一种基于多模态信号分析与肌电模式识别的脑瘫手功能评级方法

本发明涉及一种基于多模态信号分析与肌电模式识别的脑瘫手功能评级方法，属于生物医学工程和康复工程领域。

背景技术：

1、脑瘫是一种常见的神经发育障碍性疾病，可由多种因素引起。胎儿期、产程和早期婴儿期的脑损伤等均可能导致中枢神经系统的异常发育或运动功能障碍。脑瘫的临床表现多种多样，包括：肌张力异常(痉挛、强直或松弛)、运动协调障碍、姿势异常、反射活动异常、运动控制障碍等。肌肉僵硬、肌肉痉挛、肢体畸形、步态异常和运动障碍等是脑瘫常见症状。同时，脑瘫还可能导致智力障碍、视力和听力问题、言语障碍、认知障碍和行为问题。随着脑瘫发病率的逐年增加，给患者及其家庭带来了巨大的挑战和困扰。

2、手功能障碍是脑瘫患者最常见且最严重的问题之一。手部功能障碍极大影响患者的日常生活活动，如握持、抓取、操作物体等，使得脑瘫患者在独立性、社交互动和学习能力方面面临挑战。因此，准确评估脑瘫患者的手功能并实现分级对于制定个性化的康复治疗计划、改善患者生活质量和促进功能发展至关重要。

3、目前脑瘫患者手功能的评估主要依赖于临床观察、医师评估或功能量表评定等。其中，功能量表评定相对较为科学和具体，使用最为广泛，如脑瘫儿童手功能分级系统(manual ability classification system，macs)、脑瘫儿童精细运动能力测试量表(finemotor function measure，fmfm)等。macs是一种适用于4～18岁脑瘫患儿的手功能分类系统，根据患者在日常生活中使用手的能力将其分为5个级别。fmfm则用于0～6岁的脑瘫患儿，主要评估患儿的整体身体功能和运动能力。量表评估结果可能受到评估者主观判断的影响，缺乏客观性和一致性，不同评估者可能有不同的评估标准和解释，导致结果的不确定性。此外，macs只提供了对整体手功能的粗略评估，缺乏对具体手势动作和精细动作的详细评估。fmfm评估需要较长时间和专业训练，对评估者的经验和技能要求较高，且评估过程繁琐，且主要关注运动能力，对手功能的评估相对有限，无法提供全面的手功能信息。

技术实现思路

1、为了克服量表评估方法的局限性，参考macs量表考察的手功能特征，本发明提出了一种基于多模态信号分析与肌电模式识别的脑瘫手功能评级方法。首先，记录脑瘫患者在执行手势动作时前臂/后臂肌肉活动产生的肌电信号，一方面通过肌电模式识别方法对脑瘫患儿的手势动作分类，根据手势动作的可分性定量评估肌肉的协调性，另一方面通过肌电信号分解技术，分析脑瘫患儿执行不同手势动作时的肌肉激活区域以及激活水平，定量评估前臂/后臂肌肉的激活状况；其次，记录脑瘫患者在执行各手势动作时所施加的力量水平，通过力信号分析技术，准确评估脑瘫患者在执行手势动作时的力度控制能力；最后，记录脑瘫患者在执行手势动作时的加速度信号，通过加速度信号分析技术实现对手部动作速度、稳定性和协调性的定量评估。基于健康儿童提取的数据基准，提出了一种脑瘫患儿的手功能分级方案。

2、本发明中的一种基于多模态信号分析与肌电模式识别的脑瘫手功能评级方法，包括如下步骤：

3、步骤1：基于健康儿童日常生活以及脑瘫患儿临床康复训练常用手势动作，确定一个可用于手部功能评估的手势动作集合；

4、步骤2：募集不同年龄段健康儿童受试者，使用信号采集设备采集健康儿童执行手势动作集合中各手势动作的肌电信号、力信号和加速度信号，并对各信号进行预处理，获得健康儿童手势动作数据集；

5、步骤3：参考脑瘫儿童手功能分级系统macs定义的手功能特征，采用肌电信号模式识别方法建立健康儿童的手势分类精度基准、采用肌肉激活状态分析方法建立健康儿童的肌肉激活区域基准和肌肉激活水平基准、采用力信号分析方法建立一般力水平基准和最大力水平基准、采用加速度信号分析方法建立速度基准以及加速度变化率基准；

6、步骤4：基于健康儿童基准，建立脑瘫患儿手功能评估分级方案。

7、进一步，步骤1中，手势动作集合的动作包括：两指捏合、五指捏合、握拳、拧、按压、掌屈、背屈和勾状弯曲。

8、进一步，采集健康儿童执行手势集合中各手势动作的肌电信号、力信号和加速度信号的方法具体为，将表面肌电阵列放置于健康儿童的前臂和后臂，将加速度传感器固定于特定手指、手背、前臂以及后臂上，并根据不同手势放置力传感器，表面肌电阵列、力传感器和加速度传感器均连接到信号采集及分析设备，通过上位机软件实时显示相关信号，并将数据保存至计算机硬盘中。

9、进一步，根据不同手势放置力传感器的具体方法为，采用握力传感器、捏力传感器或者其他相应传感器，执行不同手势时，握住或捏住传感器并发力。

10、进一步，步骤2中，采集健康儿童执行手势集合中各手势动作的肌电信号、力信号和加速度信号的采集方法具体为，在实验采集过程中，参与者均以舒适姿态坐立，按照实验要求执行手势动作，动作的执行可分为三个阶段，即：开始阶段、维持阶段和结束阶段；在开始阶段，手部即将开始执行动作，肌肉开始收缩；在维持阶段，保持动作状态，所有关节和肌肉激活模式基本维持；在结束阶段，肌肉即将放松，手部回到原始状态；手势数据采集实验分别按照一般力水平以及最大力水平各进行一次，两次采集实验之间间隔若干天以上，在同一次实验中，每种手势动作重复执行n次，每次动作持续若干秒，每两次重复间隔若干分钟，不同手势动作之间必须间隔若干分钟以上，以防止肌肉疲劳。

11、进一步，步骤3中，采用肌电信号模式识别方法建立手势分类精度基准的具体方法为，包含以下步骤：

12、步骤3.1：使用机器学习、深度学习方法建立手势分类模型；

13、步骤3.2：使用健康儿童数据集训练手势分类模型，得到手势分类器；

14、步骤3.3：采用训练好的手势分类器对健康儿童的数据进行测试，得到各个手势动作的分类精度，建立手势分类精度基准。

15、进一步，步骤3中，采用肌肉激活状态分析方法建立肌肉激活区域基准、肌肉激活水平基准的具体方法为，使用时频域特征分析、基于非负矩阵分解的肌肉协同提取方法，对健康儿童的阵列表面肌电信号进行处理，获得健康儿童执行各手势动作时的肌肉激活区域及肌肉激活程度，建立肌肉激活区域基准、肌肉激活水平基准。

16、进一步，步骤3中，采用力信号分析方法建立一般力水平基准、最大力水平基准的具体方法为，根据健康儿童执行各手势动作时的发力水平曲线，获得各手势动作维持阶段的一般力水平以及最大力水平，建立一般力水平基准、最大力水平基准。

17、进一步，步骤3中，采用加速度信号分析方法建立速度基准、加速度变化率基准的具体方法为，对健康儿童执行各手势动作时从手指、手背、前臂以及后臂上采集到的加速度信号进行积分，获得速度信息，并进行微分以获得加速度变化率信息，建立速度基准、加速度变化率基准。

18、进一步，步骤4中，建立脑瘫患儿手功能评估分级方案，参考脑瘫儿童手功能分级系统macs定义的手功能特征，根据健康儿童的手势分类精度基准、肌肉激活区域基准、肌肉激活水平基准、一般力水平基准、最大力水平基准、速度基准、加速度变化率基准对脑瘫儿童的手功能特征建立评级标准。

19、本发明与现有技术相比的优点在于：当前脑瘫患者手功能评估主要依赖于临床观察、医师评估和功能量表，存在主观性、时间和资源消耗大、评估范围局限等问题。本发明通过肌电信号模式识别、肌肉激活状态分析、力信号分析与加速度信号分析等方法，多角度分析脑瘫患儿手势动作执行质量，为脑瘫患儿手功能分级提出准确、量化、客观和高效的方法。本发明不仅能够减轻脑瘫患儿的运动评估负担，也可为脑瘫患儿手功能康复治疗提供科学依据，以利于制定个性化康复治疗计划和护理策略。