分部位的手功能康复评估方法和装置与流程

本发明属于传感器技术领域，信号处理技术领域，康复仪器技术领域。特别涉及一种基于人手多部位信号的抓握康复功能评估和康复指导训练系统。

背景技术：

2004-2005年全国第三次死因回顾调查，心脑血管病已经成为我国居民第一位的致死病因。根据近年在全国开展的大样本流行病调查研究估算，我国脑卒中后存活患者在1000万以上，其中65岁以下首次发生卒中的比例占到近50％。在幸存者中约四分之三的人留有不同程度的偏瘫等后遗症，部分病人丧失劳动能力和生活能力。给国家和广大人民群众带来巨大的负担，如何让这些偏瘫患者快速康复成为急需解决的社会问题。

肢体运动或控制障碍的症状常见于偏瘫患者。针对偏瘫患者的治疗方法如人工物理作业，外界刺激等，康复训练师往往根据主观经验进行康复评估和康复训练计划制定，缺少可靠的量化评估手段和康复训练，也存在一定的医疗资源浪费。据临床研究发现，脑偏瘫患者下肢功能恢复速度远快于上肢功能恢复。当患者康复到一定程度，尽量减少紧缺的医疗资源的占用，使偏瘫患者可以在自行进行手功能康复训练。

目前现有的手抓握康复功能评估方法和训练系统对于手部分部位康复评估和训练研究较少，针对手部分手指，分关节，手掌分区域的力学信号，触觉和滑动信号以及分部位的运动信息的研究极少。而且，大多数系统是采集生物肌电信号和压力信号，生物电信号采集时，电极片需要固定在皮肤表面，肌肉群部位，这样患者在康复训练过程中需要佩戴很多的电极片，对于有手功能障碍的患者来说很不方便，采集压力信号时，部分压力传感器不易固定，有的传感器有一定的体积，在患者进行康复训练的时候，不利于患者进行手抓握动作从而影响手功能康复评估。

技术实现要素：

本发明旨在提供一种手功能康复评估和训练手功能的系统装置，辅助医师为手功能患者提供客观的评估以及制定个性化的康复计划，使患者在康复过程中有更好的效果和体验。

具体来说，一种分部位的手功能康复评估的装置，包括：

多模态数据采集模块，包括：压力、触觉和滑动信号采集模块和惯性传感数据采集模块；

多模态数据预处理模块，由压力、触觉和滑动数据预处理模块和惯性传感数据预处理模块；是通过传感器采集，手部运动信息通过惯性传感器采集，通过对传感器压电系数的测量可以量化出标准，通过惯性传感器可以量化手部分部位的运动信息；

手功能评估指标提取和显示模块，根据正常组进行抓握动作的数据进行量化指标提取，并将综合分析各个指标给予权重，制定康复评估评分机制；

反馈模块，将评估结果反馈。

优选的，量化指标提取包括：分部位压力占总握力比重是否在正常范围，分部位压力变化是否在正常范围，相对抓握装置是否有滑动和脱离，在进行抓握时分部位是否有抖动中的至少一种。

优选的，根据对无手功能障碍人员采集的数据提取分部位指标，分部位的压力指标(X1、X2……Xn),分部位的触觉和滑动指标(Y1、Y2……Yn,G1、G2……Gn)以及分部位的抖动指标(T1，T2……Tn)；最后评估得分：

C＝W11*X1+W12*X2+……W1n*Xn+W21*Y1+W22*Y2+……W2n*Yn+W31*G1+W32*G2+……W3n*Gn+W41*T1+W42*T2+……W4n*Tn，依据客观评估指标得到康复评估得分，康复医师根据临床康复水平设定一个到达标准的阈值。

优选的，传感器采用驻极体压电材料。

相应的，本发明还提供一种手功能康复实时评估方法，包括以下几个步骤：

步骤A:多模态数据采集和预处理：压力信号、触觉和滑动信号通过传感器采集，手部运动信息通过惯性传感器采集，通过对传感器压电系数的测量可以量化出标准，同样的通过惯性传感器可以量化手部分部位的运动信息，对采集手部关节、手指、手掌的空间形态结构信息、压力信号、触觉和滑动信号和其手部运动信息数据进行初步处理；

步骤B:提取手进行抓握动作时评估指标：在手部进行抓握动作时，采集手部多关节，多手指，手掌多部位信息参数，然后对提取手抓握动作评估的各个指标分配权重，综合客观评估手各个部位在康复中的起到的作用和需要起到什么作用，给出定量的评价。

步骤C:提取手持续进行抓握动作时，评估是否有滑动或者判断是否有抖动。

优选的，所述步骤B中，根据对无手功能障碍人员采集的数据提取分部位指标，分部位的压力指标(X1、X2……Xn),分部位的触觉和滑动指标(Y1、Y2……Yn,G1、G2……Gn)以及分部位的抖动指标(T1，T2……Tn)。

优选的，所述步骤B中，根据在手功能康复评估中，依据提取到的指标重要程度以及综合分析各个指标给予权重，例如压力指标的权重W11，W12, ……W1n是根据分部位压力从大到小给予的。

最后评估得分：

C＝W11*X1+W12*X2+……W1n*Xn+W21*Y1+W22*Y2+……W2n*Yn+W31*G1+W32*G2+……W3n*Gn+W41*T1+W42*T2+……W4n*Tn，依据客观评估指标得到康复评估得分，康复医师根据临床康复水平设定一个到达标准的阈值。

优选的，所述步骤C中，提取手持续进行抓握动作时，第一次抓握时会产生一个较大正向波，而抓握稳定时峰值回零，当持续抓握时，手部分部位如果和抓握装置有相对滑动传感器被快速的接触松开，再接触再松开，因此快速产生大小随机但是幅值较小的小峰，用于评估是否有滑动；手背佩戴有惯性传感器用于判断是否有抖动。

其中，具体包括分部位压力占总握力比重是否在正常范围，分部位压力变化是否在正常范围，相对抓握装置是否有滑动和脱离，在进行抓握时分部位是否有抖动。

优选的，传感器采用驻极体压电材料。

在本方法中，选用的压电驻极体薄膜制成的传感器，当前在国内研究压电驻极体相对较少，因此没有一个统一的压电驻极体传感器制作标准。因此，在使用此薄膜之前，都需要对材料进行电学特性的测量。

Q1和Q2是传感器上放置Mkg的物体前后的电荷量

则此传感器的压电系数d＝(Q2-Q1)/Mg。

本发明利用反映手进行抓握动作时手掌及手指不同部位对抓握装置力学振动情况的技术，反映手进行持续抓握动作是手掌及手指不同部位相对抓握装置接触和滑动情况的技术，并根据对无手功能障碍的实验人员采集手部分部位压力信号、触觉、滑动信号以及分部位的运动信号数据，利用SPSS统计学软件对手掌及手指不同部位设置不同的权重和合理的动态变化范围，对手功能障碍的患者进行评分，为康复医师提供更加直观的评估，康复医师也可以根据患者进行抓握动作的评分和表现，为具有手功能障碍的患者制定个性化的康复方案。

附图说明

图1手进行抓握动作时，手功能康复评估装置和方法框图。

图2数据采集模块及原理图。

图3数据处理模块及原理图。

图4手功能康复评估和训练的具体流程图。

图5手功能康复评估信息采集和评估系统模拟图。

具体实施方式

下面结合附图，对本发明的较优的实施例作进一步的详细说明：

本发明以临床上手功能障碍患者在进行抓握动作的康复评估和康复治疗下，以手抓握的多模量化评估为实施实例，进行进一步详细说明。本实施实例中的“多模”是指反映手抓握动作活动的技术所采集的数据，即一种基于新型压电材料传感器压力信号，触觉和滑动信号以及惯性传感技术，惯性传感器技术主要用于捕获人体运动信息，具有稳定性高、精准度高、集成度高等优点。

实施例1

本发明中该集成化装置的结构框图如图1所示，具体如下：

步骤1：多模态数据采集模块

本实施实例中，该模块包含了基于新型压电材料的压力、触觉和滑动信号采集模块和惯性传感数据采集模块，如图2和图3所示。新型压电材料采集的压力、触觉和滑动信号，反映了手进行抓握动作时手多部位压力信息和持续进行抓握动作时手功能障碍患者的手部部分位置相对抓握装置是否有滑动和脱离；惯性传感数据反映了手功能障碍患者进行抓握动作时手指和其他部位的运动情况。该模块将两种独立的采集模块集成化，不仅能够实现两种模态的数据实时地、同步地、独立地采集，同时也避免了传统上采集过程的复杂，更体现了技术集成化、便携化的发展理念。

步骤2：多模态数据预处理模块

本实施实例中，本模块主要是同步地、独立地对上述模块采集到的两种模态的数据进行预处理，以便于后续的处理，如图3所示，该模块由压力、触觉和滑动数据预处理和惯性传感数据预处理两个小模块组成。其中，对采集的压力数据、触觉和滑动数据进行去噪、滤波处理及量化，对惯性传感数据进行滤波、去噪处理等。

步骤3：手功能评估指标提取和显示模块

本实施实例中，该模块主要是对采集正常组数据进行预处理，根据正常组进行抓握动作的数据进行量化指标提取，具体包括分部位压力占总握力比重是否在正常范围，分部位压力变化是否在正常范围，相对抓握装置是否有滑动和脱离，在进行抓握时分部位是否有抖动，并将综合分析各个指标给予权重，制定康复评估评分机制。据此，为手功能康复提供可量化的评估手段。其中，对预处理的压力、触觉和滑动数据提取到手分部位的压力信息和相对抓握装置是否有滑动的信息，对预处理的惯性传感数据提取当手进行抓握动作时手分部位是否有抖动的信息。而后对提取的手功能康复的评估的各个指标分配权重进行评估评分显示。

步骤4：反馈模块

当康复医师对手功能康复评估时，手功能患者需要对抓握装置进行抓握动作，康复医师会得到一个直观，定量的评估结果，以及在抓握动作过程中手分部位中压力分配的动态变化范围和是否有抖动情况为康复医师提供更加详细的信息，为康复医师根据不同患者的病患情况制定个性的康复方案。

实施例2

在本发明中，本实施实例的具体实施的流程如图4所示，详细步骤如下：

步骤1：首先针对正常组进行数据采集，采集对象需要竖直静坐在椅子上，分部位佩戴惯性传感器，手臂与身体成90度角对特定的抓握装置进行抓握动作，开始多模态数据同步采集，如图5所示。

步骤2：对正常组采集的多模态数据进行预处理。

步骤3：对正常组采集的多模态数据利用统计的方法进行分析，然后根据正常组进行抓握动作的多模态数据进行量化指标提取，根据对无手功能障碍人员采集的数据提取分部位指标，分部位的压力指标(X1、X2……Xn),分部位的触觉和滑动指标(Y1、Y2……Yn,G1、G2……Gn)以及分部位的抖动指标(T1，T2……Tn)。

步骤4：根据在手功能康复评估中，依据提取到的指标重要程度以及综合分析各个指标给予权重，例如压力指标的权重W11，W12, ……W1n是根据分部位压力从大到小给予的。

步骤5：压力指标是根据分部位应该承担的压力和正常的动态变化范围给予权重，触觉和滑动指标是根据分部位对抓握装置是否接触和滑动给予权重，抖动指标是根据手进行抓握时是否有抖动给予权重，通过分部位的惯性传感器采集到数据量化为加速度(A1,A2……An)，当分部位有抖动时,分部位Ai会出现一个正反变化的数值，当Ai＝0时说明没有抖动，当Ai绝对值越大时，说明抖动现象越严重，抖动指标越小最后导致得分越低。最后评估得分：

C＝W11*X1+W12*X2+……W1n*Xn+W21*Y1+W22*Y2+……W2n*Yn+W31*G1+W32*G2+……W3n*Gn+W41*T1+W42*T2+……W4n*Tn，依据客观评估指标得到康复评估得分，康复医师根据临床康复水平设定一个到达标准的阈值。

步骤6：然后针对具有手功能障碍患者进行评估，同样地，患者需要按照步骤1的要求竖直静坐在椅子上，分部位佩戴惯性传感器，手臂与身体成90度角对特定的抓握装置进行抓握动作，开始多模态数据同步采集。

步骤7：对同步采集的多模态数据进行预处理。

步骤8：提取手功能康复评估指标。

步骤9：依据客观评估指标得到康复评估得分：

C＝W11*X1+W12*X2+……W1n*Xn+W21*Y1+W22*Y2+……W2n*Yn+W31*G1+W32*G2+……W3n*Gn+W41*T1+W42*T2+……W4n*Tn，康复医师根据临床康复水平，既可以通过人体形态学的评定、疼痛评定、运动功能评定、感觉功能评定等非客观标准设定不同的康复等级，通过对正常组和具有不同等级手功能障碍患者的实验以及与临床康复水平的比较，当评分达到90以上可视为康复的阈值。

步骤10：根据康复评估得分和反馈的手分部位信息为患者制定个性化的康复方案指导康复训练。

步骤11：经过一段时间康复训练后，需要再次进行康复评估，则重复步骤6-步骤8。

步骤12：康复完成。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。