利用多次测量的SEMG健康侧与患侧的类别中心距，拟合得到AR模型，预测患者下 一次针刺治疗后，能够达到的康复效果。
[0021] 所述预处理为对sEMG信号进行除野值、陷波以及滤波的处理过程。
[0022] 所述时域和频域特征包括绝对值积分、过零次数、中值频率和一阶AR模型系数。
[0023] 所述绝对值积分包括以下提取过程：
【主权项】
1. 一种基于表面肌电的面瘫患者针灸疗效检测可视化系统，其特征在于， sEMG信号放大器的输入端连接sEMG信号采集电极，采集两侧面部肌肉的sEMG信号；sEMG信号放大器的输出端连接到sEMG信号AD转换器的输入端，将得到的sEMG信号通 过sEMG信号放大器进行放大； sEMG信号AD转换器的输出端连接sEMG信号分析装置的输入端，将模拟sEMG信号转换 成数字sEMG信号后发送到sEMG信号分析装置； sEMG信号分析装置的输出端连接显示器，显示器接收并显示sEMG信号分析装置发出 的信号。
2. 根据权利要求1所述的基于表面肌电的面瘫患者针灸疗效检测可视化系统，其特征 在于：所述sEMG信号采集电极为形状适合肌肉形状和区域大小的电极片。
3. 根据权利要求1所述的基于表面肌电的面瘫患者针灸疗效检测可视化系统，其特征 在于：所述sEMG信号分析装置为对sEMG信号进行全面分析处理，实现实时检测、滤波、特征 提取、特征向量降维、聚类功能的嵌入式系统。
4. 一种基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 将sEMG信号采集电极置于两侧面部肌肉，采集两侧面部肌肉的sEMG信号； 将得到的sEMG信号通过sEMG信号放大器进行放大，并通过sEMG信号AD转换器，将模 拟sEMG信号转换成数字sEMG信号； 将数模转换后的sEMG信号传输到sEMG信号分析装置进行预处理； 提取预处理后的sEMG信号的时域和频域特征，组建成特征向量； 采用PCA方法对特征向量降维，并利用kmeans聚类方法计算健康侧与患侧的类别中心 距； 利用多次测量的sEMG健康侧与患侧的类别中心距，拟合得到AR模型，预测患者下一次 针刺治疗后，能够达到的康复效果。
5. 根据权利要求4所述的基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 所述预处理为对sEMG信号进行除野值、陷波以及滤波的处理过程。
6. 根据权利要求4所述的基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 所述时域和频域特征包括绝对值积分、过零次数、中值频率和一阶AR模型系数。
7. 根据权利要求6所述的基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 所述绝对值积分包括以下提取过程：
所述过零次数的提取过程为：
所述中值频率的提取过程为：
所述一阶AR模型系数的提取过程为： Xi = a ? Xi-i+v 其中，IAV为绝对值积分，ZC为过零次数，MDF为中值频率，Xi为sEMG数据的第i个 采样点，N为sEMG时间窗的总长度，P(?)是sEMG的功率谱密度，a是一阶AR模型系数，
8. 根据权利要求4所述的基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 所述组建成特征向量包括以下过程： 健康侧的sEMG特征向量为：fvh = [IAVhZChARChMDFh] 患侧的sEMG特征向量为：fvd = [IAVdZCdARCdMDFJ IAVh = [iav1；h,iav2；h,iavm；h]T,IAVd = [iav1；d,iav2；d,iavm；d]T ZCh - [zc^h,zc2，h, ? ? ?，zcm，h] ,ZCd - [ZC。d,zc2,d, ? ? ?，zcm，d] ARCh - [&〇，a2，h, ? ? ?，am，h]，ARCd - [a1;a2,d，? ? ?，am，d] MDFh = [mdf1；h,mdf2；h,. . . ,mdfm；h]T,MDFd = [mdf1；d,mdf2；d,. . . ,mdfm；d]T 其中：IAV为绝对值积分，ZC为过零次数，MDF为中值频率，ARC为一阶AR模型系数，m 为sEMG时间窗的序号，h表不健康侧，d表不患侧，T表不向量的转置。
9. 根据权利要求4所述的基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 所述采用PCA方法对特征向量降维包括以下步骤： 步骤1):以健康侧的特征向量作为基础样本，构建basis矩阵：
其中，iavu,zcu,au,mdfu分别为绝对值积分、过零次数、一阶AR模型系数和中值频 率，h表示健康侧，d表示患侧，m表示sEMG时间窗序号； 步骤2):计算basis矩阵的协方差矩阵： H^x4-cov(basis) -SS
其中yi为s矩阵的各列的均值； 步骤3):将协方差矩阵对角化，得到特征向量与对应的特征值： V4X4_ 3 1，3 2，3 3，3 4]
式中3i，3 2, 3 3, 3 4为特征向量，入i，入2，入3，入4为特征向量对应的特征值 步骤4):将特征向量单位正交化，得到主要模式，并取前两列为传递矩阵 PM = [Hi, n2, n3, n4]4x4 = orthonormalized(v4x4) tm= [n1,ri2]4X2 其中，pm为主要模式，tm为传递矩阵，％n2,n3,114为所述特征向量@2, @3, 单位正交化后的结果； 步骤5):利用步骤4)中TM将特征向量降维成2mX2维矩阵COEFF:
表示降维后的特征向量。
10.根据权利要求4所述的基于表面肌电的面瘫患者针灸疗效检测方法，其特征在于： 所述AR模型如下：
其中，i=1，2. . .，n为待辨识的AR模型系数，n为AR模型的阶次， cUdk_2,. . .，dk_n分别为第（k-1，k-2,…，k-n)次检测得到的健康侧与患侧的类别中 心距，元为预测得到的第k的健康侧与患侧的类别中心距离。
【专利摘要】本发明涉及一种基于表面肌电的面瘫患者针灸疗效检测可视化系统及方法，所述系统由sEMG信号采集电极、sEMG信号放大器、sEMG信号AD转换器、sEMG信号分析装置和显示器依次连接；采集sEMG信号，通过sEMG信号放大器进行放大，并通过sEMG信号AD转换器传输到sEMG信号分析装置进行预处理，提取时域和频域特征，组建成特征向量，采用PCA方法对特征向量降维，并利用kmeans聚类方法计算健康侧与患侧的类别中心距，将类别中心距拟合，得到AR模型，预测患者的康复趋势；本发明在无创便捷的条件下，准确的检测面瘫患者面部双侧肌肉恢复程度，并进一步预测患者的康复趋势，为医生的临床治疗与患者的康复效果评价提供辅助性参考指标。
【IPC分类】A61B5-0488
【公开号】CN104545906
【申请号】CN201310518059
【发明人】韩建达, 赵新刚, 熊安斌
【申请人】中国科学院沈阳自动化研究所
【公开日】2015年4月29日
【申请日】2013年10月25日