脑卒中运动功能评估模型构建方法和运动功能评估方法技术

本发明专利技术公开了一种脑卒中患者的运动功能评估模型的构建方法，先采集多名脑卒中患者额叶或运动区的静息态脑血氧信号数据构建数据库，然后将数据经过预处理后，通过回归的方法选取脑卒中患者额叶静息状态下脑连接信息作为特征，构建机器学习的模型，该模型可以对脑卒中患者不同运动功能状态进行分类预测。本发明专利技术还公开了一种基于支持向量机评估模型的运动功能评估方法，通过检测脑卒中患者的静息态脑血氧信号数据可以准确地评估脑卒中患者的运动功能。运动功能。运动功能。

【技术实现步骤摘要】
脑卒中运动功能评估模型构建方法和运动功能评估方法


[0001]本专利技术涉及康复医学领域，特别涉及脑卒中患者的运动功能评估模型构建方法和运动功能评估方法。

技术介绍

[0002]脑卒中又称脑中风，是一种致残率非常高的疾病，超过半数的患者发病半年后仍有上肢功能障碍，80％的患者留有残疾。对脑卒中患者运动功能状态的准确评估，是制定有效脑卒中康复策略的重要依据。临床常用医学运动量表评估脑卒中患者的运动功能，基于医学运动量表的康复评估一般是通过康复医师的眼睛观察患者的直观动作，对患者的运动功能和康复效果进行评分，评分结果的客观性难以保障，评分结果的灵敏度和可靠性较低。除此之外，患者在康复训练过程中身体状态的微小变化难以被察觉，从而使得康复效果难以即时准确的评价。
[0003]为了提高评估的准确性，目前不少研究者以运动中的外周的生物力学、肌电等作为生理指标评估脑卒中患者的运动功能，这类型的评估方法要求患者完成指定的动作以获取相应数据，对于部分运动能力较弱的患者，某些必要动作无法完成，若采用代偿动作则存在无法真正评估患者恢复程度的问题。
[0004]可见，现有技术还有待改进和提高。

技术实现思路

[0005]鉴于上述现有技术的不足之处，本专利技术的目的在于提供一种脑卒中患者的运动功能评估模型构建方法和运动功能评估方法，旨在解决现有技术中的评估方法实用性有限的问题。
[0006]为了达到上述目的，本专利技术采取了以下技术方案：
[0007]一种脑卒中患者的运动功能评估模型的构建方法，其中，包括以下步骤：
[0008]步骤S101.构建数据库：通过多通道检测设备采集多名脑卒中患者额叶或运动区的静息态脑血氧信号数据，组成基础数据库；
[0009]步骤S102.数据预处理：对基础数据库中采集的静息态脑血氧信号数据进行带通滤波去除漂移噪声和生理干扰；再采用样条插值的方法对伪迹进行矫正；
[0010]步骤S103.特征提取：采用Pearson相关性计算公式计算测量区域内两两通道之间的脑功能连接，然后对得到的相关性矩阵进行Fisher
’
s Z变换；采用LASSO回归的方式在Fisher
’
s Z分数矩阵中选择最优的分类特征子集；
[0011]步骤S104.构建支持向量机模型：根据步骤S103中获得的最优的分类特征子集，构建基于支持向量机的脑卒中患者的运动功能评估模型。
[0012]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述步骤S101中通过近红外脑功能检测设备进行多通道采集脑卒中患者额叶或运动区的静息态脑血氧信号数据。
[0013]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述近红外脑功能检测设备包括多个光源和多个探测器；多个所述光源和探测器交错设置，每个所述光源和探测器之间形成一个测量通道。
[0014]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述静息态脑血氧信号数据为脑卒中患者保持休息状态，闭上眼睛并保持清醒时采集得到的脑血氧信号数据。
[0015]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述步骤S102还包括空间滤波，所述步骤S102中基础数据库中采集的静息态脑血氧信号数据先通过空间滤波以去除表层干扰，然后通过带通滤波去除漂移噪声和生理干扰；再采用样条插值的方法对伪迹进行矫正。
[0016]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述空间滤波的操作方法为：将采集的静息态脑血氧信号数据减去所有测量通道的平均值，得到去除表层干扰后的静息态脑血氧信号。
[0017]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述步骤S102中所述带通滤波的频率范围为0.01
‑
0.1Hz。
[0018]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述步骤S102中采用三次样条插值的方法对伪迹进行矫正，包括以下过程：
[0019]以基线作为判断标准，以基线的三倍标准差作为阀值；
[0020]检测得到每个伪迹段的起点和终点，得出伪迹段的数量，遍历所有伪迹段并对每个伪迹段进行三次平滑样条插值，然后用每个伪迹段减去每个伪迹段插值后的信号；
[0021]对处理后的信号进行整体重构，获得重构的信号序列。
[0022]所述的脑卒中患者的运动功能评估模型的构建方法，其中，所述步骤S104中，所述支持向量模型的惩罚系数和核函数采用网格搜索分方式进行优化。
[0023]一种脑卒中患者的运动功能评估方法，包括以下步骤：
[0024]步骤S201.数据采集：使用近红外脑功能检测设备进行多通道采集脑卒中患者的静息态脑血氧信号数据；
[0025]步骤S202.数据预处理：对采集的静息态脑血氧信号数据通过空间滤波去除表层干扰，然后通过带通滤波去除漂移噪声和生理干扰；最后采用样条插值的方法对伪迹进行矫正；
[0026]步骤S203.特征提取：采用Pearson相关性计算公式计算测量区域内两两通道之间的脑功能连接，然后对得到的相关性矩阵进行Fisher
’
s Z变换；采用LASSO回归的方式在Fisher
’
s Z分数矩阵中选择最优的分类特征子集；
[0027]步骤S204.运动功能等级评估：采用上述方法构建的脑卒中患者的运动功能评估模型对脑卒中患者进行运动功能等级评估。
[0028]有益效果：
[0029]本专利技术提供了一种脑卒中患者的运动功能评估模型的构建方法。模型的构建先采集多名脑卒中患者额叶或运动区的静息态脑血氧信号数据构建数据库，然后将数据经过预处理后，通过回归的方法选取脑卒中患者静息状态下脑连接信息作为特征，构建机器学习的模型，可以对脑卒中患者不同运动功能状态进行分类预测。另外，本专利技术还提供基于上述模型的运动功能评估方法，对于运动能力较差的患者同样可以适用，也可以用于对患者康
复训练后即时效果的评估。本专利技术评估方法的检测操作简单，可以排除主观因素影响，且干扰因素少，准确性高，可反复多次测量。
附图说明
[0030]图1为构建脑卒中患者的运动功能评估模型的流程图。
[0031]图2为步骤S103特征提取的流程图。
[0032]图3为一种改进方式中步骤S102数据预处理的流程图。
[0033]图4为脑卒中患者的运动功能评估的流程图。
[0034]图5为近红外脑功能检测设备的光源和探测器的分布示意图。
具体实施方式
[0035]本专利技术提供一种运动功能评估模型构建方法和运动功能评估方法，为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举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。
[0036]本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。
[0037]请参阅图1、图2，脑卒中患本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑卒中患者的运动功能评估模型的构建方法，其特征在于，包括以下步骤：步骤S101.构建数据库：通过多通道检测设备采集多名脑卒中患者额叶或运动区的静息态脑血氧信号数据，组成基础数据库；步骤S102.数据预处理：对基础数据库中采集的静息态脑血氧信号数据进行带通滤波去除漂移噪声和生理干扰；再采用样条插值的方法对伪迹进行矫正；步骤S103.特征提取：采用Pearson相关性计算公式计算测量区域内两两通道之间的脑功能连接，然后对得到的相关性矩阵进行Fisher
’
s Z变换；采用LASSO回归的方式在Fisher
’
s Z分数矩阵中选择最优的分类特征子集；步骤S104.构建支持向量机模型：根据步骤S103中获得的最优的分类特征子集，构建基于支持向量机的脑卒中患者的运动功能评估模型。2.根据权利要求1所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述步骤S101中通过近红外脑功能检测设备进行多通道采集脑卒中患者额叶或运动区的静息态脑血氧信号数据。3.根据权利要求2所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述近红外脑功能检测设备包括多个光源和多个探测器；多个所述光源和探测器交错设置，每个所述光源和探测器之间形成一个测量通道。4.根据权利要求3所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述静息态脑血氧信号数据为脑卒中患者保持休息状态，闭上眼睛并保持清醒时采集得到的脑血氧信号数据。5.根据权利要求3所述的的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述步骤S102还包括空间滤波，所述步骤S102中基础数据库中采集的静息态脑血氧信号数据先通过空间滤波以去除表层干扰，然后通过带通滤波去除漂移噪声和生理干扰；再采用样条插值的方法对伪迹进行矫正。6.根据权利要求5所述的脑卒中患者的运动功能评估模型的构建方法...

【专利技术属性】
技术研发人员：庞日宠，王丹，孙金燕，杨傲然，杨安平，郝志峰，
申请(专利权)人：首都医科大学附属北京康复医院北京工人疗养院汕头大学，
类型：发明
国别省市：