CN104887226B - 一种具有自动识别功能的强度时间曲线的建立方法 - Google Patents
一种具有自动识别功能的强度时间曲线的建立方法 Download PDFInfo
- Publication number
- CN104887226B CN104887226B CN201410717992.XA CN201410717992A CN104887226B CN 104887226 B CN104887226 B CN 104887226B CN 201410717992 A CN201410717992 A CN 201410717992A CN 104887226 B CN104887226 B CN 104887226B
- Authority
- CN
- China
- Prior art keywords
- intensity
- duration curve
- muscle
- curve
- duration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000005424 photoluminescence Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000004118 muscle contraction Effects 0.000 claims description 23
- 230000001939 inductive effect Effects 0.000 claims description 13
- 210000003205 muscle Anatomy 0.000 claims description 13
- 230000004308 accommodation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 210000001097 facial muscle Anatomy 0.000 claims 1
- 230000003183 myoelectrical effect Effects 0.000 claims 1
- 230000032696 parturition Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 8
- 208000010886 Peripheral nerve injury Diseases 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 238000003745 diagnosis Methods 0.000 description 3
- 230000002232 neuromuscular Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 208000004929 Facial Paralysis Diseases 0.000 description 1
- 206010034700 Peroneal nerve injury Diseases 0.000 description 1
- 208000036826 VIIth nerve paralysis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013211 curve analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 210000000852 deltoid muscle Anatomy 0.000 description 1
- 230000002638 denervation Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000002161 motor neuron Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 229940037201 oris Drugs 0.000 description 1
- 210000002979 radial nerve Anatomy 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 201000005671 spondyloarthropathy Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明旨在提供一种减少人为因素影响、操作简单、强度时间曲线电诊断技术发展的具有自动识别功能的强度时间曲线的建立方法。本发明方法应用现代信号处理技术,提取和分心阈强度电刺激时就收缩的表面肌电信号,制定阈强度标准,运用现代模式识别功能,利用强度时间曲线的各个参数对计算机进行训练,以建立强度时间曲线的分析与识别模式;运用计算机处理技术实现强度时间曲线自动生成、分析和识别,以信度、效度和敏感度等临床对照研究,对周围神经损伤诊断评估具有良好的临床应用价值。本发明可应用于神经损伤检测领域。
Description
技术领域
本发明涉及一种曲线绘制方法,尤其涉及一种应用于测定神经肌肉功能状态的具有自动识别功能的强度时间曲线的建立方法。
背景技术
强度时间曲线检查是测定神经肌肉功能状态的定性、定量的电生理检查方法,它不仅能鉴别上、下运动神经元损伤,而且对周围神经损伤的程度、神经再生过程及判定预后有一定的价值。应用强度时间曲线对周围神经损伤进行动态检测,根据曲线的位置、斜率、有无扭结以及扭结在曲线中的位置等动态观察神经损伤和恢复的情况,评定康复治疗的效果,推测预后。
强度时间曲线诊断法是应用不同脉冲宽度的方波电流刺激肌肉,通过肌肉兴奋的电流强度阀值曲线来判断神经肌肉功能状态的一种定性和定量检测方法。在进行强度时间曲线检测时,除了要准确寻找到运动点外,判断肌肉对所给予电刺激的反应时该技术的关键所在。以往的强度时间检测时,必须对待检测肌肉进行电刺激,以引起肌肉收缩反应,随着电流量逐渐加大,肌肉的收缩强度也随之增强,阈强度的概念是引起最弱肌肉收缩时的电流强度,也就是说,确定阈强度参数是靠观测肌肉收缩反应来实现的,即靠检测者的肉眼进行观察。人为的主、客观因素对检测结果影响很大。如何尽可能地消除人为误差提高对强度时间检测的精度具有重要意义。
发明内容
本发明所要解决的技术问题是克服现有技术的不足,旨在提供一种减少人为因素影响、操作简单、强度时间曲线电诊断技术发展的具有自动识别功能的强度时间曲线的建立方法。
本发明所采用的技术方案是:本发明方法包括以下步骤:
(1)表面肌电信号的提取和分析:将传感器设置于人体皮肤表面上,对相应肌肉区域进行电刺激,利用传感器获取表面肌电信号,对电刺激诱发肌肉收缩的表面肌电信号进行分析,寻找不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律;
(2)阈强度标准的建立:根据不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律,提取肌肉收缩时的表面肌电信号,以能引起最弱肌肉收缩时所诱发的表面肌电信号作为电刺激的阈强度;
(3)曲线识别模式的建立:应用现代模式识别技术,利用采集到的由表面肌电信号绘制成的强度时间曲线的各个参数对计算机进行训练,建立计算机对强度时间曲线的自动识别和分析模式;
(4)自动识别模式的强度时间曲线的建立:根据所述阈强度标准,建立不同脉宽和所述阈强度的对应关系,应用计算机自动描绘出强度时间曲线,应用现代模式识别技术,对所生成的强度时间曲线进行自动识别和分析,完成强度时间曲线的建立。
在所述步骤(3)中,所述强度时间曲线的各个参数包括曲线的位置、基强度、时值、利用时、适应比值、斜率、阈强度和扭结值。
本发明的有益效果是:本发明方法将传感器设置于人体皮肤表面上,对相应肌肉区域进行电刺激,利用传感器获取表面肌电信号,对电刺激诱发肌肉收缩的表面肌电信号进行分析,寻找不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律;根据不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律,提取肌肉收缩时的表面肌电信号,以能引起最弱肌肉收缩时所诱发的表面肌电信号作为电刺激的阈强度;应用现代模式识别技术,利用采集到的由表面肌电信号绘制成的强度时间曲线的各个参数对计算机进行训练,建立计算机对强度时间曲线的自动识别和分析模式;根据所述阈强度标准,建立不同脉宽和所述阈强度的对应关系,应用计算机自动描绘出强度时间曲线,应用现代模式识别技术,对所生成的强度时间曲线进行自动识别和分析,完成强度时间曲线的建立;所以,本发明应用现代信号处理技术和模式识别技术,建立强度时间曲线的分析与识别模式,为强度时间曲线的分析和识别的客观性、科学性和可行性提供理论依据;通过强度时间曲线的分析和研究,减少既往强度时间曲线诊断中人为因素的干扰、简化操作难度、规范判断标准,有利于强度时间曲线诊断技术的推广应用,实现强度时间曲线诊断技术的标准化、普及化;随着广泛地推广应用,给周围神经损伤患者提供易接受、便捷、检查费用低的电生理检测手段,将带来较大的社会、经济效益。
具体实施方式
本发明是一种强度时间曲线建立方法。在本实施例中,该方法包括以下步骤:
(1)对常见的周围神经损伤腰椎间盘突出症、颈椎病、面神经瘫痪、尺神经损伤、桡神经损伤、腓总神经损伤患者及部分正常人群进行常规强度时间曲线检测,分别检测胫前肌、腓骨长肌、拇长伸肌、肱二头肌、三角肌、额肌、眼轮匝肌、口轮匝肌、尺侧屈腕肌、拇收肌、肱桡肌和桡侧伸腕肌的强度时间曲线。每块被检肌肉各选取完全失神经支配、部分失神经支配和正常神经支配曲线30条进行分析和数据采集,采集各曲线的位置、基强度、时值、利用时、适应比值、斜率、阈强度和扭结等数据;
(2)利用现代信号处理技术,对电刺激诱发肌肉收缩时表面肌电信号的提取与分析,分析不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律,分析阈强度电刺激诱发肌肉收缩时表面肌电信号的表现形式;
(3)根据不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律,提取肌肉收缩时的表面肌电信号,以能引起最弱肌肉收缩时所诱发的表面肌电信号作为电刺激的阈强度;
(4)根据所述阈强度标准,建立不同脉宽和所述阈强度的对应关系,应用计算机自动描绘出强度时间曲线,应用现代模式识别技术,对所生成的强度时间曲线进行自动识别和分析,完成强度时间曲线的建立;
(5)进行临床对照研究:选取周围神经损伤患者30例,于治疗前后分别进行自动识别模式的强度时间曲线诊断检测,进行自身对照研究;同时与肌电图检测的结果进行临床对照研究。通过信度、效度、敏感性等的分析,研究该方法对周围神经损伤评估的具有良好的临床应用价值。
本发明可应用于神经损伤检测领域。
Claims (2)
1.一种具有自动识别功能的强度时间曲线建立方法,其特征在于,该方法包括以下步骤:
(1)表面肌电信号的提取和分析:将传感器设置于人体皮肤表面上,对相应肌肉区域进行电刺激,利用传感器获取表面肌电信号,对电刺激诱发肌肉收缩的表面肌电信号进行分析,寻找不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律;
(2)阈强度标准的建立:根据不同脉宽、不同强度电刺激诱发肌肉收缩反应的表面肌电信号的变化规律,提取肌肉收缩时的表面肌电信号,以能引起最弱肌肉收缩时所诱发的表面肌电信号作为电刺激的阈强度;
(3)曲线识别模式的建立:应用现代模式识别技术,利用采集到的由表面肌电信号绘制成的强度时间曲线的各个参数对计算机进行训练,建立计算机对强度时间曲线的自动识别和分析模式;
(4)自动识别模式的强度时间曲线的建立:根据所述阈强度标准,建立不同脉宽和所述阈强度的对应关系,应用计算机自动描绘出强度时间曲线,应用现代模式识别技术,对所生成的强度时间曲线进行自动识别和分析,完成强度时间曲线的建立。
2.根据权利要求1所述的一种具有自动识别功能的强度时间曲线建立方法,其特征在于:在所述步骤(3)中,所述强度时间曲线的各个参数包括曲线的位置、基强度、时值、利用时、适应比值、斜率、阈强度和扭结值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410717992.XA CN104887226B (zh) | 2014-12-03 | 2014-12-03 | 一种具有自动识别功能的强度时间曲线的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410717992.XA CN104887226B (zh) | 2014-12-03 | 2014-12-03 | 一种具有自动识别功能的强度时间曲线的建立方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104887226A CN104887226A (zh) | 2015-09-09 |
CN104887226B true CN104887226B (zh) | 2017-06-27 |
Family
ID=54020509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410717992.XA Expired - Fee Related CN104887226B (zh) | 2014-12-03 | 2014-12-03 | 一种具有自动识别功能的强度时间曲线的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104887226B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106037729B (zh) * | 2016-06-23 | 2019-06-28 | 中国科学院深圳先进技术研究院 | 一种腰椎间盘突出症的判断方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101961529A (zh) * | 2010-08-13 | 2011-02-02 | 中国科学院深圳先进技术研究院 | 肌电反馈训练和功能评测遥操作装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9462957B2 (en) * | 2012-11-16 | 2016-10-11 | Imec Taiwan Co. | Portable electrocardiography device |
-
2014
- 2014-12-03 CN CN201410717992.XA patent/CN104887226B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101961529A (zh) * | 2010-08-13 | 2011-02-02 | 中国科学院深圳先进技术研究院 | 肌电反馈训练和功能评测遥操作装置及方法 |
Non-Patent Citations (2)
Title |
---|
叶定忠 等.用微型计算机自动测绘活组织应激兴奋的强度-时间曲线.《中国应用生理学杂志》.1986,(第4期), * |
陈银海 等.强度时间曲线在腰椎间盘突出症康复评定中的应用价值.《中国康复医学杂志》.2001,第16卷(第2期), * |
Also Published As
Publication number | Publication date |
---|---|
CN104887226A (zh) | 2015-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020151075A1 (zh) | 一种基于cnn-lstm深度学习模型的驾驶疲劳识别方法 | |
CN105877766A (zh) | 一种基于多生理信号融合的精神状态检测系统及方法 | |
Zhang et al. | Machine learning for supporting diagnosis of amyotrophic lateral sclerosis using surface electromyogram | |
Chen et al. | Two-source validation of progressive FastICA peel-off for automatic surface EMG decomposition in human first dorsal interosseous muscle | |
Malone et al. | Reliability of surface electromyography timing parameters in gait in cervical spondylotic myelopathy | |
CN103006212B (zh) | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 | |
CN101558997A (zh) | 基于二阶盲辨识的脑电信号识别方法 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
Liu et al. | Use of the integrated profile for voluntary muscle activity detection using EMG signals with spurious background spikes: A study with incomplete spinal cord injury | |
Silva et al. | An improved approach for measuring the tonic stretch reflex response of spastic muscles | |
CN107563298B (zh) | 基于大脑血红蛋白信息的想象运动阶段的蹲起走状态的识别方法 | |
CN104887226B (zh) | 一种具有自动识别功能的强度时间曲线的建立方法 | |
CN101584582B (zh) | 基于脑电分析的人体电流感觉阀值客观测量方法和系统 | |
Li et al. | Assessing redistribution of muscle innervation zones after spinal cord injuries | |
CN106901689A (zh) | 基于实物交互的认知和运动功能检测系统及数据处理方法 | |
Bhat et al. | A novel approach to detect localized muscle fatigue during isometric exercises | |
CN114587934A (zh) | 一种肌电自适应改变压力阈值的手指背伸训练系统 | |
CN106344013A (zh) | 一种八通道同步获取表面肌电图的方法 | |
CN110251088A (zh) | 一种联合肌电脑电的功能性电刺激康复设备 | |
Veer | A flexible approach for segregating physiological signals | |
Lesenfants et al. | Design of a novel covert SSVEP-based BCI | |
CN107198508B (zh) | 康复度排序方法及复合式交互训练系统 | |
Jali et al. | Features extraction of EMG signal using time domain analysis for arm rehabilitation device | |
CN114098768B (zh) | 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法 | |
CA3216702A1 (en) | Point-of-care prediction of muscle responsiveness to therapy during neurorehabilitation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170627 |