本发明专利技术提供了一种上肢运动异常的在线分析方法、装置、系统和存储介质，该方法包括：采集患者上肢运动时产生的肌电信号；对肌电信号进行特征提取，将提取的肌电特征进行组合作为训练特征；判断患者的上肢是否出现运动异常，将判断结果作为训练标签；将训练特征和训练标签共同输入机器学习分类器中，得到训练好的分类模型；利用训练好的分类模型判断患者上肢是否出现异常，将分类模型的输出作为最终的判断结果；将判断结果上传至服务器。本发明专利技术可以根据患者运动过程中上肢运动的情况，准确客观的分析出患者上肢运动过程中是否发生运动异常，可以将判断结果随时随地的进行上传，不受环境场所限制，进而便于医生根据分析结果为患者合理的治疗方案。理的治疗方案。理的治疗方案。
【技术实现步骤摘要】
上肢运动异常的在线分析方法、装置、系统和存储介质
[0001]本专利技术涉及机器识别
，具体涉及一种上肢运动异常的在线分析方法、装置、系统和存储介质。
技术介绍
[0002]对于患有帕金森症状的患者，往往会表现出不同程度的运动障碍症状，例如肌肉僵直、运动迟缓和静止性性震颤。并且患者的上肢也会出现运动异常，医生通过让患者做出指定动作，并进行观察，得出患者运动行为是否有异常的结论。目前判断患者是否具有上肢运动异常的方法，需要具有一定的专业背景的医生，且每个医生的评价结论可能会不一致，具有一定的主观性，缺少客观性。医生需要随时对患者的运动状况进行和观察，需要花费大量的时间，且会增加医生的工作负担。
[0003]因此，如何为客观全面分析患者上肢是否出现运动异常，减轻医生与患者的诊治负担，成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
技术实现思路
[0004]鉴于上述问题，本专利技术实施例一种上肢运动异常的在线分析方法及装置，解决现有的技术问题。
[0005]为解决上述技术问题，本专利技术提供以下技术方案：
[0006]第一方面，本专利技术提供一种上肢运动异常的在线分析方法，所述方法包括：
[0007]采集患者上肢运动时产生的肌电信号；
[0008]对肌电信号进行特征提取，将提取的肌电特征进行组合作为训练特征；
[0009]判断患者的上肢是否出现运动异常，将判断结果作为训练标签；
[0010]将训练特征和训练标签共同输入机器学习分类器中，得到训练好的分类模型；
[0011]利用训练好的分类模型判断患者上肢是否出现异常，将分类模型的输出作为最终的判断结果；
[0012]将判断结果上传至服务器。
[0013]一实施例中，所述对肌电信号进行特征提取包括：
[0014]利用巴特沃斯滤波器对肌电信号进滤波处理；
[0015]将滤波处理后的肌电信号中的负值全部转换为正值，得到矫正后的肌电信号；
[0016]为矫正后的肌电信号配置一固定长度的滑动时间窗，提取所有滑动时间窗每次滑动后滑动时间窗中心点的包络线的值，得到待特征提取的肌电信号；将待特征提取的肌电信号进行特征提取，得到肌电特征。
[0017]一实施例中，所述滑动时间窗中心点的包络线的值通过下式计算得出：
[0018][0019]式中，Env为提取得到的包络线；N为滑动时间窗的长度；sEMG为矫正后的肌电信号。
[0020]一实施例中，所述将肌电特征进行组合的方法包括：
[0021]所述肌电特征包括：加权平方根wRMS、特征均值Avg、波形长度WL、过零率ZC、斜率变化值SSC、震颤峰值频率Peak
f
、峰值频率功率谱密度PSD
f
、中位振幅能量MDP、平均振幅能量MNP和频率比值FR；
[0022]通过下式得到第一肌电系数JD1[0023][0024]通过下式得到第二肌电系数JD2[0025][0026]通过下式得到第三肌电系数JD3[0027][0028]通过下式得到第四肌电系数JD4[0029]JD4＝FR
×
Peakf；
[0030]将第一肌电系数JD1、第二肌电系数JD2、第三肌电系数JD3和第四肌电系数JD4作为训练特征。
[0031]一实施例中，还包括：
[0032]在采集患者上肢运动时产生的肌电信号的同时采集患者上肢运动时产生的六轴信号；
[0033]在对肌电信号进行特征提取的同时对六轴信号进行特征提取；
[0034]将肌电特征的组合和六轴特征的组合同时作为训练特征进行分类模型的训练特征。
[0035]一实施例中，所述对六轴信号进行特征提取包括：
[0036]利用四元数计算六轴信号的三个方向的欧拉角euler
x
，euler
y
，euler
z
；
[0037]选取Y轴方向的欧拉角euler
y
作为特征提取的角度信号angle；
[0038]寻找角度信号angle所有极大值点对应的角度值angle
pos
和索引idx
pos
，以及角度信号angle所有极小值点对应的角度值angle
neg
和索引idx
neg
；
[0039]利用每一个极大值点的角度值angle
pos
减去在它之后出现的第一个极小值点的角度值angle
neg
，得到每次向后摆臂的摆臂幅度ampl
back
；
[0040]利用每一个极大值点的角度值angle
pos
减去在它之前出现的第一个极小值点的角
度值angle
neg
，得到每次向前摆臂的摆臂幅度ampl
for
；
[0041]剔除摆臂幅度中的异常数据，并将异常数据附近的两个极值点的角度和索引剔除；
[0042]根据剔除后剩余的数据进行特征提取，得到六轴特征。
[0043]一实施例中，所述将六轴特征进行组合的方法包括：
[0044]所述六轴特征包括：平均向前摆臂角度mAng
for
、平均向后摆臂角度mAng
back
、平均向前摆臂幅度mAmpl
for
、平均向后摆臂幅度mAmpl
back
、平均向前摆臂时间mT
for
和平均向后摆臂时间mT
back
；
[0045]通过下式得到第一六轴系数LZ1[0046][0047]通过下式得到第二六轴系数LZ2[0048][0049]通过下式得到第三六轴系数LZ3[0050][0051]将第一六轴系数LZ1、第二六轴系数LZ2和第三六轴系数LZ3作为训练特征。
[0052]第二方面，本专利技术提供一种上肢运动异常的在线分析装置，该装置包括：
[0053]信号采集模块：用于采集患者上肢运动时产生的肌电信号；
[0054]训练特征生成模块：用于对肌电信号进行特征提取，将提取的肌电特征进行组合作为训练特征；
[0055]训练标签生成模块：用于判断患者的上肢是否出现运动异常，将判断结果作为训练标签；
[0056]模型训练模块：用于将训练特征和训练标签共同输入机器学习分类器中，得到训练好的分类模型；
[0057]模型判断模块：用于利用训练好的分类模型判断患者上肢是否出现异常，将分类模型的输出作为最终的判断结果；
[0058]数据上传模块：用于将判断结果上传至服务器。
[0059]一实施例中，所述对肌电信号进行特征提取包括：
[0060]利用巴特沃斯滤波器对肌电信号进滤波处理；
[0061]将滤波处理后的肌电信号中的负值全部转换为正值，得到矫正后的肌电信号；
[0062]为矫正后本文档来自技高网...
【技术保护点】
【技术特征摘要】
JD4＝FR
×
Peak
f
；将第一肌电系数JD1、第二肌电系数JD2、第三肌电系数JD3和第四肌电系数JD4作为训练特征。5.如权利要求4所述的一种上肢运动异常的在线分析方法，其特征在于，还包括：在采集患者上肢运动时产生的肌电信号的同时采集患者上肢运动时产生的六轴信号；在对肌电信号进行特征提取的同时对六轴信号进行特征提取；将肌电特征的组合和六轴特征的组合同时作为训练特征进行分类模型的训练特征。6.如权利要求5所述的一种上肢运动异常的在线分析方法，其特征在于，所述对六轴信号进行特征提取包括：利用四元数计算六轴信号的三个方向的欧拉角euler
x
，euler
y
，euler
z
；选取Y轴方向的欧拉角euler
y
作为特征提取的角度信号angle；寻找角度信号angle所有极大值点对应的角度值angle
pos
和索引idx
pos
，以及角度信号angle所有极小值点对应的角度值angle
neg
和索引idx
neg
；利用每一个极大值点的角度值angle
pos
减去在它之后出现的第一个极小值点的角度值angle
neg
，得到每次向后摆臂的摆臂幅度ampl
back
；利用每一个极大值点的角度值angle
pos
减去在它之前出现的第一个极小值点的角度值angle
neg
，得到每次向前摆臂的摆臂幅度ampl
for
；剔除摆臂幅度中的异常数据，并将异常数据附近的两个极值点的角度和索引剔除；根据剔除后剩余的数据进行特征提取，得到六轴特征。7.如权利要求6所述的一种上肢运动异常的在线分析方法，其特征在于，所述将六轴特征进行组合的方法包...
【专利技术属性】
技术研发人员：王开亮，陈彪，冯军，胡威，孟源，
申请(专利权)人：北京戴来科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。