基于多元信号融合的肌疲劳预测方法、系统及电刺激器技术方案

本发明专利技术提供了一种基于多元信号融合的肌疲劳预测方法、系统及电刺激器，所述方法包括：获取M波的神经传导延迟时间和时频域特征量以及MMG信号的时频域特征量，作为肌电信号特征量的数据集；获取所述数据集中各肌电信号特征量与电刺激诱发肌力值的斯皮尔曼相关系数，将所述斯皮尔曼相关系数作为所述肌电信号特征量的标签；采用层次聚类算法对所述数据集中的肌电信号特征量进行降维；利用降维后的数据集训练随机森林预测模型，得到肌疲劳预测模型；基于所述肌疲劳预测模型，进行肌疲劳预测，得到肌疲劳预测结果。本发明专利技术能够通过获取M波以及MMG信号的时频域特征量训练肌疲劳预测模型，通过肌疲劳预测模型快速、准确进行肌疲劳预测。预测。预测。

【技术实现步骤摘要】
基于多元信号融合的肌疲劳预测方法、系统及电刺激器


[0001]本专利技术涉及肌疲劳预测
，特别是涉及一种基于多元信号融合的肌疲劳预测方法、系统及电刺激器。

技术介绍

[0002]功能性电刺激技术经过多年研究，目前已被广泛应用于上、下肢康复治疗领域，主要面对神经肌肉受损导致自主运动障碍的患者。功能性电刺激(Functional electrical stimulation，FES)通过不断输出电脉冲作用于受损的神经肌肉位置，实现肌肉自主收缩功能恢复和神经功能重建效果，但长时间的脉冲刺激或不适当的刺激参数设置均会引起刺激部位肌肉收缩异常以及患者不适。由于患者往往存在神经和肢体受损，无法自主反馈肌肉疲劳状态，在治疗过程中需要实时观测患者肌肉状态，进而调整治疗手段。
[0003]电刺激引起的肌电信号中的复合动作电位信号(M波)和肌肉收缩产生的机械肌图信号(MMG)的幅值、中值频率等参数均与电刺激作用的肌肉疲劳状态相关。但使用肌电采集设备进行信号采集时，采集到的信号往往由刺激伪迹和M波组成，需要对M波进行提取才可用来表征肌疲劳状态。而且刺激本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多元信号融合的肌疲劳预测方法，其特征在于，包括以下步骤：获取M波的神经传导延迟时间和时频域特征量以及MMG信号的时频域特征量，作为肌电信号特征量的数据集；获取所述数据集中各肌电信号特征量与电刺激诱发肌力值的斯皮尔曼相关系数，将所述斯皮尔曼相关系数作为所述肌电信号特征量的标签；采用层次聚类算法对所述数据集中的肌电信号特征量进行降维；利用降维后的数据集训练随机森林预测模型，得到肌疲劳预测模型；基于所述肌疲劳预测模型，进行肌疲劳预测，得到肌疲劳预测结果。2.根据权利要求1所述的基于多元信号融合的肌疲劳预测方法，其特征在于，所述获取M波的神经传导延迟时间和时频域特征量，包括：在第三级时序中，刺激器在脉冲输出的同时发送同步信号至肌电信号采集端，根据同步信号，在混合肌电信号中定位电刺激脉冲的起始时刻和结束时刻，在结束时刻和下一次开始时刻间的数据段搜寻最大值点，得到M波负向峰值点，计算起始时刻至M波负向峰值点间的时间段作为M波的神经传导延迟时间；在第三级时序中，获取电刺激脉冲诱发出的未被刺激伪迹干扰的所有M波的峰值点，基于每个M波的峰值点，向左向右截取相同时间段内的数据点进行均值计算，用此均值表征此单式次M波；在第二级时序中，将一次刺激脉冲的所有单式次M波进行包络线绘制，对绘制得到的包络线进行时频域特征提取，得到M波的时频域特征量。3.根据权利要求1所述的基于多元信号融合的肌疲劳预测方法，其特征在于，所述获取MMG信号的时频域特征量，包括：对所述MMG信号进行等权重融合，得到融合后MMG信号；对融合后MMG信号进行滤波处理；采用与获取M波的时频域特征量相同的方法，获取融合后MMG信号的时频域特征量。4.根据权利要求1所述的基于多元信号融合的肌疲劳预测方法，其特征在于，所述获取所述数据集中各肌电信号特征量与电刺激诱发肌力值的斯皮尔曼相关系数之前，对所述数据集中的各肌电信号特征量进行归一化处理。5.根据权利要求1所述的基于多元信号融合的肌疲劳预测方法，其特征在于，所述采用层次聚类算法对所述数据集中的肌电信号特征量进行降维，包括：步骤1，获取两两所述肌电信号特征量之间的欧式...

【专利技术属性】
技术研发人员：刘邈，李慧颖，何峰，明东，
申请(专利权)人：天津大学，
类型：发明
国别省市：