CN104207793B - 一种抓握功能评估与训练系统 - Google Patents

Abstract

本发明公开了一种抓握功能评估与训练系统，包括主机交互模块，用于引导用户实时调节握力大小和肌肉收缩状况以完成虚拟任务；信号采集模块，用于采集用户上肢的力学信号和肌电信号；信号存储模块，用于接收所述信号采集模块的力学信号和肌电信号进行存储，以及存储特征参数；主机控制模块，分别与所述主机交互模块和信号存储模块连接，用于将所述信号采集模块传输的力学信号和肌电信号进行运算与处理，得到特征参数，通过特征参数控制虚拟场景进行相应的游戏操作以训练运动控制功能，最后将特征参数传输给信号存储模块。本发明抓握功能评估与训练系统利用肌电信号、力学信号多参数进行人机交互，对脑卒中患者手功能进行训练和评估，从而提高患者手部运动功能。

Description

一种抓握功能评估与训练系统

技术领域

本发明涉及医疗领域，特别涉及一种基于上肢力学信号和肌电信号的抓握功能评估与训练系统。

背景技术

脑卒中(中风)已经成为人类健康的第二大杀手，它具有发病率高、死亡率高、致残率高的特点。根据统计中国每年发生脑中风病人达200万。我国脑卒中的发病率正以每年近9％的速度上升。现幸存中风病人700万，其中450万病人不同程度丧失劳动力，生活不能自理，致残率高达75％，5年内复发率高达41％。脑卒中后的偏瘫患者日常行为能力受到严重影响。相关临床研究发现，脑卒中偏瘫患者下肢功能恢复速度远快于上肢功能恢复30％-66％的脑卒中用户遗留有不同程度的上肢功能障碍，且有将近10％是重度致残，所以上肢和手功能障碍的恢复仍是目前脑卒中后康复治疗的重点及难点之一。针对中风患者后期的临床康复治疗通常以康复评估开始,又以康复评估结束，康复治疗师通过康复评估为病人制定合理的治疗计划，在治疗过程中，康复治疗师通过康复评估及时调整康复治疗方案，最终通过康复评估确定治疗效果，所以康复评估是康复中至关重要的一个环节。而传统的量表评估法是一种半定量的评估方法，且可重复性较差。目前，采用肌肉电信号分析技术评估脑卒中用户神经肌肉系统的功能状态是近年来康复医学研究兴起的一个热门领域。

目前大多数康复设备主要针对大关节(肩、肘、膝、踝等)运动功能的康复，针对手部关节的精细动作康复训练的研究和应用较少。传统的上肢康复方法包括人工物理治疗，反复作业疗法，强制运动疗法以及中医学中的针灸医术等，这是一个长期过程，需要治疗师与患者一对一手动互动，自动化程度不高。综上所述，针对脑卒中用户上肢，尤其是结合多模态多参数抓握动作对中风患者上肢功能的综合康复评估仍比较少，且将所得评估用于指导康复进程并利用生物电信号进行人机交互对游戏控制的实例缺乏，从而不能显著提高康复训练的效率和效果。

发明内容

为了解决现有技术问题，本发明提出一种抓握功能评估与训练系统，利用不同握力级任务的设置及肌电信号、力学信号多参数进行人机交互，对脑卒中用户进行初步的手功能评估，为用户的康复评估提供参考依据，且利用多参数对虚拟游戏进行控制，从而提高脑卒中用户的康复效率和康复效果，提高患者训练的积极性。

一种抓握功能评估与训练系统有以下几个模块：1)主机交互模块，包括用户交互界面，用于引导用户实时调节握力大小，调整握力姿势，调节肌肉收缩状况以完成虚拟任务；2)信号采集模块，用于采集用户上肢的力学信号和肌电信号，并对肌电信号进行至少包括放大和滤波的预处理；以及接收主机控制模块的特征参数进行存储；3)信号存储模块，用于接收所述信号采集模块的力学信号和肌电信号进行存储；4)主机控制模块，分别与所述主机交互模块和信号存储模块连接，用于将所述信号存储模块传输的力学信号和肌电信号进行运算与处理，得到反映抓握控制能力的特征参数，将其特征参数作为控制信号输出给主机交互模块以进行相应游戏操作的训练控制。

进一步，所述主机控制模块包括：

特征参数提取单元，用于对所述信号存储模块中的力学信号和肌电信号进行计算分析得到所述特征参数作为抓握控制能力评估结果，并且把相应所述特征参数传输到信号存储模块；

虚拟游戏参数设置单元，其根据信号存储模块存储的用户抓握控制能力评估结果设置虚拟游戏中两个光标所对应的信号特征参数，以及目标光标的运动时间、运动范围、运动速度和运动轨迹类型；

力学反馈控制单元，用于处理压力传感器采集的力学信号，输出能够反映用户此时产生的握力情况的特征参数到主机交互模块，与主机交互模块相交互；

肌电反馈控制单元，用于处理经过肌电采集装置放大和滤波的肌电信号，输出能够反映用户此时拮抗肌肉群的共收缩情况的特征参数到主机交互模块，与主机交互模块相交互。

进一步，所述虚拟游戏参数设置单元，还用于设置异常监控单元所监测的信号特征参数的异常阈值；所述主机控制模块还包括异常监控单元，用于对所述特征参数提取单元提取的特征参数进行实时监控，当所述特征参数中能够表征用户屈肌肌群协同情况的参数幅值或者表征用户拮抗肌群共收缩情况的参数幅值达到预设的所述异常阈值时，提示用户调整发力大小和发力姿势，避免不正确的发力方式。

进一步，所述信号采集模块包括肌电信号采集单元、力学信号采集单元，分别用于采集用户上肢的肌电信号和力学信号；所述力学信号采集单元是握力测量装置，采集用户执行握力控制任务产生的力学信号；所述肌电信号采集单元是由多个表面电极和肌电放大滤波电路组成。

所述握力测量装置被设计成一个圆柱外形，中间为固定的四个一维的压力传感器，可测得一个方向的力和两个方向的力矩，用于测量用户产生的握力值和所对应的选择力矩参数；

通过所述表面电极提取采集用户上肢运动相关的四对肌肉的肌电信号，并将采集到的多个通道肌电信号进行至少包括放大和滤波的预处理；表面电极提取用户上肢肩、肘、腕关节的四对肌肉的肌电信号，包括对三角肌前束、三角肌后束、肱三头肌、肱二头肌、桡侧腕屈肌、桡侧腕伸肌、指浅屈肌、指总伸肌的肌电信号中至少一种进行采集。

进一步，所述信号采集模块还包括信号转换模块，用于将采集到的用户上肢力学信号和肌电信号通过DAQ采集卡，经过模数转换送入信号存储模块。

进一步，所述特征参数提取单元，用于将采集的上肢力学信号进行计算分析得到特征参数，所述特征参数包括以下至少一项：实际握力值、目标值偏差比、旋转力矩比、平均绝对值、方差、积分肌电和肌电幅值。

进一步，所述虚拟游戏参数设置单元设置康复训练任务，其根据所述信号存储模块存储的用户握力控制能力评估结果设置虚拟游戏中两个光标所对应的位置参数，并设置目标光标的运动范围、运动时间和运动速度参数；可设置不同握力级下的动作，包括25％，50％，75％，100％最大握力级。

与现有技术相比，本发明抓握功能评估与训练系统，及其操作方法具以下有益效果：

(1)相比较于量表评估法一定程度依赖于康复治疗师的个体主观判断，有仁慈误差和中间偏向误差，以及大多数定量评估的参数只涉及单一方面，本系统利用了肌电信号和力学信号进行多参数更全面的评估脑卒中用户的握力控制能力，从根源上对脑卒中用户的神经肌肉康复水平进行评估，从更直观的角度反映脑卒中用户的上肢屈肌肌群的协同情况和上肢拮抗肌群的共收缩状况。

(2)利用该系统评估得到的脑卒中用户上肢控制能力的多参数，制定了个性化的康复训练计划，包含多模态的若干康复训练任务，从而更有针对性的指导脑卒中用户进行康复训练，有利于临床上医生对病人康复情况的监护。

(3)基于虚拟现实技术的虚拟环境的设计，提高了康复的趣味性和可控性，从而提高了用户的训练耐性，且在本虚拟训练环境中可以选择光标对应多种信号特征参数。

(4)所涉及的将肌肉共收缩状况利用生物反馈技术，融入到康复训练中，并和虚拟现实技术相结合，指导参与者实时连续性的调整拮抗肌群的收缩情况。

(5)所涉及的将肌肉异常协同检测、肌肉异常共收缩检测融入于训练康复中，能够及时地反映出训练者肌肉的异常情况，并予以反馈。

(6)基于虚拟现实技术虚拟游戏的设计，既有利于提高康复的趣味性，提高用户的训练耐性，而且本游戏中对参数的控制要求参与者针对不同握力目标实时地调整和控制发力的大小，并且通过对旋转力矩比的控制要求参与者实时地调整发力的姿势，使上肢握力控制能力得到更为全面的锻炼。

附图说明

图1是本发明提供的一种握力控制能力评估和康复训练方法的流程示意图。

图2是发明提供的一种握力控制能力评估和康复训练系统的部分实验装置。

图3是本发明提供的一种握力控制能力评估和康复训练方法中步骤S1的流程示意图。

图4是本发明提供的一种握力控制能力评估和康复训练方法中步骤S3的流程示意图。

图5是本发明提供的一种握力控制能力评估和康复训练方法中的虚拟交互界面。

图6是是本发明提供的一种握力控制能力评估和康复训练方法中步骤S4的流程示意图。

图7是本发明提供的一种握力控制能力评估和康复训练系统的结构示意图。

具体实施方式

下面将结合附图和具体实施方式，对本发明的技术方案进行清楚、完整地描述，显然，本说明书中描述的具体实施方式仅仅是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中给出的实施方式，本领域的普通技术人员在没有进行创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

本发明提供一种抓握功能评估与训练系统，可实现握力控制能力评估和康复训练的方法，首先通过设置不同握力级任务，分析任务过程中采集到的力学信号和肌电信号，提取出多个信号特征参数，对脑卒中用户进行初步的握力控制能力评估，将得到的评估结果用于制定个性化的手部功能康复训练计划。再根据康复训练计划，结合生物反馈技术和虚拟现实技术，选取能定量表征用户屈肌肌群协同状况的力学信号特征参数进行力学反馈训练，或者选取能定量表征拮抗肌群共收缩状况的肌电特征参数进行肌电反馈训练，来达到多任务和多模态的训练效果，从而提高脑卒中用户的康复效率和康复效果，提高患者训练的积极性。同时，在训练过程中，还针对多个特征参数进行监控，一旦用户出现屈肌肌群异常协同或拮抗肌群异常共收缩，系统就会提示用户调整发力姿势。

参见图1，是本发明提供的一种握力控制能力评估和康复训练方法的流程示意图。

本发明实施例提供一种握力控制能力评估和康复训练方法，包括以下步骤S1～S5：

步骤S1、指导用户执行不同握力级任务，同时记录用户上肢的力学信号和相关肌肉的肌电信号，提取信号特征参数；

其中，设置的握力级包括25％、50％、75％最大握力。

本发明实施例的康复评估和训练方法通过使用自主设计的握力测量装置和肌电信号采集模块。

参考图2，本发明实施例的握力测量装置，它外形呈一个圆柱体，便于用户抓握，内部是四个一维力传感器，可以测得一个方向的力和两个方向的力矩。该握力测量装置也可设计呈一个圆柱体，内部是一个六维力传感器。

如图3所示，所述步骤S1具体包括步骤：

S11、通过虚拟现实游戏，引导用户完成最大握力测量任务；

S12、测得最大握力后，对握力水平进行归一化，得到不同握力级；

S13、通过虚拟现实游戏，引导用户执行不同握力级任务，同时采集任务过程中的力学信号和肌电信号。本实施例中，通过得到的最大握力值作为握力控制任务的衡量标准，用户根据主机交互界面的指示灯指示随机完成25％，50％，75％最大握力任务，每个握力级各执行三次，执行过程中握力测量装置采集的力学信号通过主机交互模块相交互。

本实施例中，在该步骤下，利用表面电极提取肌肉表面微弱的肌肉电信号，通过屏蔽效果较好的导联线来实现原始肌电信号的提取。所用电极为三点式差动输入电极。其中，一个为参考地，另外两个为肌电的输入端。

本实施例中，通过表面电极提取采集用户上肢肩、肘、腕关节的四对肌肉的肌电信号，包括有三角肌前束、三角肌后束、肱三头肌、肱二头肌、桡侧腕屈肌、桡侧腕伸肌、指浅屈肌、指总伸肌。

S14、分析处理采集到的力学信号和肌电信号，提取综合评估用户握力控制能力的多个特征参数。

本实施例中，选择的信号特征参数如下：实际握力值、目标值偏差比、旋转力矩比、平均绝对值、方差、积分肌电和肌电幅值；

A、目标值偏差比：

$\mathrm{TDR}=\frac{\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(p\left(i\right)-p_0)}^2}}{p_0},(i=\mathrm{1,2}....N-1,N)$ (公式1)

式中，N为该段时间内的采样点数，p₀为目标握力值，p(i)为第i个采样点的握力值。

B、旋转力矩比：

旋转力矩公式为：

T＝F×L (公式2)

其中，F是压力传感器采集的握力，L是从转动轴到着力点对应的力臂；

旋转力矩比的计算公式为：

$R=\frac{T}{F^{\′}}$ (公式3)

其中，T是用户作用在握力测量装置上的旋转力矩，F‘是此次任务的目标握力值。

C、平均绝对值

$\mathrm{MAV}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|x_i\right|,(i=\mathrm{1,2}....N-1,N)$ (公式4)

式中，N为该段时间内的采样点数，x_i为第i个采样点的EMG信号幅值。

D、方差

用于反映信号的功率。将其定义为：

$\mathrm{VAR}=\frac{1}{N-1}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i^2$ (公式5)

式中，N为该段时间内的采样点数，x_i为第i个采样点的EMG信号幅值。

E、积分肌电：

$\mathrm{IEMG}={\∫}_{T2}^{T1}x\left(t\right)\mathrm{dt}$ (公式6)

F、肌电幅值：

EA＝max{x₁} (公式7)

H.拮抗肌对共收缩值：

$\mathrm{CCI}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left(\frac{{\mathrm{EMG}}_{\mathrm{lower}}}{{\mathrm{EMG}}_{\mathrm{higher}}}\right)({\mathrm{EMG}}_{\mathrm{lower}}+{\mathrm{EMG}}_{\mathrm{higher}})$ (公式8)

式中，N为每一帧的采样点数，EMG_lower是第i个采样点的拮抗肌对中肌电值较小者的肌电幅值，EMG_higher是较大者的肌电幅值。

利用如上所示参数可以定量地评估用户握力控制能力。

步骤S2、对用户手部握力控制能力进行评估，根据评估结果制定个性化康复训练计划，设置虚拟现实游戏参数；本实施例中，虚拟现实游戏参数包括肌肉异常提示的阈值。

步骤S3、根据康复训练计划，进行力学反馈训练，同时记录用户上肢的力学信号和肌电信号，提取信号特征参数，将提取出的特征参数与设定的阈值比较，以实现对训练过程中用户上肢肌群异常状况的监控。

对于中风后上肢运动功能受限的患者，其握力姿势异常的一个主要原因是用户上肢肌无力、肌张力障碍，以及上肢相关肌肉异常协同，所以本发明将利用握力大小、旋转力矩比对屈肌肌群的收缩状况进行实时反馈和监控。

如图4所示，所述步骤S3具体包括如下步骤：

S31、通过虚拟游戏交互界面，引导用户实时连续地调整握力大小或者旋转力矩比。

本实施例中，虚拟游戏交互界面如图5所示，包括一个指示灯，指示灯亮时，提示用户开始训练；指示灯灭时，提示用户一次训练结束；指示灯发出红光时，提示用户屈肌肌群异常协同或拮抗肌群异常共收缩。并且，虚拟游戏界面还包含两个可移动的醒目的光标，两个光标在一段范围为0-100％的线段上移动。其中一个光标代表归一化后的某一个信号特征参数实际值，它的移动情况由用户通过调整发力姿势和发力大小来调整。另一个光标是目标值，其运动范围、运动时间、运动速度等参数均由在步骤S2中根据用户手部功能评估结果设置。一般情况下，让目标光标作匀速运动或者正弦运动。

本实施例中，两个光标所对应的信号特征参数选择握力大小。目标光标的运动情况可设置如下：初始位置0％，最大位置75％，运动时间25s，做匀速直线运动或者正弦运动。

S32、记录力学信号、肌电信号及信号特征参数。

训练时记录的力学信号、肌电信号及信号特征参数均保存在信号存储模块，以做评估用。

S33、在训练的同时，监控上肢屈肌肌群的协同状况，当相关特征参数达到设定的阈值时，给出异常提示。

其中，旋转力矩比体现上肢屈肌肌群协同状况，输入到异常监控模块。

对于手功能损伤程度较大的参与者，或者是长时间训练导致握力姿势改变的情况下，用户在执行任务时上肢肌肉可能出现异常协同的情况，所以本发明将利用旋转力矩比对屈肌肌群协同情况进行实时监控。

步骤S4、根据康复训练计划，进行肌电反馈训练，同时记录用户上肢的力学信号和肌电信号，提取信号特征参数，将提取出的特征参数与设定的阈值比较，以实现对训练过程中用户上肢肌群异常状况的监控和反馈。

在康复训练过程中，通过对肌电信号进行实时分析和处理，得到拮抗肌对共收缩值。其作为虚拟现实游戏的交互参数，能够指导用户实时调整手部拮抗肌对(指总伸肌、指浅屈肌)或腕部拮抗肌对(桡侧腕屈肌、桡侧腕伸肌)的收缩状况，进而调整握力大小和握力姿势。

对于中风后上肢运动功能受限的患者，其握力姿势异常的一个主要原因是用户上肢拮抗肌群的异常共收缩，所以本发明将利用共收缩值对拮抗肌群的收缩状况进行实时反馈和监控。

如图6所示，所述步骤S4具体包括以下步骤:

S41、采集上肢4对拮抗肌对的肌电信号，并计算相应共收缩值，选取其中一对拮抗肌对，作为目标拮抗肌对,将其共收缩值作为虚拟游戏的输入。

本实施例中，在该步骤中，因为抓握动作的特殊性，只选择指浅屈肌和指总伸肌的共收缩值，或者桡侧腕屈肌和桡侧腕伸肌的共收缩值作为虚拟现实游戏的输入。

S42、通过虚拟游戏交互界面，引导用户实时连续地调整目标拮抗肌对的收缩状况，记录力学信号、肌电信号及信号特征参数。

本实施例中，本实施例中，两个光标所对应的信号特征参数选择拮抗肌对共收缩值。目标光标的运动情况可设置如下：初始位置20％，最大位置50％，运动时间20s，做匀速直线运动或者正弦运动。

S43、在训练的同时，监控上肢拮抗肌群的共收缩状况，当其达到设定的阈值时，给出异常提示。

在该步骤中，4对拮抗肌对的优先级是相同的，其中任意一对拮抗肌对的共收缩值达到了阈值，就会给出提示，提醒用户调整发力大小和发力姿势。

步骤S5、分析用户训练时的信号特征参数，并进行连续性地评估，根据评估结果同步地调整康复训练计划。

本实例中，不仅在康复训练之前对用户的握力控制能力进行初步地评估，还在整个训练过程中对用户的握力控制能力进行连续地评估，从而根据用户实际训练状况和恢复情况适应性地调整训练计划，提高康复效率。

本发明提供的一种握力控制能力评估和康复训练系统，能够实施上述实施例中的一种握力控制能力评估和多种康复训练方法。

参见图7，是本发明提供的一种握力控制能力评估和康复训练系统的结构示意图。一种握力控制能力评估和康复训练系统，包括主机交互模块1，包括用户交互界面，用于引导用户进行实时调节握力大小，调整握力姿势，调节肌肉收缩状况以完成虚拟任务；信号采集模块2，用于采集用户上肢的力学信号和肌电信号，并对肌电信号进行至少包括放大和滤波的预处理；信号存储模块3，用于接收所述信号采集模块的力学信号和肌电信号进行存储，以及存储特征参数；主机控制模块4，分别与所述主机交互模块和信号存储模块连接，用于将所述信号存储模块传输的力学信号和肌电信号进行运算与处理，得到特征参数，通过特征参数控制虚拟场景进行相应的游戏操作以训练运动控制功能。

所述主机交互模块1，包括虚拟交互单元11，用于引导用户完成相应的任务和调整握力姿势。

本实施例中，虚拟交互单元11通过建立一个虚拟环境并通过虚拟交互界面显示给参与者,比如可以是显示屏幕或投影屏幕系统，在虚拟游戏的指导下，实现对握力大小、握力姿势和肌肉收缩状况的调整。本实例中的虚拟交互界面，如图2，包含1个指示灯，指示灯的作用是给出提示，包括开始训练提示(绿灯)、训练异常提示(红灯)和结束训练提示(黄灯)。

本实例中的虚拟交互界面包含2个可移动的虚拟光标，它们在范围为0-100％的线段上移动。该系统对于提高上肢中风用户的康复训练趣味性具有十分重要的意义。

所述信号采集模块2，包含肌电信号采集单元21，力学信号采集单元22，用于采集用户上肢的力学信号和肌电信号；通过握力测量装置采集用户执行握力控制任务产生的力学信号。

本实施例中，所述握力测量装置被设计成一个圆柱外形，中间为固定的四个一维的压力传感器，可测得一个方向的力和两个方向的力矩，用于测量用户产生的握力值和所对应的选择力矩参数。并且，所述握力测量装置也可以设计成一个圆柱外形，中间为固定的一个六维的压力传感器，可测得三个方向的力和三个方向的力矩。通过表面电极提取采集用户上肢运动相关的四对肌肉的肌电信号，并将采集到的多个通道肌电信号进行至少包括放大和滤波的预处理。

本实施例中，通过表面电极提取采集用户上肢肩、肘、腕关节的四对拮抗肌肉的肌电信号，包括有三角肌前束、三角肌后束、肱三头肌、肱二头肌、桡侧腕屈肌、桡侧腕伸肌、指浅屈肌、指总伸肌。表面电极获得肌电信号，然后将其放大到合适的倍数并且进行滤波以消除传输过程中的电磁干扰，同时使得信号数据易于分析和存储。

所述主机控制模块4，分别与所述主机交互模块1和信号存储模块3连接，包括特征参数提取单元41，虚拟游戏参数设置单元42，肌电反馈控制单元43，力学反馈控制单元44，异常监控单元45。

其中，特征参数提取单元，用于对所述信号存储模块中的力学信号和肌电信号进行计算分析得到所述特征参数作为抓握控制能力评估结果，并且把相应所述特征参数传输到信号存储模块；

虚拟游戏参数设置单元，其根据信号存储模块存储的用户抓握控制能力评估结果设置虚拟游戏中两个光标所对应的信号特征参数，以及目标光标的运动时间、运动范围、运动速度和运动轨迹类型；还用于设置异常监控单元所监测的信号特征参数的异常阈值；

力学反馈控制单元，用于处理压力传感器采集的力学信号，输出能够反映用户此时产生的握力情况的特征参数到主机交互模块，与主机交互模块相交互；

肌电反馈控制单元，用于处理经过肌电采集装置放大和滤波的肌电信号，输出能够反映用户此时拮抗肌肉群的共收缩情况的特征参数到主机交互模块，与主机交互模块相交互；

异常监控单元，用于对所述特征参数提取单元提取的特征参数进行实时监控，当所述特征参数中能够表征用户屈肌肌群协同情况的参数幅值或者表征用户拮抗肌群共收缩情况的参数幅值达到预设的所述异常阈值时，提示用户调整发力大小和发力姿势。

本实施例中，可将两个光标所对应的信号特征参数设置为归一化后的握力大小，进行力学反馈训练，也可设置为拮抗肌对共收缩值，进行肌电反馈训练，还可以根据用户的评估结果选择其它个性化的对应信号特征参数，进行有针对性的康复训练。

本实施例中，代表用户信号特征参数实际值的光标，其运动情况由用户通过调整发力大小和发力姿势来控制；代表信号特征参数目标值的光标，其运动情况根据存储在信号存储模块的评估结果进行设置，设置参数包括运动范围、运动时间、运动速度等参数。一般情况下，目标光标作匀速移动或者正弦运动。

本实施例中，虚拟游戏参数设置单元对异常监控单元45所监控的信号特征参数的异常阈值进行设置，设置依据为信号存储模块所存储的用户握力控制能力的评估结果。

其中，异常监控单元45用于分析所述信号存储模块3中的肌电信号和力学信号，得到信号特征参数并与设定的阈值比较，若达到阈值，则控制所述主机交互模块1在虚拟游戏交互界面11给出提示，提醒用户调整发力大小和发力姿势。本实施例中，选取屈肌肌群旋转力矩比或拮抗肌对共收缩值作为异常监控的信号特征参数。

所述信号存储模块3，用于将所述信号采集模块采集到的力学信号和肌电信号存储到主机，并存储主机控制模块分析得到的评估握力控制能力的参数。

综上所述，本发明基于肌电反馈的握力控制能力评估和康复训练方法及系统带来以下有益效果：

(1)相较于量表评估法一定程度依赖于康复治疗师的个体主观判断，有仁慈误差和中间偏向误差，以及大多数定量评估的参数只涉及单一方面，本系统利用了肌电信号和力学信号进行多参数更全面的评估脑卒中用户的握力控制能力，从更直观的角度反映脑卒中用户的上肢屈肌肌群的协同情况和上肢拮抗肌群的共收缩状况。

(2)利用该系统评估得到的脑卒中用户上肢控制能力的多参数，制定了个性化的康复训练计划，包含多模态的若干康复训练任务，从而更有针对性的指导脑卒中用户进行康复训练。

(3)基于虚拟现实技术的虚拟环境的设计。提高了康复的趣味性和可控性，从而提高了用户的训练耐性，并且，在本虚拟训练环境中可以选择光标所对应的多种信号特征参数，使得上肢握力控制能力得到更为全面的锻炼。

(4)所涉及的将肌肉共收缩状况利用生物反馈技术，融入到康复训练中，并和虚拟现实技术相结合，指导参与者实时连续性的调整拮抗肌群的收缩情况。

(5)所涉及的将肌肉异常协同检测、肌肉异常共收缩检测融入于训练康复中，能够及时地反映出训练者肌肉的异常情况，并予以保护。

Claims (6)

1.一种抓握功能评估与训练系统，其特征在于，包括：

主机交互模块，包括用户交互界面，用于引导用户实时调节握力大小和肌肉收缩状况以完成虚拟任务；

信号采集模块，用于采集用户上肢的力学信号和肌电信号，并对肌电信号进行至少包括放大和滤波的预处理；

信号存储模块，用于接收所述信号采集模块的力学信号和肌电信号进行存储，以及接收主机控制模块的特征参数进行存储；

主机控制模块，分别与所述主机交互模块和信号存储模块连接，用于对所述信号存储模块传输的力学信号和肌电信号进行运算与处理，得到特征参数，通过特征参数控制虚拟场景进行相应的游戏操作以训练运动控制功能，最后将特征参数传输给信号存储模块；

其中，所述主机控制模块包括：

特征参数提取单元，用于对所述信号存储模块中的力学信号和肌电信号进行计算分析得到所述特征参数作为抓握控制能力评估结果，并且把相应所述特征参数传输到信号存储模块；所述主机控制模块中，特征参数提取单元用于将采集的上肢力学信号进行计算分析得到特征参数，所述特征参数包括以下至少一项：实际握力值、目标值偏差比、旋转力矩比、平均绝对值、方差、积分肌电和肌电幅值；

虚拟游戏参数设置单元，其根据信号存储模块存储的用户抓握控制能力评估结果设置虚拟游戏中两个光标所对应的信号特征参数，以及目标光标的运动时间、运动范围、运动速度和运动轨迹类型；

力学反馈控制单元，用于处理压力传感器采集的力学信号，输出能够反映用户此时产生的握力情况的特征参数到主机交互模块，与主机交互模块进行交互；

肌电反馈控制单元，用于处理经过肌电采集装置放大和滤波的肌电信号，输出能够反映用户此时拮抗肌肉群共收缩情况的特征参数到主机交互模块，与主机交互模块进行交互。

2.根据权利要求1所述的抓握功能评估与训练系统，其特征在于，所述虚拟游戏参数设置单元，还用于设置异常监控单元所监测信号的异常阈值；

所述主机控制模块还包括异常监控单元，用于对所述特征参数提取单元提取的特征参数进行实时监控，当所述特征参数中能够表征用户屈肌肌群协同情况的参数幅值或者表征用户拮抗肌群共收缩情况的参数幅值达到预设的所述异常阈值时，提示用户调整发力大小和肌肉收缩状况，避免不正确的发力方式。

3.根据权利要求1或2所述的抓握功能评估与训练系统，其特征在于，所述信号采集模块包括肌电信号采集单元、力学信号采集单元，分别用于采集用户上肢的肌电信号和力学信号；

所述力学信号采集单元是握力测量装置，采集用户执行握力控制任务产生的力学信号；所述肌电信号采集单元是采用多个表面电极，采集用户执行握力控制任务产生的肌电信号。

4.根据权利要求3所述的抓握功能评估与训练系统，其特征在于，所述握力测量装置被设计成一个圆柱外形，中间为固定的四个一维的压力传感器，可测得一个方向的力和两个方向的力矩，用于测量用户产生的握力值和所对应的选择力矩参数；

通过所述表面电极提取采集用户上肢运动相关的四对肌肉的原始肌电信号，并将采集到的多个通道肌电信号进行至少包括放大和滤波的预处理；表面电极提取用户上肢肩、肘、腕关节的四对肌肉的肌电信号，包括对三角肌前束、三角肌后束、肱三头肌、肱二头肌、桡侧腕屈肌、桡侧腕伸肌、指浅屈肌、指总伸肌的肌电信号中至少一种进行采集。

5.根据权利要求3所述的抓握功能评估与训练系统，其特征在于，所述信号采集模块还包括信号转换模块，用于将采集到的用户上肢力学信号和肌电信号通过DAQ采集卡，经过模数转换送入信号存储模块。

6.根据权利要求1或2所述的抓握功能评估与训练系统，其特征在于，

所述虚拟游戏参数设置单元设置康复训练任务，其根据所述信号存储模块存储的用户握力控制能力评估结果设置虚拟游戏中两个光标所对应的信号特征参数，并设置目标光标的运动范围、运动时间和运动速度参数；可设置不同握力级下的动作，包括25％，50％，75％，100％最大握力级。