)2-(Fxy)1(Fxy)3-(Fxy)2...(Fxy)i+1-(Fxy)i...(Fxy)n-(Fxy)n-1]，将一阶差分Diff(Fxy)根据数值正负情况进行标记，形成标记矩阵S(Diff)，其中数值为正标记为+1，数值为负标记为-1，其计算公式如下：S(Diff)＝[Sign((Fxy)2-(Fxy)1)Sign((Fxy)3-(Fxy)2)...Sign((Fxy)i+1-(Fxy)i)...Sign((Fxy)n-(Fxy)n-1)]对标记矩阵S(Diff)进行一阶差分计算，形成一维矩阵Diff(S)；统计一维矩阵Diff(S)中数值为“+2”的个数，作为Fxy的极小值个数对若干个样本数据的Fxy极小值进行平均计算，其计算公式如下：所述的计算若干个样本数据的Fxy极小值位置比率平均值包括以下步骤：计算单个样本数据的Fxy极小值位置比率其计算公式如下：其中：Pi为Diff(S)一维矩阵中数值为“+2”的元素所在的位置序号，i∈[1,q]，q为极小值个数；n为样本采样点个数；对若干个样本数据的Fxy极小值位置比率进行平均计算，其计算公式如下：所述的计算直线类绘画任务中若干个样本数据的直线拟合系数平均值包括以下步骤：计算单个样本数据的直线拟合系数其计算公式如下：其中，和的计算公式如下：其中：xi为第i个采集点的X轴座标值，yi为第i个采集点的Y轴座标值；对若干个样本数据的直线拟合系数进行平均计算，其计算公式如下：所述的计算曲线类绘画任务中半径标准差平均值STD_radiusj＝2包括以下步骤：计算单个样本数据的半径标准差其计算公式如下：对若干个样本数据的半径标准差进行平均计算，其计算公式如下：所述的直线类绘画任务为在规定尺寸的正方形区域中绘制若干个相同直线，绘制直线的数量大于8个；所述的曲线类绘画任务为在规定尺寸的正方形区域中绘制若干个相同圆，绘制圆的数量大于8个。还包括对用户的手部运动机能检测本文档来自技高网...

【技术保护点】
一种用于手部运动机能分析的检测方法，其特征在于，包括以下步骤：11)样本数据的定义和获取，定义样本数据的数据类型并获取用户的样本数据；12)样本数据的预处理，对采集到的样本数据进行低通滤波和高斯平滑处理；13)获取手部运动机能检测指标，通过对预处理后的样本数据进行计算，得出手部直线运动机能检测指标和手部曲线运动机能检测指标。

【技术特征摘要】
1.一种用于手部运动机能分析的检测方法，其特征在于，包括以下步骤：11)样本数据的定义和获取，定义样本数据的数据类型并获取用户的样本数据；所述的样本数据的定义和获取包括以下步骤：111)用户在手写输入设备上执行检测直线类绘画任务和曲线类绘画任务；112)使用4*n的矩阵数据结构表示样本数据，其中矩阵维度4表示采样通道个数，分别为X位置通道、Y位置通道、Fx力通道和Fy力通道，n表示采样点个数，形成样本数据矩阵则：其中，k∈[1,m]，m是检测任务执行的次数；j∈[1,2],其中j＝1表示直线类检测任务、j＝2表示曲线类检测任务；12)样本数据的预处理，对采集到的样本数据进行低通滤波和高斯平滑处理；13)获取手部运动机能检测指标，通过对预处理后的样本数据进行计算，得出手部直线运动机能检测指标和手部曲线运动机能检测指标；所述的获取手部直线运动机能检测指标包括以下步骤：131)计算直线类绘画任务中若干个样本数据的Fxy极小值个数平均值ExtremNumj＝1；132)计算直线类绘画任务中若干个样本数据的Fxy极小值位置比率平均值ExtremRatioj＝1；133)计算直线类绘画任务中若干个样本数据的直线拟合系数平均值R_LinearFitj＝1。2.根据权利要求1所述的一种用于手部运动机能分析的检测方法，其特征在于，所述的获取手部曲线运动机能检测指标包括以下步骤：21)计算曲线类绘画任务中若干个样本数据的Fxy极小值个数平均值ExtremNumj＝2；22)计算曲线类绘画任务中若干个样本数据的Fxy极小值位置比率平均值ExtremRatioj＝2；23)计算曲线类绘画任务中半径标准差平均值STD_radiusj＝2。3.根据权利要求1或2所述的一种用于手部运动机能分析的检测方法，其特征在于，所述的计算若干个样本数据的Fxy极小值个数平均值包括以下步骤：31)计算单个样本数据的力值Fxy，其计算公式如下：其中：(Fx)i为第i个采集点x轴力，(Fy)i为第i个采集点y轴力；32)使用一维矩阵表示样本数据若干个采集点的Fxy时间序列，[(Fxy)1(Fxy)2...(Fxy)i...(Fxy)n]，其中：n为样本的采样点个数；33)计算单个样本数据的Fxy极小值个数其具体步骤如下：331)计算Fxy一阶差分Diff(Fxy)，其计算公式如下：Diff(Fxy)＝[(Fxy)2-(F...

【专利技术属性】
技术研发人员：李芳，任亭亭，罗健飞，吴仲城，申飞，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽;34