[发明专利]一种基于肌电-惯性传感的膝关节腱反射状态评估方法

权利要求书

1.一种基于肌电-惯性传感的膝关节腱反射状态评估方法，用于康复训练过程中，对康复训练设备诱发的腱反射肢体响应状态进行评估，训练对象坐在座椅上，在训练对象的股四头肌对应的大腿前部肌肉表面贴附第一肌电传感器，在腘绳肌对应的大腿背部肌肉表面贴附第二肌电传感器；训练对象的大腿位于座椅相对保持静止，小腿在膝关节带动下实现伸展和屈曲运动；在训练对象的小腿前部表面贴附惯性传感器，其特征在于，所述基于肌电-惯性传感的膝关节腱反射状态评估方法，包括以下步骤：

1)评估系统连接：

评估系统包括肌电采集模块、运动采集模块、数据采集卡和上位机，肌电采集模块包括第一肌电传感器和第二肌电传感器，运动采集模块包括惯性传感器；贴附在训练对象的股四头肌对应的大腿前部肌肉表面的第一肌电传感器和贴附在腘绳肌对应的大腿背部肌肉表面的第二肌电传感器，分别用来采集股四头肌作为原动肌收缩且腘绳肌作为拮抗肌放松时引起膝关节伸展运动以及腘绳肌作为原动肌收缩且股四头肌作为拮抗肌放松时引起膝关节屈曲运动的肌群肌电信息；贴附在训练对象的小腿前部表面的惯性传感器，用来检测小腿运动的肢体运动的惯性信息，检测小腿运动能够进一步分析得到是否有效诱发；第一肌电传感器、第二肌电传感器和惯性传感器分别连接至数据采集卡，数据采集卡连接至上位机；

2)康复训练过程中，肌电采集模块采集得到的肌群肌电信息以及运动采集模块采集得到的肢体运动的惯性信息通过有线或无线的方式分别传输至数据采集卡，数据采集卡同步肌群肌电信息和肢体运动的惯性信息后，再通过有线或无线的方式上传至上位机，Δt₁为数据采集卡同步采样周期时间；

3)根据训练动作，肌群肌电信息分原动肌肌电信息和拮抗肌肌电信息；对肌电采集信息采用带通滤波去除肌电信号中的低频和高频信号；进一步对肌电信息进行整流，即肌电信号为正保持不变，肌电信号为负取绝对值；把带通滤波和整流处理后的肌电信息进行标记，在采样时刻i，原动肌肌电信息为s_agonist(i)，拮抗肌肌电信息为s_antagonist(i)；

4)对原动肌肌电信息，采用时域积分肌电值作为肌电幅值特征以及频域平均功率频率作为肌电变化速度特征；肌电幅值特征的计算过程是以正整数T个采样周期时间为信号窗口时间，针对信号窗口内的原动肌肌电信息的采样数据进行计算，计算完成后连续滑动至下一计算时刻，肌电幅值特征的计算公式为：

其中，^agonistEMG_j为连续计算并存储的第j个原动肌肌电幅值特征；

肌电变化速度特征的计算公式为：

其中，f为频率，p(f)为肌电信号的功率谱密度函数；^agonistMPF_j为连续计算并存储的第j个肌电变化速度特征；

5)对惯性信息，在采样时刻i，惯性传感器输出的惯性信息包括小腿关节角度θ(i)、关节角速度和关节角加速度采用时域下的角速度均方值作为惯性信息幅值特征以及角加速度均方值作为惯性信息变化速度特征；惯性信息幅值特征RMS_V_j的计算公式为：

惯性信息变化速度特征RMS_A_j的计算公式为：

6)考虑到膝关节腱反射诱发后，肌群肌电信息能够快速发生变化，肢体运动变化略滞后于肌电变化，即惯性信息变化滞后于肌群肌电信息；由于腱反射诱发的肢体运动存在潜伏期，因此为确保肌群肌电信息变化和惯性信息变化在同一个信号窗口，信号窗口时间为T·Δt₁；此外，人体大脑发起运动意图到最终肢体产生运动需要时间，因此，信号窗口时间满足：

(3～5)·Δt₀≤T·Δt₁≤(100～200)ms

该信号窗口时间的设置，保证了信号窗口能够覆盖有效的肌群肌电信息和惯性信息，同时又保证了在人体主动运动意图传递至训练肢体前，利用尽可能少的有效数据作出腱反射状态评估；从而在评估出腱反射状态后，为后续的训练的决策提供支持；

7)对一名特定的训练对象，建立多元线性回归模型作为个性化腱反射状态描述方程：

F＝α₀+α₁·^agonistEMG_j+α₂·^agonistMPF_j+α₃·RMS_V_j+α₄·RMS_A_j

其中，F为腱反射肢体响应临床评分，α₀为回归常数，α₁、α₂、α₃和α₄分别为肌电幅值特征、肌电变化速度特征、惯性信息幅值特征和惯性信息变化速度特征的对应系数；

8)对训练对象膝关节由临床通过工具施加腱反射刺激诱发产生的肢体响应分级成多种响应等级，并对相应的响应等级赋予腱反射肢体响应临床评分；

9)对训练患者进行由临床通过工具施加的多组随机刺激进行记录：在第k组刺激中，在0时刻施加腱反射刺激，对训练对象的响应等级对应的腱反射肢体响应临床评分记为F_k；在施加刺激后的第一个信号窗口时间，记录得到该时刻的肌电幅值特征、肌电变化速度特征、惯性信息幅值特征和惯性信息变化速度特征，并分别标记为^agonistEMG_{j_k}、^agonistMPF_{j_k}、RMS_V_{j_k}和RMS_V_{j_k}，下标k代表第k组刺激结果，k＝1,2,3,4,……；

10)共完成N组刺激，N为刺激的组数，得到N组数据，并代入个性化腱反射状态描述方程得到：

对上述方程组进行求解，得到系数α₀、α₁、α₂、α₃和α₄；

11)确立了系数α₀、α₁、α₂、α₃和α₄后，个性化腱反射状态描述方程则得到确立，进一步用于该训练对象在康复训练过程中由康复训练设备诱发的腱反射状态的评估：

在康复训练过程中，需要考虑拮抗肌的状态；根据训练要求，拮抗肌应该处于放松状态，拮抗肌肌电幅值应为零；拮抗肌肌电幅值特征的计算公式为：

其中，^antagonistEMG_j为连续计算并存储的第j个拮抗肌肌电幅值特征；因此，实时腱反射状态评估方程为：

F_η＝[1-sign(^antagonistEMG_j)]·

[α₀+α₁·^agonistEMG_j+α₂·^agonistMPF_j+α₃·RMS_V_j+α₄·RMS_A_j]

其中，F_η为腱反射肢体响应有效评分，由于^antagonistEMG_j≥0，当^antagonistEMG_j＝0时，sign(^antagonistEMG_j)＝0；当^antagonistEMG_j0时，sign(^antagonistEMG_j)＝1；

12)对腱反射肢体响应有效评分分级成多种等级，并将每一种等级对应于由康复训练设备诱发的腱反射肢体响应状态，从而完成对康复训练设备诱发的腱反射肢体响应状态进行评估。