一种基于神经网络的电刺激参数生成方法及装置

本发明属于电刺激信治疗，尤其是涉及一种基于神经网络的电刺激参数生成方法及装置。

背景技术：

1、脑卒中是一种突发性脑血管疾病，通常由于脑部的血液供应中断或受到阻碍而引起，脑卒中可分为缺血性脑卒中和出血性脑卒中两类，由于脑卒中常导致脑组织的损伤，这可能影响大脑皮层、脑干或小脑等控制运动的区域，从而导致肢体运动障碍。

2、“健带患的对侧功能性电刺激”相对于传统电刺激在康复治疗中具有一些优势，该“健带患”的双侧运动模式能抑制大脑偏侧化效应，减少健侧对患侧的抑制，促进偏瘫侧肢体的运动恢复，当前的“健带患的对侧功能性电刺激”治疗过程中，采集健侧肢体运动时的电刺激参数，并使用该参数作为患侧肢体康复过程中电刺激脉冲参数刺激患者，电刺激脉冲参数固定不变，无法根据健侧肢体的动作，在患侧实时生成能产生相同动作的电刺激脉冲，导致治疗效果差治疗周期长。

技术实现思路

1、有鉴于此，本发明旨在提出一种基于神经网络的电刺激参数生成方法及装置，以期解决上述部分技术问题中的至少之一。

2、为达到上述目的，本发明的技术方案是这样实现的：

3、本发明第一方面提供了一种基于神经网络的电刺激参数生成方法，包括以下步骤：

4、s1、使用电刺激脉冲刺激患者健侧肢体采集健侧肢体的semg的多时域特征，将电刺激脉冲的电刺激参数和多时域特征作为初始数据，多组初始数据组成数据集；

5、s2、使用数据集训练神经网络模型生成预测神经网络；

6、s3、根据健侧肢体的标准semg生成相应参数的标准电刺激脉冲，使用标准电刺激脉冲电刺激患者的患侧肢体；

7、s4、采集训练过程中患侧肢体的实时semg，将实时semg输入至预测神经网络输出相应的调整电刺激脉冲的参数。

8、进一步的，所述s1中semg的多时域特征包括平均绝对值、均方根值、过零点数、斜率变号次数、波形长度；

9、电刺激参数包括幅值、脉宽、频率；

10、通过控制变量的方法，在患者健侧肢体上施加不同电刺激参数的电刺激脉冲，并采集相应的semg的多时域特征作为初始数据，多组初始数据组成数据集；

11、数据集中80％的初始数据作为训练集，20％的初始数据作为测试集；

12、所述s2中使用测试集测试训练完毕的神经网络模型，如果误差低于阈值则将神经网络模型作为预测神经网络；

13、如果误差高于阈值，则重新训练神经网络模型。

14、进一步的，所述s2中使用测试集数据进行归一化处理，使用归一化处理后的测试集数据测试训练完毕的神经网络模型，输出电刺激参数预测值，计算归一化后的电刺激参数预测值与测试集数据中的实际电刺激参数值之间的误差，所述误差包括绝对误差mae、均方误差mse、均方根误差rmse；

15、如果误差低于阈值则将神经网络模型作为预测神经网络；

16、如果误差高于阈值，则重新训练神经网络模型；

17、使用训练集数据训练神经网络模型对输入值和输出值进行归一化处理。

18、进一步的，通过控制变量的方法，在患者健侧肢体上施加不同电刺激参数的电刺激脉冲，并采集相应的semg的多时域特征作为初始数据的步骤如下：

19、a1、电刺激参数中的两个参数不变，逐级调整另外一个参数，每调整一次参数对患者健侧执行的电刺激时间为1s，同时采集因电刺激刺激肌肉而产生的semg数据片段；

20、a2、将数据片段以200ms窗口大小划分为五个片段，采集这200ms内的semg信号传输数据到上位机进行滤波降噪处理，同时提取计算该片段的semg的时域特征；

21、a3、对五个片段的semg的时域特征数据进行平均值处理，最终得到该电刺激参数下与之对应的五种时域特征数值，作为初始数据。

22、进一步的，所述神经网络模型创建过程如下：

23、创建了一个具有一个隐藏层的前馈神经网络；

24、配置了隐藏层的传递函数为双曲正切函数，输出层的传递函数为线性传递函数；

25、使用随机数据生成训练集、验证集和测试集；

26、使用训练集对神经网络进行训练；

27、提取了训练后的神经网络的权重和阈值；

28、在验证集上评估了神经网络的性能，并输出了隐藏层和输出层的权重、阈值以及验证集上的性能指标。

29、进一步的，所述s4包括以下步骤：

30、s41、采用滑动窗口策略实时截取运动帧来采集训练动作下每个数据片段的semg的时域特征；

31、s42、将实时semg的时域特征输入至预测神经网络输出相应的调整电刺激脉冲的参数，使用调整电刺激脉冲刺激患者的患侧肢体；

32、控制每个胳膊抬起训练动作的时长为3s±0.5s，运动数据帧的长度为200ms±10ms，滑动步长选择60±5ms，在每次训练动作执行的过程中获取40-50组数据。

33、本发明第二方面提供了一种基于神经网络的电刺激生成装置，包括：

34、肌电采集模块，其被配置为采集肢体的semg的时域特征；

35、电刺激模块，其被配置为使用电刺激脉冲刺激肢体；

36、控制模块，其被配置为执行以下步骤：

37、s1、控制肌电采集模块产生电刺激脉冲刺激患者健侧肢体采集健侧肢体的semg的多时域特征，将电刺激脉冲的电刺激参数和多时域特征作为初始数据，多组初始数据组成数据集；

38、s2、使用数据集训练神经网络模型生成预测神经网络；

39、s3、根据健侧肢体的标准semg生成相应参数的标准电刺激脉冲，控制电刺激模块标准电刺激脉冲电刺激患者的患侧肢体；

40、s4、通过肌电采集模块采集训练过程中患侧肢体的实时semg，将实时semg输入至预测神经网络输出相应的调整电刺激脉冲的参数，控制电刺激模块以调整电刺激脉冲刺激患者的患侧肢体。

41、本发明第三方面提供了一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，所述处理器用于执行上述第一方面所述的方法。

42、本发明第四方面提供了一种服务器，包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如第一方面所述的方法。

43、本发明第五方面提供了一种计算机可读取存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现第一方面所述的方法。

44、相对于现有技术，本发明所述的一种基于神经网络的电刺激参数生成方法及装置具有以下有益效果：

45、本发明所述的一种基于神经网络的电刺激参数生成方法，时域特征在时刻改变，对应生成的电刺激参数也在实时更新，使得患侧肢体产生与健侧相同的低延时同步运动，实现了健侧带动患侧的肢体运动功能康复的功能，相较于传统的固定参数电刺激治疗而言，具有更好的康复效果。