【技术实现步骤摘要】
本专利技术属于康复评估装置与方法领域，涉及一种融合姿态和分布力的上肢运动功能自动评估装置与方法。
技术介绍
1、随着社会老龄化的加快，中风发病率也逐渐增高。中风致死、致残率极高，幸存者中70％留有不同程度的残疾，肢体运动功能障碍是降低患者生存质量的主要因素，给患者带来极大的痛苦。研究表明神经系统具有可塑性，发病初期及早的介入康复治疗，就有可能减轻残疾的患病程度，显著提高患者的生活质量。基于中风患者功能水平、损伤程度和恢复情况的康复评估是制定康复治疗方案的重要科学依据，同时也是评估患者功能变化、判断治疗效果及预后的依据。
2、然而，临床上常用的中风后上肢运动功能评估方法主要是定性或半定量的，主要包括主动活动度测量、brunnstrom stage,fugl-meyer assessment，barthel index、wolfmotor function test等。以量表为基础的传统评估方式已广泛得到医学领域的认可，但仍存在一些不足：1)评分机制具有一定的主观性，评估结果有一定差异，同一患者不同评估医师的纵向结果无法比较，不同患者之间的横向比较不足；2)医院间未建立统一的评估体系；3)耗时长，每次评估所需时间大于30min。基于自动化信息技术研究定量化自动康复评估方法可提高康复医疗技术的标准化，减少评估测试时间，同时减轻康复医师的负担。
3、一些学者采用惯性测量单元、数据手套、表面肌电传感器、康复机器人、视觉运动捕捉系统等装置，进行康复评估，如中国专利cn109222968b采用两个肌电传感器和一个加速度
技术实现思路
1、1.所要解决的技术问题：
2、现有的康复评估部分患者偏瘫后手指发生挛缩不方便佩戴可穿戴式的传感器，表面肌电信号本身具有微弱性、随机性、易受肌肉状态、皮肤汗液与环境的干扰等缺点。机器人比较昂贵普通家庭不能负担起费用，视觉运动捕捉系统可以更加合理的采集患者的运动信息，但是无法分析患者手部力量。现有康复评估的设备，需要穿戴、价格昂贵，不能被患者所普遍接受，无法解决临床评估主观、耗时、没有统一标准的问题。
3、2.技术方案：
4、为了解决以上问题，本专利技术提供了一种融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：包括一个阵列分布式柔性薄膜压力传感器和一台azure kinect分别与电脑主机连接，电脑主机和显示器相连用于进行人机交互，分布式柔性薄膜压力传感器采用多行多列式分布式传感阵列连接数据采集电路和电源模块，分别固定于抓握工具上，用于测试手部不同姿态的抓握力信息，手部力信息采集通过分布式柔性薄膜压力传感器测量，其余均为姿态信息采用azure kinect结合mediapipe进行测量，azure kinect采集受试者运动过程中的彩色图像和深度图像，并对齐彩色图像和深度图像，然后识别上肢各关节和手心三维姿态信息，mediapipe基于彩色图像识别手部各关节的三维姿态信息，通过各关节的三维姿态信息计算不同评估动作时上肢和手部各关节的运动姿态。
5、所述抓握工具包括多根圆柱、多个圆球和一根薄片，多根圆柱的直径都不相同，手指用写字握笔的姿势抓握一根圆柱，为对捏测量；手掌成钩状姿势抓握一个圆柱，为钩状抓握测量；手掌成圆柱状姿势抓握一个圆柱，为圆柱状抓握测量；手掌成球状姿势抓握一个圆球，为球状抓握测量；将薄片放置于拇指和食指之间进行抓握，为侧捏测量。每个圆柱、每个球体和薄片都被分布式柔性薄膜压力传感器包裹并固定。
6、通过所述评估装置能对上肢7项运动功能进行评估，分别为：屈肌协同运动、伸肌协同运动、伴有协同运动的活动、脱离协同运动的活动、腕稳定性运动、肘伸直，手指运动和协调能力与速度，所述屈肌协同运动功能通过动作1：肩上提，动作2：肩后缩，动作3：肩外展大于等于90°，动作4：肩外旋，动作5：肘屈曲，动作6：前臂旋后进行评估；所述伸肌协同运动功能通过动作7：肩内收、内旋，动作8：肘伸展，动作9：前臂旋前进行评估；所述伴有协同运动功能通过动作10：手触腰椎，动作11：肩关节屈曲90°，肘关节伸直，动作12：肘屈曲90°，前臂旋前、旋后进行评估；所述脱离协同运动功能通过动作13，肩关节外展90°，肘伸直，前臂旋前，动作14：肩关节屈曲举臂过头，肘伸直，前臂中立位，动作15：肩屈曲30°～90°，肘伸直，前臂选前旋后进行评估；所述腕稳定性通过动作16：肩0°，肘屈曲90°，腕背屈，动作17：肩0°，肘屈曲90°，腕伸屈，以及肘伸直，肩前屈30度时动作18：腕背曲、动作19：腕屈伸、动作20：腕环形运动进行评估；所述手指运动通过动作21：集团屈曲，动作22：集团伸展，动作23：勾状抓握，动作24：侧捏，动作25：对捏，动作26：圆柱状抓握，动作27：球状抓握进行评估；所述协调能力与速度通过动作28：震颤，动作29：辩距障碍，动作30：速度进行评估。
7、分布式柔性薄膜压力传感器，选用基于半导体压阻效应的压阻式触觉传感器作为传感元件，采集电路包括阵列扫描模块周期性扫描传感器阵列，检测传感单元的电阻分压值并输出到信号采集处理模块，信号采集处理模块采用stm32微控制器采集传感单元的电压值并解算，然后输出至外部设备，再通过标定装置对传感器进行标定，得到电压和压力的关系。
8、本专利技术提供了一种融合姿态和分布力的上肢运动功能的评估方法，采用巴特沃斯滤波器对所采集的姿态和力信息进行预处理，然后对每个评估动作分别进行特征提取，建立模糊逻辑fis，输入采用梯形隶属度函数，输出采用三角形隶属度函数，使用mamdani模糊推理法，通过模糊集合的笛卡尔积取小求得，采用去模糊化方法为centriod面积重心法，将模糊结论转化为具体的、精确的输出的过程。分类结果为：0表示不能完成动作，1表示完成部分动作，2表示完全完成动作，对包含两个或两个以上子动作的评估，对每个子动作分别建立fis，综合多个fis的输出结果评估等级，评估结果中如果几个fis评估模型评估结果中有一个为0，那么该动作的运动评估等级就为0，如果所有fis评估模型评估结果均为2最后结果才为2，其余的评估等级均为1，具体评估模型如下：
9、
10、梯形隶属度函数的公式为：
11、
12、所述三角形隶属度函数为：
13、
14、其中a、b、c和d是梯形隶属函数的四个顶点，e、f、g是三角形隶属度函数的三个顶点，xs是输入。
15、评估动作1-动作9和动作11提取运动的范围、平均速度和标准差作为特征值，输入fis，其中运动的范围表示运动角度的最大值本文档来自技高网...
【技术保护点】
1.一种融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：包括一个阵列分布式柔性薄膜压力传感器和一台Azure Kinect分别与电脑主机连接，电脑主机和显示器相连用于进行人机交互，分布式柔性薄膜压力传感器采用多行多列式分布式传感阵列连接数据采集电路和电源模块，分别固定于抓握工具上，用于测试手部不同姿态的抓握力信息，手部力信息通过分布式柔性薄膜压力传感器测量，其余均为姿态信息采用Azure Kinect结合MediaPipe进行测量，Azure Kinect采集受试者运动过程中的彩色图像和深度图像，并对齐彩色图像和深度图像，然后识别上肢各关节和手心三维姿态信息，MediaPipe基于彩色图像识别手部各关节的三维姿态信息，通过各关节的三维姿态信息计算不同评估动作时上肢和手部各关节的运动姿态。
2.如权利要求1所述的融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：所述抓握工具包括多根圆柱、多个圆球和一根薄片，多根圆柱的直径都不相同，手指用写字握笔的姿势抓握一根圆柱，为对捏测量；手掌成钩状姿势抓握一个圆柱，为钩状抓握测量；手掌成圆柱状姿势抓握一个圆柱，为圆柱状
3.如权利要求2所述的融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：通过所述的评估装置能对上肢的7项运动功能进行评估，分别为：屈肌协同运动、伸肌协同运动、伴有协同运动的活动、脱离协同运动的活动、腕稳定性运动、手指运动和协调能力与速度，所述屈肌协同运动功能通过动作1：肩上提，动作2：肩后缩，动作3：肩外展大于等于90°，动作4：肩外旋，动作5：肘屈曲，动作6：前臂旋后进行评估；所述伸肌协同运动功能通过动作7：肩内收、内旋，动作8：肘伸展，动作9：前臂旋前进行评估；所述伴有协同运动功能通过动作10：手触腰椎，动作11：肩关节屈曲90°，肘关节伸直，动作12：肘屈曲90°，前臂旋前、旋后进行评估；所述脱离协同运动功能通过动作13，肩关节外展90°，肘伸直，前臂旋前，动作14：肩关节屈曲举臂过头，肘伸直，前臂中立位，动作15：肩屈曲30°～90°，肘伸直，前臂选前旋后进行评估；所述腕稳定性通过动作16：肩0°，肘屈曲90°，腕背屈，动作17：肩0°，肘屈曲90°，腕伸屈，以及肘伸直、肩前屈30度时动作18：腕背曲、动作19：腕屈伸、动作20：腕环形运动进行评估；所述手指运动通过动作21：集团屈曲，动作22：集团伸展，动作23：勾状抓握，动作24：侧捏，动作25：对捏，动作26：圆柱状抓握，动作27：球状抓握进行评估；所述协调能力与速度通过动作28：震颤，动作29：辩距障碍，动作30：速度进行评估。
4.如权利要求1-3任一项所述的融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：分布式柔性薄膜压力传感器，选用基于半导体压阻效应的压阻式触觉传感器作为传感元件，采集电路包括阵列扫描模块周期性扫描传感器阵列，检测传感单元的电阻分压值并输出到信号采集处理模块，信号采集处理模块采用STM32微控制器采集传感单元的电压值并解算，然后输出至外部设备，再通过标定装置对传感器进行标定，得到电压和压力的关系。
5.如权利要求1-3任一项所述的融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：所述显示器用于显示医生教学、患者动作反馈及力信息的测量结果，患者根据教学视频依次运动上肢进行每个动作的评估测试。
6.一种使用融合姿态和分布力的上肢运动功能自动评估装置的评估方法，其特征在于：采用巴特沃斯滤波器对所采集的姿态和力信息进行预处理，然后对每个评估动作分别进行特征提取，建立模糊逻辑FIS，输入采用梯形隶属度函数，输出采用三角形隶属度函数，使用Mamdani模糊推理法，通过模糊集合的笛卡尔积取小求得，采用去模糊化方法为centriod面积重心法，将模糊结论转化为具体的、精确的输出的过程。分类结果为：0表示不能完成动作，1表示完成部分动作，2表示完全完成动作，对包含两个或两个以上子动作的评估，对每个子动作分别建立FIS，综合多个FIS的输出结果评估等级，评估结果中如果几个FIS评估结果中有一个为0，那么该动作的运动评估等级就为0，如果所有FIS评估结果均为2最后结果才为2，其余的评估等级均为1，具体评估模型如下：
7.如权利要求6所述的评估方法，其特征在于：所述梯形隶属度函数的公式为：
8.如权利要求7所述的评估方法，其特征在于：评估动作1-动作9和动作11提取运动的范围、平均速度和标准差作为特征值，输入FIS，其中运动的范...
【技术特征摘要】
1.一种融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：包括一个阵列分布式柔性薄膜压力传感器和一台azure kinect分别与电脑主机连接，电脑主机和显示器相连用于进行人机交互，分布式柔性薄膜压力传感器采用多行多列式分布式传感阵列连接数据采集电路和电源模块，分别固定于抓握工具上，用于测试手部不同姿态的抓握力信息，手部力信息通过分布式柔性薄膜压力传感器测量，其余均为姿态信息采用azure kinect结合mediapipe进行测量，azure kinect采集受试者运动过程中的彩色图像和深度图像，并对齐彩色图像和深度图像，然后识别上肢各关节和手心三维姿态信息，mediapipe基于彩色图像识别手部各关节的三维姿态信息，通过各关节的三维姿态信息计算不同评估动作时上肢和手部各关节的运动姿态。
2.如权利要求1所述的融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：所述抓握工具包括多根圆柱、多个圆球和一根薄片，多根圆柱的直径都不相同，手指用写字握笔的姿势抓握一根圆柱，为对捏测量；手掌成钩状姿势抓握一个圆柱，为钩状抓握测量；手掌成圆柱状姿势抓握一个圆柱，为圆柱状抓握测量；手掌成球状姿势抓握一个圆球，为球状抓握测量；将薄片放置于拇指和食指之间进行抓握，为侧捏测量。每个圆柱、每个球体和薄片都被分布式柔性薄膜压力传感器包裹并固定。
3.如权利要求2所述的融合姿态和分布力的上肢运动功能自动评估装置，其特征在于：通过所述的评估装置能对上肢的7项运动功能进行评估，分别为：屈肌协同运动、伸肌协同运动、伴有协同运动的活动、脱离协同运动的活动、腕稳定性运动、手指运动和协调能力与速度，所述屈肌协同运动功能通过动作1：肩上提，动作2：肩后缩，动作3：肩外展大于等于90°，动作4：肩外旋，动作5：肘屈曲，动作6：前臂旋后进行评估；所述伸肌协同运动功能通过动作7：肩内收、内旋，动作8：肘伸展，动作9：前臂旋前进行评估；所述伴有协同运动功能通过动作10：手触腰椎，动作11：肩关节屈曲90°，肘关节伸直，动作12：肘屈曲90°，前臂旋前、旋后进行评估；所述脱离协同运动功能通过动作13，肩关节外展90°，肘伸直，前臂旋前，动作14：肩关节屈曲举臂过头，肘伸直，前臂中立位，动作15：肩屈曲30°～90°，肘伸直，前臂选前旋后进行评估；所述腕稳定性通过动作16：肩0°，肘屈曲90°，腕背屈，动作17：肩0°，肘屈曲90°，腕伸屈，以及肘伸直、肩前屈30度时动作18：腕背曲、动作19：腕屈伸、动作20：腕环形运动进行评估；所...
【专利技术属性】
技术研发人员：白敬，王智贤，温秀兰，陆玄鸣，韩亚丽，孙慧玉，
申请(专利权)人：南京工程学院，
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。