The present invention provides for hand movement of patients with Parkinson's ability to quantify the evaluation method and system of hand surface EMG signals in the specified action capture was detected by electromyography of wearable sensors, trained with the specified action corresponding to the movement ability of the classifier to complete the related feature extraction in time domain features and frequency features from sEMG signal and to be detected on the specified action hand movements are based on quantitative evaluation. The method and the system can objectively evaluate the hand movement ability of Parkinson patients more objectively and accurately.
【技术实现步骤摘要】
用于对帕金森病人的手部运动能力进行量化评估方法和系统
本专利技术涉及运动能力的定量评估,尤其涉及帕金森病人的手部运动能力的量化评估方法和系统。
技术介绍
帕金森病(Parkinson’sDisease,PD)患者的运动症状主要表现为运动迟缓、静止性震颤和肌肉僵直等。目前对于PD患者的运动能力的检测和评估主要是依赖于国际运动协会提供的PD评定量表(UnifiedParkinson'sDiseaseRatingScale,UPDRS)来进行等级评定,例如,通常帕金森病人的手部运动能力被分为0-4级,0级相当于正常人的手部运动能力,级数越高,手部运动能力越差。然而,这种评定方式通常受到评分医师操作经验和评估时被检测者的状态和情绪的影响,因此其评估的结果还是不够客观准确。
技术实现思路
因此,本专利技术的目的在于克服上述现有技术的缺陷,提供一种利用手部的表面肌电信号对帕金森病人的手部运动能力的量化评估方法和系统。本专利技术的目的是通过以下技术方案实现的:一方面,本专利技术提供了一种用于对帕金森病人的手部运动能力进行量化评估方法,包括:步骤1,经由放置在被检测者手部的肌电传感器采集被检测者执行指定动作时的表面肌电信号;步骤2,利用预先训练好的与所述指定动作对应的帕金森病人运动能力分类器来根据所采集的表面肌电信号判断被检测者的手部运动能力所属的等级;其中用于训练与指定动作对应的帕金森病人运动能力分类器的特征包括从表面肌电信号中提取时域特征和频域特征以及基于表面肌电信号获取的与所述指定动作的完成情况相关的特征。上述方法中,与所述指定动作的完成情况相关的特征可包括下列中的至少 ...
【技术保护点】
一种用于对帕金森病人的手部运动能力进行量化评估方法,所述方法包括:步骤1,经由放置在被检测者手部的肌电传感器采集被检测者执行指定动作时的表面肌电信号;步骤2,利用预先训练好的与所述指定动作对应的帕金森病人运动能力分类器来根据所采集的表面肌电信号判断被检测者的手部运动能力所属的等级;其中用于训练与指定动作对应的帕金森病人运动能力分类器的特征包括从表面肌电信号中提取时域特征和频域特征以及基于表面肌电信号获取的与所述指定动作的完成情况相关的特征。
【技术特征摘要】
1.一种用于对帕金森病人的手部运动能力进行量化评估方法,所述方法包括:步骤1,经由放置在被检测者手部的肌电传感器采集被检测者执行指定动作时的表面肌电信号;步骤2,利用预先训练好的与所述指定动作对应的帕金森病人运动能力分类器来根据所采集的表面肌电信号判断被检测者的手部运动能力所属的等级;其中用于训练与指定动作对应的帕金森病人运动能力分类器的特征包括从表面肌电信号中提取时域特征和频域特征以及基于表面肌电信号获取的与所述指定动作的完成情况相关的特征。2.根据权利要求1所述的方法,其中与所述指定动作的完成情况相关的特征包括下列中的至少一个:完成指定动作时的最大肌电信号、完成指定动作所用的时间。3.根据权利要求1所述的方法,其中所述指定动作包括下列中的至少一个:握拳、对指。4.根据权利要求1-3中任一项所述的方法,还包括训练与指定动作对应的帕金森病人运动能力分类器的步骤,其包括:a)接收来自多个不同程度的帕金森病人和正常人执行所述指定动作时由其佩戴的肌电传感器采集的多个表面肌电信号作为训练数据集;b)从各表面肌电信号中提取时域特征和频域特征以及基于表面肌电信号获取与所述指定动作的完成情况相关的特征;c)基于各个特征对于训练数据集的信息增益选择用于训练所述运动能力分类器的特征,其中每个特征对训练数据集的信息增益为训练数据集的经验熵与在给定该特征的条件下训练数据集的经验条件熵之间的差;d)基于所选择的特征来训练所述运动能力分类器。5.根据权利要求4所述的方法,其中当所述指定动作为对指时,采用序列最小优化模型作为所述运动能力分类器;当所述指定动作为握拳时,采用J48分类器作为所述运动能力分类器。6.根据权利要求4所述的方法,其中,训练数据集的经验熵表示对训练数据集进行分类的不确定性,以如下公式进行计算:其中D表示训练数据集,H(D)表示训练数据集D...
【专利技术属性】
技术研发人员:陈益强,胡子昂,于汉超,杨晓东,钟习,
申请(专利权)人:中国科学院计算技术研究所,
类型:发明
国别省市:北京,11
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。