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技术方案

本发明专利技术提供了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，利用可穿戴的肌电传感器捕获被检测者在执行指定动作时的手部表面肌电信号，基于训练好的与所述指定动作对应的运动能力分类器以从表面肌电信号中提取时域特征和频域特征以及与指定动作的完成情况相关的特征来对被检测者的手部运动能力进行量化评估。通过该方法和系统可以更客观准确地对帕金森病人的手部运动能力进行等级评估。

Method and system for quantitative evaluation of hand movement capacity of Parkinson patients

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。上述方法中，所述指定动作可包括下列中的至少一个：握拳、对指。上述方法中，还可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。上述方法中，当所述指定动作为对指时，可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，可采用J48分类器作为所述运动能力分类器。上述方法中，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，可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的经验熵，n表示训练数据集D共分为n类，pi表示把数据分为第i类的概率。上述方法中，在给定某个特征的条件下训练数据集的经验条件熵表示在给定该特征的条件下对训练数据集进行分类的不确定性，可以如下公式来进行计算：其中A表示某个特征，H(D|A)为在给定特征A的条件下训练数据集D的经验熵，pi(D|A)表示在已知特征A的情况下把数据分为第i类的概率。又一方面，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系统，包括：采集装置，用于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；检测装置，用于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。上述系统中，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。上述系统中，所述指定动作可包括下列中的至少一个：握拳、对指。上述系统还可包括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训练装置，其被配置为：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。上述系统中，当所述指定动作为对指时，可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，可采用J48分类器作为所述运动能力分类器。与现有技术相比，本专利技术的优点在于：利用可穿戴的肌电传感器捕获被检测者手部表面肌电信号，以从表面肌电信号中提取时域特征和频域特征以及与指定动作的完成情况相关的特征来对被检测者的手部运动能力进行量化评估，可以更客观准确地对帕金森病人的手部运动能力进行等级评估。附图说明以下参照附图对本专利技术实施例作进一步说明，其中：图1为根据本专利技术实施例的用于对帕金森病人的手部运动能力进行量化评估方法的流程示意图；图2(a)为与“对指”动作对应的各分类器的识别精度比较示意图；图2(b)为与“握拳”动作对应的各分类器的识别精度比较示意图；图3(a)为对于“对指”动作利用表面肌电信号的信号识别特征训练的SMO分类器识别性能示意图；图3(b)为对于“握拳”动作利用表面肌电信号的信号识别特征训练的J48分类器识别性能示意图；图4(a)为采用根据本专利技术的方法训练的与“对指”动作对应的分类器识别性能示意图；图4(b)为采用根据本专利技术的方法训练的与“握拳”动作对应的分类器识别性能示意图；图5(a)为采用不同特征训练的与“对指”动作对应的分类器的识别结果对比示意图；图5(b)为采用不同特征训练的与“握拳”动作对应的分类器的识别结果对比示意图。具体实施方式为了使本专利技术的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。“对指”和“握拳”手势是用来评估帕金森病人的手部运动能力的两种常用的国际标准指标。在下文中，将以这两种指定动作为例来结合具体实施例说明如何评估帕金森病人的手部运动能力。但应理解，本专利技术的实施例对于具体的运动动作并不进行限制，本专利技术的原理也可以应用于其他动作或其他部位的运动能力评估。图1给出了根据本专利技术的一个实施例的用于对帕金森病人的手部运动能力进行量化评估方法，其包括经由放置在被检测者手部的相关部位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1)；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(步骤2)。其中与指定动作对应的帕金森病人运动能力分类器是在大量的不同程度的帕金森病人和一些正常人执行该指定动作时提取的样本数据的基础上进行训练的。更具体地，在步骤1，将肌电传感器放置在被检测者的指定位置，例如手臂等相关部本文档来自技高网...

【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