一种基于八通道采集装置的上肢运动功能康复系统

本发明涉及一种上肢康复训练系统。特别是涉及一种基于八通道肌电采集装置的上肢运动功能康复系统。

背景技术：

1、调查显示，脑卒中已成为我国成年人残疾的首要原因。脑卒中具有发病率高、致残率高的特点，我国脑卒中患者基数大、治疗周期较长、恢复效果较差。脑卒中会导致患者部分脑区受损，进而失去部分肢体的控制能力。双手作为人体的重要器官，对于完成日常活动有着极为重要的作用。因此恢复脑卒中患者的手部功能至关重要。此外，对于接受过手部手术的患者，也需要进行康复训练来恢复手部功能。

2、现有研究表明，相比于传统的被动康复模式，主动康复要求患者主动配合康复过程，可以提供更好的康复效果。主动康复的要点在于恢复神经反射与手部肌肉的自然同步，因此需要采集肌电信号来触发手部的康复动作。表面肌电图(semg)是指用肌电仪记录下来的肌肉生物电图形，对评价人在人机系统中的活动具有重要意义。表面肌电图基于一个简单的传导过程：每当肌肉收缩时，就会产生电活动，该电活动通过相邻的组织和骨骼传导，然后被相邻皮肤区域上的电极片记录下来，表面肌电图活动(以微伏为单位)与肌肉收缩量以及收缩肌的数量呈线性正相关。因此，结合表面肌电信号检测技术的主动康复模式可以及时识别患者的肌肉活动，驱动康复设备协助患者完成动作，加快康复速度。

3、功能性电刺激(functional electrical stimulation,fes)技术是指在特定设备辅助下，引导被试上肢或下肢实现某些功能或任务的神经肌肉电刺激，这是一种应用广泛，且效果显著的康复治疗和辅助技术。功能性电刺激技术通常被称作神经假体或神经义肢，在施加功能性电刺激过程中出现的可被捕捉的运动功能提升现象被称作神经义肢效应，该技术不但可以产生实时的神经义肢效应，同时也可以产生能够被长期保留的神经义肢治疗效果。功能性电刺激的工作方式是利用目标电极向目标部位传递预先设定好的强度适中的低频脉冲电流，在电极周围形成局部电场，当电场强度足够大时，会使得电极附近的外周运动神经元达到兴奋阈值，引发动作电位，从而激活肌肉产生收缩，完成肢体的运动。

4、表面肌电信号数据具有非线性、特征复杂、信噪比低的特点。作为机器学习的最先进理论，深度学习(deep learning)在处理大数据信息上有着很强的优越性，已经在表面肌电信号的研究中获得了广泛的应用。深度学习是一种端到端的学习方法，能够从输入信号中直接提取并学习更深层次的内在表征并进行分类。到目前为止，已有许多深度学习的体系结构被提出并应用于表面肌电分析、康复训练等领域。

技术实现思路

1、本发明所要解决的技术问题是，提供一种能够对上肢肌电信号进行有效辨识和正确分类，并能够随着康复进程的发展，不断增加新的动作类别的识别，进而促进上肢运动机能康复的基于八通道肌电采集装置的上肢运动功能康复系统。

2、本发明所采用的技术方案是：一种基于八通道肌电采集装置的上肢运动功能康复系统，包括有依次连接的：便携式肌电采集模块(1)、人机交互界面(2)、肌电解码模块(3)和功能性电刺激模块(4)。系统包括康复模式与评估模式两种工作模式；在康复模式下，使用者通过所述的人机交互界面(2)进行康复动作选择，随后人机交互界面(2)中产生动作指示；所述的便携式肌电采集模块(1)从使用者上肢采集表面肌电信号；所述的肌电解码模块(3)通过深度学习技术对采集到的表面肌电信号进行解码并根据解码结果控制功能性电刺激模块(4)；所述的功能性电刺激模块(4)通过电刺激脉冲协助手部进行运动，完成对应的康复动作；在评估模式下，使用者首先通过所述的人机交互界面(2)选择动作；便携式肌电采集模块(1)获取执行动作过程中的表面肌电信号，并将表面肌电信号输入肌电解码模块(3)产生评估结果，并将评估结果发送至人机交互界面(2)进行显示。

3、所述的一种基于八通道肌电采集装置的上肢运动功能康复系统，特征在于，所述的便携式肌电采集模块(1)包括有：依次连接的用于采集表面肌电信号的金属电极及固定装置和连接线(11)、用于表面肌电信号放大和转换的表面肌电放大模块(12)、用于控制表面肌电放大模块(12)的主控模块(13)，以及分别连接表面肌电放大模块(12)和主控模块(13)的供电模块(14)，所述的金属电极及固定装置和连接线(11)中的金属电极通过固定装置固定在使用者前臂上侧处，直接接触使用者皮肤，并采集表面肌电信号，通过连接线及dc3.5mm接口与表面肌电放大模块(12)相连接，用于表面肌电信号的采集和传输；主控模块(13)负责读取来自于表面肌电放大模块(12)的数据，并发送至肌电解码模块(3)。

4、所述的一种基于八通道采集装置的上肢运动功能康复系统，特征在于，所述的用于采集表面肌电信号的金属电极及固定装置和连接线(11)通过电极获取位于前臂的前群和后群多束肌肉的共八个通道的表面肌电信号；所述的表面肌电放大模块(12)由单片具有高共模抑制比的微弱电信号采集芯片以及其外围电路构成；

5、所述的主控模块(13)以arm cortex-m3为主控芯片，具有spi、adc、gpio常用接口，通过主控芯片外围电路支持工作状态，并通过集成式wi-fi通信芯片与主控芯片连接实现无线通信功能；通过spi接口与表面肌电放大模块(12)进行通信，对采集信号放大倍数以及采样速率进行控制，并采集到的表面肌电信号；主控模块(13)与肌电解码模块(3)进行无线通信，并传输采集到的表面肌电信号；

6、所述的供电模块(14)采用3节1.5v锂电池进行串联供电，并由旋钮对工作状态进行控制；当旋钮旋至工作时，主控模块通过隔离升降压芯片向表面肌电放大模块(12)和主控模块(13)输出5v电压；当旋钮旋至关闭状态时，主控模块断开5v电压输出。

7、所述的一种基于八通道采集装置的上肢运动功能康复系统，特征在于，所述的人机交互界面(2)采用pc端进行实现，主要完成wi-fi数据收发、蓝牙数据收发、语音提示、电刺激控制5项任务；用户通过键盘输入进行训练模式选择、参数设置，并根据显示屏的视觉提示进行康复训练或康复效果评估；通过wi-fi与肌电解码模块(3)进行无线数据通信，通过蓝牙与功能性电刺激模块(4)进行无线通信与控制。

8、所述的一种基于八通道采集装置的上肢运动功能康复系统，特征在于，为了随着康复进程发展不断增加对新的动作类别的识别能力，提出基于增量学习的表面肌电识别模型对表面肌电信号进行分析处理，训练过程分为两个步骤：

9、1)在预训练阶段，被试者在人机交互界面(2)的指导下，做出对应的动作并采集相应数据，将采集到的初始化数据进行预处理后，使用初始化数据对基于增量学习的表面肌电识别模型进行初始化预训练；

10、2)在被试康复过程中，即模型增量学习阶段中，被试者在人机交互界面(2)的指导下，做出未经训练过的新类别的动作并采集相应数据，将采集到的新数据进行预处理后，使用数据对基于增量学习的表面肌电识别模型进行增量训练。

11、所述的基于增量学习的表面肌电识别模型，特征在于，步骤1)2)中所述的对采集到的表面肌电信号进行预处理，包括滤波降噪、数据增强两个阶段；在滤波降噪阶段，采用notch滤波器对50hz工频干扰进行陷波滤波，随后采用butterworth带通滤波器组对表面肌电信号进行滤波处理，将表面肌电信号的频带限制为3-200hz，得到预处理后的表面肌电信号l表示通道数，g表示样本数；在数据增强阶段，对预处理后的表面肌电信号分别通过长度为l的滑动窗口进行数据切分，滑动窗口的滑动步长为b，且滑动窗口之间互不重叠；第j个滑动窗口数据表示为作为一个样本，表示第j个滑动窗口中的第gi个数据点，为每一个样本设定标签，标签为在段时间内，用户进行的对应动作类型。

12、所述的基于增量学习的表面肌电识别模型，特征在于，经过初始化训练阶段后得到初始化模型f0，之后在每个增量学习的阶段t，模型将从ft-1增量学习至ft；任意阶段的模型ft，都可以分解为特征提取器φt和线性分类器wt，对于特征提取器φt，结构如下：

13、(1.1)数据输入层，输入数据为用户预处理后的表面肌电信号

14、(1.2)通道注意力模块，对输入通道的数据进行加权处理，可学习参数为卷积层输入通道深度d×肌电通道数l，d＝30；

15、(1.3)时间卷积模块，包括依次连接的第一2d卷积层，卷积核大小为1×1；第一批归一化层；第二2d卷积层，卷积核大小为1×k，k＝115，使用分离卷积模式；第二批归一化层；第一激活函数层；

16、(1.4)深度注意力模块，作用于时间卷积模块的输出数据上，包括依次连接的半全局池化层，半全局池化层在输入的空间维度上执行全局平均池化，使得输入特征在保留时间维度全部信息的同时进行深度维度的信息筛选；深度2d卷积层，卷积核大小为6×1，深度2d卷积层进一步筛选数据的深度信息，促进局部信息的交互，同时减少参数数量；激活层，采用softmax函数，将深度信息转换为概率信息，对输入特征进行加权处理；

17、(1.5)通道卷积模块，包括依次连接的第三2d卷积层，卷积核大小为1×1；第三批归一化层；第四2d卷积层，卷积核大小为c×1，c＝100，使用分离卷积模式；第四批归一化层；第二激活函数层；

18、(1.6)正则化模块，包括依次连接的平均池化层，池化核大小为1×a，a＝5；dropout层，dropout概率为0.5，用于加速模型训练，减轻过拟合；

19、(1.7)展平层，将高维数据转换为一维数据；

20、对于线性分类器wt，结构为全连接层，采用softmax作为激活函数，神经元个数为24，输出为指定动作的预测结果。

21、所述的增量学习阶段，在增量学习阶段t需要新采集数据集dt，携同保留的旧数据的采样vt，合成为数据集使用新建立的特征提取器φt和线性分类器wt在数据集上进行训练；待训练完成后，将训练好的特征提取器φt和线性分类器wt拼接到上一个增量学习阶段得到的模型ft-1，得到模型然后新建模型在数据集上训练模型的输出直到与模型的输出的误差收敛；最后将模型定义为增量学习阶段t的模型ft。

22、所述的一种基于八通道采集装置的上肢运动功能康复系统，特征在于，用户在使用前进行模块模式选择，选择康复模式或评估模式，康复模式包括如下使用步骤：

23、1)用户对需要进行康复训练的动作进行选择，并设置训练参数；

24、2)用户根据屏幕提示，进行相应动作的运动；

25、3)肌电解码模块(3)对用户的微弱表面肌电信号进行解码，判断是否进行了相应动作，将结果通过wi-fi传送至mcu处理器(24)；

26、4)mcu处理器(24)根据分类结果，决定是否驱动对应动作的电刺激输出，进而助力相应手指运动

27、评估模式包括如下使用步骤：

28、1)用户对需要进行康复效果评估的动作进行选择，并设置评估参数；

29、2)用户根据屏幕提示，做出相应的手指动作；

30、3)表面肌电放大模块(12)采集运动时的表面肌电信号，并通过所述的主控模块(13)，发送至mcu处理器(24)；

31、4)mcu处理器(24)根据采集到的表面肌电信息给出康复效果评估等级。