一种基于sEMG和SpO2的脊柱姿态检测方法、装置和设备制造方法及图纸

本申请公开了一种基于sEMG和SpO2的脊柱姿态检测方法、装置和设备，分别利用肌电传感器和近红外传感器采集表面肌电信号(sEMG)和血氧饱和度(SpO2)；将面肌电信号(sEMG)和血氧饱和度(SpO2)通过放大、滤波降噪的调制电路获得到sEMG和SpO2的离散数值；分别提取sEMG时域频域特征和SpO2的时域特征信号；绘制相应的分析结果图用于直观观察；通过BiLSTM神经网络模型对IEMG、RMS、MF、MPF和SpO2多维数据进行训练并分类，进一步优化BiLSTM的模型参数，用于实时检测的对应不同脊柱姿势；并在PC端查看结果，方便脊柱姿势的实时分析和审查。该方法可用于脊柱侧弯检测和脊柱康复的便携式评估。用于脊柱侧弯检测和脊柱康复的便携式评估。用于脊柱侧弯检测和脊柱康复的便携式评估。

【技术实现步骤摘要】
一种基于sEMG和SpO2的脊柱姿态检测方法、装置和设备


[0001]本专利技术涉及医疗大数据处理
，尤其涉及一种基于sEMG和SpO2的脊柱姿态检测方法、装置和设备。

技术介绍

[0002]脊柱疾病是现代人群中常见的一种病症，针对脊柱疾病的检测通常采用计算机断层成像(CT)和磁共振成像(MRI)等医学影像技术作为医生诊断的辅助手段，进而实现对脊柱姿态的检测，但是CT辐射剂量大，不宜多次照射；MRI检测成本高，需要医生主观判定，同时医学影像技术都需要患者保持静止状态，无法评估运动状态的脊柱姿态。因此找到一种无创、便携式对脊柱姿态检测方法，对于非手术治疗中的患者运动状态下的脊柱姿态康复评估就具有十分重要的意义。
[0003]肌电信号(EMG)是众多肌纤维中运动单元动作电位在时间和空间上的叠加。表面肌电信号(sEMG)是浅层肌肉EMG和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动，SEMG在测量上具有非侵入性、无创伤、操作简单等优点。因而，sEMG在临床医学、人机功效学、康复医学以及体育科学等方面均有重要的实用价值。
[0004]血氧饱和度(SpO2)是指血液中被氧结合的氧合血红蛋白的容量占全部可结合的血红蛋白容量的百分比，是人体机能正常运作的重要指标。研究表明肌肉血氧含量与肌电信号一样，可以反映运动状态下的椎旁肌活动。
[0005]因此，采用sEMG和SpO2相结合的脊柱姿态检测，探索运动状态下的脊柱姿态康复评估的量化方法是十分有意义的。

技术实现思路
/>[0006]为了解决现有技术中存在的不足，本申请提出了一种基于sEMG和SpO2的脊柱姿态检测方法、装置和设备，通过采集表面肌电信号(sEMG)和血氧饱和度(SpO2)并进行数据分析后，根据从sEMG和SpO2中提取的特征输出不同脊柱姿势的分析结果。
[0007]本专利技术所采用的技术方案如下：
[0008]一种基于sEMG和SpO2的脊柱姿态检测方法，包括如下步骤：
[0009]步骤S110.同时采集待检测对象的sEMG信号和血氧双波长信号；
[0010]步骤S120.将sEMG信号、血氧双波长信号通过放大、滤波降噪的调制电路，分别得到sEMG和血氧双波长信号的离散数值；
[0011]步骤S130.分别提取sEMG的时域特征和频域特征，包括IEMG、RMS、MF和MPF，同时提取SpO2的时域特征信号；
[0012]步骤S140.基于S130得到的sEMG的时域特征和频域特征、SpO2的时域特征，绘制各特征相应的波形图；
[0013]步骤S150.搭建并训练BiLSTM神经网络模型，利用LSTM神经网络模型对步骤S130中提取的IEMG、RMS、MF、MPF和SpO2特征值进行训练并分类，输出检测结果。
[0014]进一步，采集待检测对象的sEMG信号的方法：使用贴片电极采集受试者脊柱肌电信号。
[0015]进一步，采集待检测对象的血氧信号的方法：使用血氧探头采集受试者脊柱的血氧信号。
[0016]进一步，针对血氧信号采用小波变换的方法进行去噪。
[0017]进一步，提取20s内的IEMG、RMS、MF、MPF和SpO2序列信号。
[0018]进一步，所述BiLSTM神经网络模型是由正向LSTM和后向LSTM构成，将正向LSTM和后向LSTM得到的隐藏层向量通过注意层拼接，再以Softmax传递函数作为激活函数。
[0019]进一步，其中所述的LSTM神经网络模型的记忆单元结构(遗忘门、记忆门和输出门)表示为：
[0020]f
t
＝σ(W
f
·
[h
t
‑1，x
t
]+b
f
)
[0021]i
t
＝σ(W
i
·
[h
t
‑1，x
t
]+b
i
)
[0022][0023][0024]O
t
＝σ(W
o
·
[h
t
‑1，x
t
]+b
o
)
[0025]h
t
＝O
t
*tanh(C
t
)
[0026]其中，f
t
表示遗忘门的函数，决定了前一时刻的记忆单元C
t
‑1状态的保留值，h
t
‑1表示前一时刻记忆单元的输出，x
t
表示原始信号的输入，W
f
、W
i
、W
c
、W
o
分别表示遗忘门、记忆门和输出门对应的权值矩阵，b
f
、b
i
、b
c
、b
o
为遗忘门、记忆门和输出门对应的偏置向量，i
t
表示记忆门的函数，决定了当前时刻的的保留值；C
t
表示当前时刻记忆单元状态，C
t
‑1为前一时刻记忆单元状态，为当前时刻记忆单元状态的更新函数，tanh是激活函数，σ(
·
)表示Sigmoid函数。O
t
表示输出门信号，h
t
为当前时刻记忆单元的输出。
[0027]一种基于sEMG和SpO2的脊柱姿态检测装置，包括：
[0028]数据采集模块S310，所述数据采集模块S310通过肌电传感器和近红外传感器分别采集sEMG信号和血氧双波长信号；
[0029]硬件处理模块S320，所述硬件处理模块S320将sEMG信号、血氧双波长信号通过放大、滤波降噪的调制电路得到sEMG和血氧双波长信号的离散数值；
[0030]信息传输模块S330，所述信息传输模块S330将得到肌电采样信号和血氧采样信号传输到PC端进行分析；
[0031]特征分析模块S340，所述特征分析模块S340对肌电采样信号进行特征值提取同时对血氧采样信号进行处理分析，绘制相应的分析结果图；
[0032]姿态分析模块S350，所述姿态分析模块S350通过BiLSTM神经网络模型对肌电采样信号和血氧信号进行分类，实时检测对应识别不同的脊柱姿势；
[0033]结果展示模块S360，所述结果展示模块S360将分析结果展示于PC端相应界面。
[0034]进一步，所述信息传输模块S330采用蓝牙实现信息传输。
[0035]进一步，一种电子设备，包括处理器以及显示器，处理器内置本上述一种基于sEMG和SpO2的脊柱姿态检测方法。
[0036]本专利技术的有益效果：
[0037]本专利技术所提出的一种基于sEMG和SpO2的脊柱姿态检测方法及设备，一方面，接收肌电传感器采集的sEMG信号和近红外传感器采集的血氧双波长信号，将sEMG信号、血本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，包括如下步骤：步骤S110.同时采集待检测对象的sEMG信号和血氧双波长信号；步骤S120.将sEMG信号、血氧双波长信号通过放大、滤波降噪的调制电路，分别得到sEMG和血氧双波长信号的离散数值；步骤S130.分别提取sEMG的时域特征和频域特征，包括IEMG、RMS、MF和MPF，同时提取SpO2的时域特征信号；步骤S140.基于S130得到的sEMG的时域特征和频域特征、SpO2的时域特征，绘制各特征相应的波形图；步骤S150.搭建并训练BiLSTM神经网络模型，利用LSTM神经网络模型对步骤S130中提取的IEMG、RMS、MF、MPF和SpO2特征值进行训练并分类，输出检测结果。2.根据权利要求1所述的一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，采集待检测对象的sEMG信号的方法：使用贴片电极采集受试者脊柱肌电信号。3.根据权利要求1所述的一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，采集待检测对象的血氧信号的方法：使用血氧探头采集受试者脊柱的血氧信号。4.根据权利要求3所述的一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，针对血氧信号采用小波变换的方法进行去噪。5.根据权利要求1所述的一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，提取20s内的IEMG、RMS、MF、MPF和SpO2序列信号。6.根据权利要求1所述的一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，所述BiLSTM神经网络模型是由正向LSTM和后向LSTM构成，将正向LSTM和后向LSTM得到的隐藏层向量通过注意层拼接，再以Softmax传递函数作为激活函数。7.根据权利要求6所述的一种基于sEMG和SpO2的脊柱姿态检测方法，其特征在于，其中所述的LSTM神经网络模型的记忆单元结构(遗忘门、记忆门和输出门)表示为：f
t
＝σ(W
f
·
[h
t
‑1，x
t
]+b
f
)i
t
＝σ(W
i
·
[h
t
‑1，x
t
]+b
i
))O
t
＝σ(W
o
·
[h
t
‑1，x
t
]+b

【专利技术属性】
技术研发人员：张雅檬，潘紫阳，卢勇，刘来盘，刘洋洋，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：