脑卒中患者运动功能及疲劳状态综合评估方法技术

本发明专利技术涉及一种脑卒中患者运动功能及疲劳状态综合评估方法，包括肢体感知信号采集：将整个运动过程平均分隔成多个子阶段；构建各个子阶段的复杂网络：在各个子阶段，以每个运动周期作为其复杂网络的节点，节点间是否存在连边，依据对应的两个运动周期所采集到的肢体感知信号间的相似程度确定；对复杂网络演化特征进行提取，复杂网络演化特征为计算出的每个子阶段的复杂网络的刻画指标，以及相邻子阶段的复杂网络的刻画指标之间的演化差异值；利用提取的复杂网络演化特征，基于人工智能方法建立脑卒中患者运动功能评估模型。本发明专利技术不仅能对脑卒中患者的运动功能进行定量评估，还能对完成指定运动任务时的疲劳状态进行定量评估。

Comprehensive assessment of motor function and fatigue status in stroke patients

【技术实现步骤摘要】
脑卒中患者运动功能及疲劳状态综合评估方法
本专利技术涉及脑卒中患者运动功能评估领域，特别涉及一种基于复杂网络演化的脑卒中患者运动功能及疲劳状态综合评估方法。
技术介绍
随着我国人口老龄化进程的加剧，脑卒中的发病率呈上升趋势。由于我国康复医学的发展起步较晚，临床资源紧缺且存在分布失衡问题，致使许多脑卒中患者在出院后无法得到及时、科学的康复治疗，给社会和家庭带来沉重的精神压力和巨大的经济负担。可穿戴设备技术的发展，为远程、定量、个体化评估脑卒中患者的肢体运动功能提供了可能的途径，国内外已有不少学者展开研究，并取得了丰硕的成果。在传感器选择方面，应用最多的是微惯性传感器(包括加速度计、陀螺仪、磁力计等)。早期的研究大多使用单轴的加速度传感器，但是后续的相关研究发现，单轴的加速度传感器无法完整刻画脑卒中患者的肢体运动功能，因此，不少研究开始使用三轴加速度传感器，以及加速度传感器与其他传感器(陀螺仪、磁力计等)进行多源融合，从而实现更为精细地评估与分析。目前，九轴惯性传感器单元(包括三轴加速度传感器、三轴陀螺仪和三轴磁力计)已基本上被公认为动作捕获的标准方案。在需要佩戴的传感器数量方面，使用三轴传感器时，需要佩戴的传感器数量要明显少于使用单轴或双轴传感器的情况。在传感器的佩戴位置方面，由于不同的研究小组所关注的肢体位置也不尽相同，从手指、手腕、前臂、上臂，到后背、胯关节、膝盖、踝关节等位置均有相关报道。然而，目前的研究在对脑卒中患者的运动功能进行评估时，仅要求脑卒中患者完成一次或少数若干次指定的动作任务，且传统的临床康复评定量表也均为单次评估，即仅考虑脑卒中患者是否具备完成指定动作的能力，而忽略了脑卒中患者持续完成较多次数指定动作任务时的耐力与疲劳状态。因此，有必要设计一种新的方法，实现对脑卒中患者运动功能和疲劳状态进行综合评估。
技术实现思路
本专利技术的目的是提供一种脑卒中患者运动功能及疲劳状态综合评估方法，该评估方法不仅能对脑卒中患者的运动功能进行定量评估，还能对完成指定运动任务时的疲劳状态进行定量评估。实现本专利技术目的的技术方案是：本专利技术包括以下步骤：S1、信号采集：通过可采集肢体感知信号的运动捕捉设备对脑卒中患者多次重复完成指定动作任务时的肢体感知信号进行采集；S2、运动过程分隔：完成一次指定动作任务为一个运动周期，依据运动周期的数量M，将整个运动过程平均分隔成n个子阶段；各子阶段的运动周期数为其中n≥2；S3、构建各个子阶段的复杂网络：在各个子阶段，以每个运动周期作为其复杂网络的节点，节点间是否存在连边，依据对应的两个运动周期所采集到的肢体感知信号间的相似程度确定；当相似程度超过给定的阈值，则两个运动周期对应的节点存在连边，否则不存在连边；其中，给定的阈值一般是通过通过采集正常人完成相同运动时的肢体感知信号确定；S4、对复杂网络演化特征进行提取：复杂网络演化特征为计算出的每个子阶段的复杂网络的刻画指标，以及相邻子阶段的复杂网络的刻画指标之间的演化差异值；S5、评估模型建立：利用提取的复杂网络演化特征，基于人工智能方法建立脑卒中患者运动功能评估模型。上述运动捕捉设备为可穿戴的惯性传感器；所述惯性传感器包括3轴加速度计、3轴陀螺仪和3轴磁力计。上述运动周期的数量M≥30。上述刻画指标包括平均度、平均路径长度和平均聚类系数；所述演化差异值包括平均度差值、平均路径长度差值和平均聚类系数差值。上述步骤S5中所述的人工智能方法为人工神经网络或支持向量机或卷积神经网络。上述步骤S3中两个运动周期所采集到的肢体感知信号间的相似程度的判定依据两个运动周期惯性传感器信号的匹配程度或最大幅度的差值或两个周期运动时间的差值。7、根据权利要求4所述的脑卒中患者运动功能及疲劳状态综合评估方法，其特征在于：根据复杂网络获得邻接矩阵A＝(aij)L×L，该邻接矩阵是L阶方阵，第i行第j列上的元素aij表示第i个节点和第j个节点之间的相似程度，其定义如下：所述步骤S4中刻画指标的计算公式如下：平均度：平均路径长度：平均聚类系数：其中，dij表示节点i和节点j之间的距离，定义为连接这两个节点的最短路径上的边的数目；ki表示节点i的度，即与节点i直接有边连接的其他节点的数目；Ei表示节点i的ki个邻节点之间实际存在的边数。所步骤S4中平均度差值为后一子阶段的平均度减去前一子阶段的平均度；平均路径长度差值为后一子阶段的平均路径长度减去前一子阶段的平均路径长度；平均聚类系数差值为后一子阶段的平均聚类系数减去前一子阶段的平均聚类系数。本专利技术具有积极的效果：本专利技术结合可穿戴运动捕捉技术、复杂网络理论和人工智能方法，通过对脑卒中患者多次重复完成指定运动任务时的运动演化过程进行分析，实现对其运动功能和疲劳状态的综合评价。与传统方法相比，本专利技术的方法不仅可以实现对脑卒中患者的运动功能进行定量评估，即脑卒中患者是否具备完成指定运动任务的能力及完成质量如何。更重要的是，本专利技术的方法还可以实现对脑卒中患者完成指定运动任务时的疲劳状态进行定量评估，即是否有疲劳发生，以及疲劳发生的程度如何。附图说明为了使本专利技术的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本专利技术作进一步详细的说明，其中图1为本专利技术的流程示意图；图2为本专利技术实施例中运动捕捉设备佩戴位置示意图；图3为本专利技术实施例中完成Bobath握手30次过程中记录下的加速度传感器原始信号；图4为本专利技术实施例中起始阶段10个动作周期构建的复杂网络图；图5为本专利技术实施例中过渡阶段10个动作周期构建的复杂网络图；图6为本专利技术实施例中末尾阶段10个动作周期构建的复杂网络图；图7为本专利技术实施例中建立的综合评估模型预测性能图。具体实施方式下面将结合说明书附图，对技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术所述的一种基于复杂网络演化的脑卒中患者运动功能及疲劳状态综合评估方法，包括如下步骤：S1、信号采集。首先将内嵌9轴惯性传感器单元的穿戴式运动捕捉设备固定或佩戴在具体应用要求的初始位置，然后使用上位机数据采集软件采集一段时间内脑卒中患者多次重复完成指定运动任务时的9轴惯性传感器的原始信号。需要指出的是，在本专利技术所提出的方法中，信号采集过程不限定惯性传感器单元和数据采集软件的类型，以及采样频率的大小。只要能够采集到脑卒中患者多次重复完成指定运动任务时的肢体感知信号即可。S2、运动过程分隔。为了深入分析脑卒中患者多次重复完成指定运动任务时的运动演化过程，需要对采集到的原始信号进行分隔。依据运动周期的数量，将整个运动过程平均分隔成三个子阶段(起始阶段、过渡阶段和末尾阶段)。假设脑卒中患者重复完成指定运动任务的次数为3*L，则第1～L个运动周期的信号作为起始阶段，第L+1～2*L个运动周期的信号作为过渡阶段，第2*L+1～3*L个运动周期的信号作为末尾阶段。在具体的实施案例中，该步骤的子阶段分隔方法不限定平均划分，不均匀划分方法亦可以。分隔的子阶段数目不限定三个，大于等于2即可。脑卒中患者重复完成指定运动任务的次数不限定为子阶段数据的整数倍(本文档来自技高网...

【技术保护点】
1.一种脑卒中患者运动功能及疲劳状态综合评估方法；其特征在于包括以下步骤：S1、信号采集：通过可采集肢体感知信号的运动捕捉设备对脑卒中患者多次重复完成指定动作任务时的肢体感知信号进行采集；S2、运动过程分隔：完成一次指定动作任务为一个运动周期，依据运动周期的数量M，将整个运动过程平均分隔成n个子阶段；各子阶段的运动周期数为

【技术特征摘要】
1.一种脑卒中患者运动功能及疲劳状态综合评估方法；其特征在于包括以下步骤：S1、信号采集：通过可采集肢体感知信号的运动捕捉设备对脑卒中患者多次重复完成指定动作任务时的肢体感知信号进行采集；S2、运动过程分隔：完成一次指定动作任务为一个运动周期，依据运动周期的数量M，将整个运动过程平均分隔成n个子阶段；各子阶段的运动周期数为其中n≥2；S3、构建各个子阶段的复杂网络：在各个子阶段，以每个运动周期作为其复杂网络的节点，节点间是否存在连边，依据对应的两个运动周期所采集到的肢体感知信号间的相似程度确定；当相似程度超过给定的阈值，则两个运动周期对应的节点存在连边，否则不存在连边；S4、对复杂网络演化特征进行提取：复杂网络演化特征为计算出的每个子阶段的复杂网络的刻画指标，以及相邻子阶段的复杂网络的刻画指标之间的演化差异值；S5、评估模型建立：利用提取的复杂网络演化特征，基于人工智能方法建立脑卒中患者运动功能评估模型。2.根据权利要求1所述的脑卒中患者运动功能及疲劳状态综合评估方法，其特征在于：所述运动捕捉设备为可穿戴的惯性传感器；所述惯性传感器包括3轴加速度计、3轴陀螺仪和3轴磁力计。3.根据权利要求1所述的脑卒中患者运动功能及疲劳状态综合评估方法，其特征在于：所述运动周期的数量M≥30。4.根据权利要求1所述的脑卒中患者运动功能及疲劳状态综合评估方法，其特征在于：所述刻画指标包...

【专利技术属性】
技术研发人员：何雷，樊天润，毕建明，申林，
申请(专利权)人：常州市钱璟康复股份有限公司，
类型：发明
国别省市：江苏,32