一种上肢运动功能评估方法、系统、设备及介质

本发明涉及运动功能评估领域，特别是涉及一种上肢运动功能评估方法、系统、设备及介质。

背景技术：

1、上肢运动功能评估是指通过使用传感器技术来监测和分析人体上肢的运动能力和表现，旨在为医疗、康复、运动训练等领域提供准确、客观和实时的数据。这样的技术可用于多个方面，如运动康复、人机交互、虚拟现实游戏、远程康复监测等，为用户提供个性化的康复计划和指导，以及提升生活质量。

2、传感器可以通过非侵入性、便捷的方式收集有关上肢运动的数据，如运动轨迹、角度、力量、速度等，而无需依赖繁琐的传统测量方法。常见的传感器技术包括：惯性传感器：如加速度计、陀螺仪等，可用于测量上肢的加速度、角速度和姿态变化。表面电极传感器：用于记录肌肉的电活动，从而监测上肢的肌肉活动模式和力量。强度传感器：用于测量上肢的力量和压力，如手握力传感器、压力敏感传感器等。光学传感器：可以用于跟踪上肢运动的轨迹和姿态，如基于摄像头的运动捕捉技术。

3、随着传感器技术的不断发展，其小型化、智能化和成本降低等特点，使得上肢运动功能评估变得更加便捷和准确。同时，结合云计算、人工智能和机器学习等技术，可以对传感器收集的数据进行实时分析和处理，从而为用户提供即时的反馈和个性化的康复计划。

4、一个完整的自动化评估系统包括了数据采集、数据处理等部分，而不同研究里实现自动化评估的方式各式各样，流程中的各个步骤都各有特点。

5、对于系统仪器设备有着穿戴式与非接触式的实现，而非接触式的则往往对测试环境和设备有一定要求，例如微软的kinect。其中穿戴式的鲁棒性高、对环境的要求也更宽容，而对实现自动化评估的数据采集方法也千方百计，较为常见的有通过惯性传感器(imu)，表面肌电(semg)，弯曲传感器。目前在卒中评估研究中使用单独的imu测量上肢运动数据，单独的弯曲传感器测量手部的运动数据，在上肢运动功能评估时，需要测量上肢以及手部的运动状态，使用imu结合弯曲传感器的手段需要患者佩戴多个硬件，对患者造成佩戴负担，此外，单纯的弯曲传感器只能测量到手指的屈曲和屈伸，无法测量到手指的内收和外展，测量到的手指灵活度有限。

6、数据处理则是实现自动化评估的重要步骤，它决定了系统的准确性和可信性，基于运动任务的运动功能评估，一般是变长时序问题。在变长时序的分类问题中，构造统计特征是一种常用的方法之一。由于输入数据是序列数据，每个样本的长度可能不同，这就增加了对特征提取的挑战。构造统计特征可以将序列数据转换为固定长度的向量，从而使得传统的分类算法可以应用于这些数据，构造适用于运动任务质量分类的统计学特征是必要的。

7、一般上肢运动功能自动化评估的输出结果是一个离散的分类，粒度较粗，同一动作无法区分同一评分类别内的运动状态，因此，细粒度的评分是自动化评估需要解决的问题。

技术实现思路

1、本发明的目的是提供一种上肢运动功能评估方法、系统、设备及介质，可实现对人体上肢运动功能客观的、自动化的、细粒度的评估。

2、为实现上述目的，本发明提供了如下方案：本发明提供一种上肢运动功能评估方法，包括：获取手臂的运动数据、手指的运动数据和手指的弯曲状态；所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态均为时间序列数据。

3、根据所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态进行特征提取，得到输入特征向量。

4、根据所述输入特征向量进行特征选择，得到特征子集。

5、根据所述特征子集利用运动功能评估模型进行评估，得到运动质量评分。

6、可选地，根据所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态进行特征提取，得到输入特征向量，具体包括。

7、对所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态进行小波分解和经验模态分解，得到小波分解结果和经验模态分解结果。

8、将所述小波分解结果和经验模态分解结果进行提取和组合，得到输入特征向量。

9、可选地，根据所述输入特征向量进行特征选择，得到特征子集，具体包括。

10、利用relieff特征选择算法根据所述输入特征向量进行特征选择，得到特征子集。

11、可选地，所述运动功能评估模型包括输入层、基础卷积结构、第一全连接层、第二全连接层和输出层。

12、所述基础卷积结构设有多个，多个所述基础卷积结构分别与所述输入层和所述第一全连接层连接；所述第一全连接层还与所述第二全连接层连接；所述第二全连接层还与所述输出层连接。

13、可选地，所述运动功能评估模型在训练过程中的损失函数表达式为：

14、loss = -gather(neg_log_likelihood, 1, label).mean()。

15、其中，loss为损失函数，gather为从包含每个样本的负对数似然值的张量中选择与动作任务的医师评分标签张量中对应的负对数似然值，neg_log_likelihood为包含每个样本的负对数似然值的张量，label为动作任务的医师评分标签，mean()为数组平均值。

16、本发明还提供一种上肢运动功能评估系统，所述上肢运动功能评估系统应用所述的上肢运动功能评估方法，所述上肢运动功能评估系统包括：数据手套和上位机。

17、所述数据手套上设置多个惯性传感器和多个弯曲传感器；所述惯性传感器分别设置在掌心和手指远端；所述弯曲传感器设置在每个手指上；所述掌心的惯性传感器用于检测手臂的运动数据；所述手指远端的惯性传感器用于检测手指的运动数据；所述弯曲传感器用于检测手指的弯曲状态；多个惯性传感器和多个弯曲传感器均与所述上位机连接。

18、所述上位机用于获取手臂的运动数据、手指的运动数据和手指的弯曲状态；所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态均为时间序列数据；根据所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态进行特征提取，得到输入特征向量；根据所述输入特征向量进行特征选择，得到特征子集；根据所述特征子集利用运动功能评估模型进行评估，得到运动质量评分。

19、本发明还提供一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如所述的方法。

20、本发明还提供一种计算机存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如所述的方法。

21、根据本发明提供的具体实施例，本发明公开了以下技术效果：

22、本发明获取手臂的运动数据、手指的运动数据和手指的弯曲状态；所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态均为时间序列数据；根据所述手臂的运动数据、所述手指的运动数据和所述手指的弯曲状态进行特征提取，得到输入特征向量；根据所述输入特征向量进行特征选择，得到特征子集；根据所述特征子集利用运动功能评估模型进行评估，得到运动质量评分。通过手臂的运动数据、手指的运动数据和手指的弯曲状态利用运动功能评估模型实现对人体上肢运动功能客观的、自动化的、细粒度的评估。