[发明专利]脑卒中患者运动功能及疲劳状态综合评估方法

说明书

本发明涉及一种脑卒中患者运动功能及疲劳状态综合评估方法，包括肢体感知信号采集：将整个运动过程平均分隔成多个子阶段；构建各个子阶段的复杂网络：在各个子阶段，以每个运动周期作为其复杂网络的节点，节点间是否存在连边，依据对应的两个运动周期所采集到的肢体感知信号间的相似程度确定；对复杂网络演化特征进行提取，复杂网络演化特征为计算出的每个子阶段的复杂网络的刻画指标，以及相邻子阶段的复杂网络的刻画指标之间的演化差异值；利用提取的复杂网络演化特征，基于人工智能方法建立脑卒中患者运动功能评估模型。本发明不仅能对脑卒中患者的运动功能进行定量评估，还能对完成指定运动任务时的疲劳状态进行定量评估。

技术领域

本发明涉及脑卒中患者运动功能评估领域，特别涉及一种基于复杂网络演化的脑卒 中患者运动功能及疲劳状态综合评估方法。

背景技术

随着我国人口老龄化进程的加剧，脑卒中的发病率呈上升趋势。由于我国康复医学 的发展起步较晚，临床资源紧缺且存在分布失衡问题，致使许多脑卒中患者在出院后无法得到及时、科学的康复治疗，给社会和家庭带来沉重的精神压力和巨大的经济负担。

可穿戴设备技术的发展，为远程、定量、个体化评估脑卒中患者的肢体运动功能提供了可能的途径，国内外已有不少学者展开研究，并取得了丰硕的成果。在传感器选择 方面，应用最多的是微惯性传感器(包括加速度计、陀螺仪、磁力计等)。早期的研究 大多使用单轴的加速度传感器，但是后续的相关研究发现，单轴的加速度传感器无法完 整刻画脑卒中患者的肢体运动功能，因此，不少研究开始使用三轴加速度传感器，以及 加速度传感器与其他传感器(陀螺仪、磁力计等)进行多源融合，从而实现更为精细地 评估与分析。目前，九轴惯性传感器单元(包括三轴加速度传感器、三轴陀螺仪和三轴 磁力计)已基本上被公认为动作捕获的标准方案。在需要佩戴的传感器数量方面，使用 三轴传感器时，需要佩戴的传感器数量要明显少于使用单轴或双轴传感器的情况。在传 感器的佩戴位置方面，由于不同的研究小组所关注的肢体位置也不尽相同，从手指、手 腕、前臂、上臂，到后背、胯关节、膝盖、踝关节等位置均有相关报道。

然而，目前的研究在对脑卒中患者的运动功能进行评估时，仅要求脑卒中患者完成 一次或少数若干次指定的动作任务，且传统的临床康复评定量表也均为单次评估，即仅考虑脑卒中患者是否具备完成指定动作的能力，而忽略了脑卒中患者持续完成较多次数指定动作任务时的耐力与疲劳状态。

因此，有必要设计一种新的方法，实现对脑卒中患者运动功能和疲劳状态进行综合 评估。

发明内容

本发明的目的是提供一种脑卒中患者运动功能及疲劳状态综合评估方法，该评估方 法不仅能对脑卒中患者的运动功能进行定量评估，还能对完成指定运动任务时的疲劳状 态进行定量评估。

实现本发明目的的技术方案是：本发明包括以下步骤：

S1、信号采集：通过可采集肢体感知信号的运动捕捉设备对脑卒中患者多次重复完 成指定动作任务时的肢体感知信号进行采集；

S2、运动过程分隔：完成一次指定动作任务为一个运动周期，依据运动周期的数量M，将整个运动过程平均分隔成n个子阶段；各子阶段的运动周期数为其中n≥2；

S3、构建各个子阶段的复杂网络：在各个子阶段，以每个运动周期作为其复杂网络的节点，节点间是否存在连边，依据对应的两个运动周期所采集到的肢体感知信号间的 相似程度确定；当相似程度超过给定的阈值，则两个运动周期对应的节点存在连边，否 则不存在连边；其中，给定的阈值一般是通过通过采集正常人完成相同运动时的肢体感 知信号确定；

S4、对复杂网络演化特征进行提取：复杂网络演化特征为计算出的每个子阶段的复 杂网络的刻画指标，以及相邻子阶段的复杂网络的刻画指标之间的演化差异值；

S5、评估模型建立：利用提取的复杂网络演化特征，基于人工智能方法建立脑卒中患者运动功能评估模型。