CN104997523B - 一种上肢康复机器人康复训练运动功能评价方法 - Google Patents

一种上肢康复机器人康复训练运动功能评价方法 Download PDF

Info

Publication number
CN104997523B
CN104997523B CN201410159102.8A CN201410159102A CN104997523B CN 104997523 B CN104997523 B CN 104997523B CN 201410159102 A CN201410159102 A CN 201410159102A CN 104997523 B CN104997523 B CN 104997523B
Authority
CN
China
Prior art keywords
evaluation
function
upper limb
motion
limb rehabilitation
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
Application number
CN201410159102.8A
Other languages
English (en)
Other versions
CN104997523A (zh
Inventor
王建辉
方晓柯
张程
李醒
纪雯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201410159102.8A priority Critical patent/CN104997523B/zh
Publication of CN104997523A publication Critical patent/CN104997523A/zh
Application granted granted Critical
Publication of CN104997523B publication Critical patent/CN104997523B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224—Measuring muscular strength
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224—Measuring muscular strength
    • A61B5/225—Measuring muscular strength of the fingers, e.g. by monitoring hand-grip force
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Rehabilitation Tools (AREA)

Abstract

一种上肢康复机器人康复训练运动功能评价方法，其使用自校正AHP‑模糊分析评价法，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准；并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立上肢康复机器人运动功能评价模型；对上肢康复机器人康复训练运动功能进行评价。本发明通过将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，所述自校正AHP‑模糊分析评价法在上肢康复评价中的可行性和有效性，并与临床运动功能的评价结果相吻合。本发明具有可预期的较为巨大的经济和社会价值。

Description

一种上肢康复机器人康复训练运动功能评价方法
技术领域
本发明涉及医疗器械设计和应用技术领域，特别提供了一种上肢康复机器人康复训练运动功能评价方法。
背景技术
现有技术中，脑卒中偏瘫康复评价主要通过患者的运动、言语、心理和日常生活功能等几方面进行评定，参见文献：秦茵,毕胜,王福根.脑卒中上肢功能常用评价方法及临床应用[J].中国康复医学杂志,2004,19(3)：232-233]，简述如下：
(1)运动功能评价：掌握偏瘫患者的异常运动模式，按照评价内容，利用临床对偏瘫患者运动功能评定的主要方法进行评定；(2)言语语言功能评价：综合失语症检查，构音障碍检查，言语失用检查，言语错乱检查，痴呆性失语检查等方面进行言语功能评定；(3)心理评价：了解患者偏瘫发生后的心理变化过程，通过智力测量、情绪测量、人格测量和临床神经心理测量进行评定；(4)日常生活活动评价：主要利用Barthel指数和FIM的评定方法，对患者日常生活功能进行评定。
康复医学理论与临床应用结果表明，运动功能是反映康复水平的主要指标，运动功能评价在整个康复训练周期中有着决定性的指导作用，是脑卒中偏瘫康复治疗的重要依据，也是脑卒中康复评价的重要组成部分。目前，还没有一个康复训练系统能完全替代康复医师对患者的康复水平进行评价，因此，可将针对脑卒中患者上肢运动障碍情况与运动功能现状及潜力所涉及和影响的各方面(生理、日常活动等)进行评审和比较，研究上肢康复训练机器人运动功能评价方法，将其应用于患者的患肢功能评价上，评测患肢康复训练的成果及运动功能的等级。
运动功能评价的主要内容：运动功能障碍是脑卒中疾病最典型、最外在的病理表现。脑卒中上肢偏瘫患者运动功能障碍的主要表现为肌张力异常、肌群间协调紊乱，并出现异常的反射活动，即共同运动、联合反应和紧张性反射脊髓水平的运动形式。在康复训练过程中，如何改变患者的异常运动模式、降低痉挛，引导患者进行所需活动，促进肌张力并进行有效地运动控制是运动功能康复的最终目标。临床中运动功能评价的主要内容有肌力评定[参见文献：缪鸿石.中枢神经系统(CNS)损伤功能恢复的理论[J].中国康复理论与实践,1997,26(3)：78-85]、关节活动度评定[参见文献：朱镛连.神经康复学[M].北京：人民军医出版社,2001：1-335.]、平衡功能评定[参见文献：古菁,黄怀,虞容豪,等.脑外伤的康复评价和治疗进展[J].重庆医学,2009,38(8)：69-75.]及协调功能评定[参见文献：穆景颂,倪朝民.表面肌电图在脑卒中康复评定中的应用[J].中国康复,2009,24(1)：57-63]等四个方面。以下分别说明：
(1)肌力评定。肌力评定的目的是测定受试者在主动运动时肌肉或肌群的力量，以评价肌肉的功能状态。肌力评定是运动功能评价的重要内容，主要用来判断有无肌力低下及肌力低下的范围与程度，为指导康复治疗、检验治疗效果提供依据。肌力分级及评定标准如表1所示。表1肌力分级及评定标准
级别 标准 相当于正常肌力的％
0 无可测知的肌肉收缩 0
1 有轻微收缩，但不能引起关节活动 10
2 在减重状态下能作关节全范围运动 25
3 能抗重力作关节全范围运动，但不能抗阻力 50
4 能抗重力、抗一定阻力运动 75
5 能抗重力、抗充分阻力运动 100
临床肌力评定方法主要分为徒手肌力检查法和器械肌力检查法。徒手肌力检查法是康复医师指导患者做指定的动作，通过触摸运动时肌肉收缩的感觉，或者在患者运动的同时，康复医师对其施加适当阻力，观察患者运动幅度及对抗肢体重力的情况以判定受损肌肉功能。器械肌力检查法适用于轻瘫阶段(肌力在三级以上)，常用的器械有握力计、捏力计、拉力计等。由于对二级以下肌力难于检查，因此临床上没有徒手肌力检查应用普遍。
(2)关节活动度评定。关节活动度又称关节活动范围(rang of motion，ROM)，是指关节运动时所通过的最大运动弧度，即一个关节从起始端至中末端的正常运动范围。关节活动度评定是评价肌肉、骨骼、神经病损患者的基本步骤，是评价关节运动功能损害的范围与程度的指标之一。
临床关节活动度评定主要依靠测量工具来进行，如量角器等，测量过程中应注意以下几点：①采取正确的测量姿势体位，防止邻近关节的替代动作；②固定好量角器，其轴心应对准关节中心或规定的标志点，关节活动时要防止量角器固定臂移动；③通常应先测量关节的主动活动度，后查被动活动度；④应与健侧(对侧)相应关节比较，亦应测量患部上下关节的活动范围；⑤避免在按摩、运动以及其他康复治疗后立即进行检查；⑥不同器械、不同方法测得的关节活动度值有差异，不宜互相比较。
(3)平衡功能评定。平衡功能评定的目的是通过评定了解评定对象是否有平衡障碍，确定平衡障碍的程度、类型，分析引起平衡障碍的原因，依据评定结果协助康复计划的制订与实施，对平衡障碍治疗训练效果进行评估，以及帮助研制平衡障碍评定与训练的新设备。根据平衡活动的完成情况，可将平衡功能分为四个等级：I级：能正确地完成活动；II级：能完成活动，仅需要较小的帮助来维持平衡；III级：能完成活动，但需要较大的帮助来维持平衡；IV级：不能完成活动。
临床平衡功能的评定方法：①在不同体位时均能保持平衡，睁、闭眼时能维持姿势稳定，在一定时间内能对外界变化做出必要的姿势调整反应；②能精确地完成运动，并能完成不同速度的运动(包括加速度和减速度)，运动后能回到初始位置，或保持新的体位平衡，如在不同体位下伸手取物；③当支撑面发生移动时能保持平衡；④当身体处在不同体位时，由于受到外力(推力或拉力)作用而发生移动，人体建立新平衡的反应时间和运动时间。
(4)协调功能评定。协调功能评定的目的是明确有无协调功能障碍，评估肌肉或肌群共同完成一种作业或功能活动的能力；帮助了解协调障碍的程度、类型及引起协调功能障碍的原因；为康复计划的制订与实施提供依据；对训练疗效进行评估；协助研制协调评定与训练的新设备。协调功能分为五个等级：I级：正常完成；II级：轻度残损，能完成活动，但较正常速度和技巧稍有差异；III级：中度残损，能完成活动，但动作慢、笨拙、明显不稳定；IV级：重度残损，仅能启动动作，不能完成；V级：不能完成活动。
在临床协调功能评定中，需依次检测以下内容：①完成动作的时间是否正常；②运动是否精确、直接、容易反向做；③加快速度是否影响运动质量；④进行活动时有无身体无关的运动；⑤不注视自己运动时是否影响运动的质量；⑥受试者是否很快感到疲劳。
临床上肢运动功能康复评价方法：目前对康复效果评价即疗效评价采用世界卫生组织《国际功能分类》的基本框架，其决策流程为：询问→观察→检测→记录→分析。针对偏瘫患者运动功能康复效果的评价临床较多使用的方法有Bobath评价法[孙振球,田凤调,等.医用综合评价方法[M].中国科学技术出版社,1994.]、Brunnstrom评价法[王安民.康复功能评定学[M].复旦大学出版社,2009.]、上田敏评价法[马维艳.运动意念对脑卒中患者康复的作用[J].中国临床康复,2002,6(7)：10-17.]以及Fugl-Meyer评价法[黄永禧,王宁华.中风患者运动再学习方法的原理与应用[J].中国康复医学杂志,1996,11(4)：185.]等，这些方法在评价手段以及评价的敏感性(敏感性，指该评价方法在康复评价的过程中评价内容的完整率)上均有不同。
(1)Bobath评价法。Bobath在其专著中的理论部分讨论了联合反应、共同运动、分离运动及姿势反射在评价中的作用，其重点是检查姿势反射的改变，Bobath评价法的评价过程为：①判断影响正常运动产生的异常肌张力和异常运动模式是否存在以及在肢体的分布情况；②确定正常运动反应是否有缺陷，包括躯干和四肢自动的姿势反应和有意识的运动模式；③分析患者完成功能性运动模式的能力，包括全身性运动任务和特定的自理、职业和娱乐活动。
(2)Brunnstrom评价法。Brunnstrom评价法是Brunnstrom在观察了大量偏瘫患者的基础上，总结了偏瘫恢复的过程，即著名的Brunnstrom分期，如表2所示。Brunnstrom法强调脑卒中偏瘫恢复的六个阶段，将上肢、下肢和手分别按这六个阶段进行评定。这种评价法简单实行，在以前康复评定中得到了广泛的应用。但是该方法只分了等级，没有将其量化，评定治疗效果的敏感性较差。因此，虽然在临床康复中仍然广泛使用着，但显然不能满足现代偏瘫康复研究的需要。
表2 Brunnstorm运动功能恢复六级分期评价表
分期 运动特点 上肢表现
Ⅰ 无随意运动 无任何运动
Ⅱ 联合反应、共同运动 仅出现协同运动模式
Ⅲ 随意出现的共同运动 可随意发起协同运动
Ⅳ 共同运动模式打破，开始出现分离运动 出现脱离协同运动的活动
Ⅴ 肌张力逐渐恢复，有分离精细运动 出现相对独立于协同运动的活动
Ⅵ 运动接近正常水平 运动协调近于正常
(3)上田敏评价法。上田敏评价法是在Brunnstrom评价法的基础上，将Brunstrom的六个阶段划分为十二个阶段，其本质上是相同的。上田敏评价法认为Brunnstrom评价法正确地把握了脑卒中偏瘫恢复过程，判定标准基本明确，但是其分期还不够精细，应将其细分而增加敏感性。上田敏在此基础上将偏瘫的恢复过程增加为十二期进行评测。BrunnstromⅠ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ期分别相当于上田敏的(1、2)、(3、4、5、6)、(7、8)、(9、10、11)、12期，因此上田敏评价法和Brustrom评价法没有本质上的差别。
(4)Fugl-Meyer评价法。Fugl-Meyer评价法作为脑卒中后偏瘫的一种综合躯体功能评价法，近年来在国内外应用已日见增多，它也是目前中国医科大学附属医院康复科对偏瘫患者进行康复效果评价的主要方法。Fugl-Meyer评价法是由瑞典医生Fugl.Meyer等人在Brunnstrom运动评价法的基础上发展而来的，根据每一种动作基本完成、部分完成或小部分完成情况制定出三级评分量表，本文以上肢反射活动、屈肌共同运动以及伸肌共同运动功能评测为例，给出Fugl-Meyer评价表的部分内容，如表3所示。Fugl-Meyer评价法是将Brunnstrom评价法进一步量化，是目前公认的、使用最为广泛的评价方法，该评价法由运动、平衡、感觉、关节活动度及疼痛等四部分组成，内容详细，提高了评价的可信度和敏感度。
表3 Fugl-Meyer评价表部分内容
部位 运动功能评测 评分标准
上肢 Ⅰ上肢反射活动 0分：不能引出反射活动；2分：能够引出反射活动
A肱二头肌腱反射
B肱三头肌腱反射
Ⅱ屈肌共同运动 0分：完全不能进行；1分：部分完成；2分：无停顿充分完成
肩关节上提
肩关节后缩
外展(至少90度)
外旋
肘关节屈曲
前臂旋后
Ⅲ伸肌共同运动 0分：完全不能进行；1分：部分完成；2分：无停顿充分完成
肩关节内收/内旋
肘关节伸展
前臂旋前
以上几种评价方法都将运动功能评价分成几个等级，以表格打分的形式进行评判。它们均不是定量计算且敏感性、精确度不高，存在检测动作过多、检测和数据统计比较费时、以及病人容易疲劳等缺点。另外，在评价过程中，为确保结果的准确性，评价常由一个人自始至终的进行，不能实时记录描述康复进程的各种数据，使得对康复评价指标测定不够客观，因此对康复医师的经验和水平要求较高，不利于对偏瘫患者神经康复规律的深入研究。人们迫切希望获得一种技术效果良好的上肢康复机器人康复训练运动功能评价方法。
发明内容
本发明目的是提供一种技术效果良好的上肢康复机器人康复训练运动功能评价方法。
本发明提供了一种上肢康复机器人康复训练运动功能评价方法，其特征在于：其使用自校正AHP-模糊分析评价法，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准；同时，利用自校正AHP-模糊分析评价法，并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立上肢康复机器人运动功能评价模型；对上肢康复机器人康复训练运动功能进行评价；其中：
(一)所述自校正AHP-模糊分析评价法的具体步骤和内容依次要求如下：
(1)设定评价指标的因素集U：假定某类事物由n个因素决定，选取各因素组成集合，构成该事物的因素集U＝{u1,u2,...,un}；若将因素ui,(i＝1,2,...,n)继续划分，则ui＝{ui1,ui2,…,uij}(i＝1,2,…,n；j＝1,2,…,m),以此类推uij＝{uij1,uij2,…,uijk}，如此划分下去；
(2)建立评价指标的层次结构：依照因素集的分类，将评价指标问题条理化、层次化，构造出一个层次分析的结构模型；在模型中，将复杂问题分解，分解后各组成部分称为元素，这些元素又按属性分成若干组，形成不同层次；
(3)确定评语集V：评语集是由对评判对象可能做出的评判结果所组成的集合，V＝{v1,v2,...,vk},其中vk,k＝1,2,...,p是V的等级,评语集V是与因素集U相应的评价集合；
(4)请专家对各层次元素标度进行评判：为保证评分的客观性及准确性，邀请该领域专业技术人员组成专家组，利用“1-9”标度法对各层次元素之间标度进行评判，综合各位专家的评分，给出判断矩阵A中元素aij的比例标度；
(5)元素标度自校正：针对步骤(4)中专家评判的差异性，为避免极端意见的出现，将判断矩阵中的元素aij的比例标度进行自校正分析，设n位专家对评价对象所定标度aij的值为ri(i＝1,…,n)，其分析步骤为：
①计算n位专家对各评价对象所定标度的平均值：
②计算n专家所定的标度的标准差Si：
若Si≤1则认为是合格标度，反之则为不合格标度，由此删除极端意见；
(6)构造判断矩阵并进行一致性检验：确定元素比例标度后，根据AHP分析法中构造判断矩阵及层次单排序的方法，建立判断矩阵，得出各层次的排序权重向量W，并利用权重向量W对判断矩阵的一致性进行检验；若CR>0.1，认为判断矩阵一致性不可接受，则返回到步骤(4)请专家重新对元素标度进行评判并构造判断矩阵；若CR≤0.1时，则满足一致性检验，进行下一个步骤；
(7)建立隶属度函数：隶属函数的构造采用梯型分布函数和线性函数相结合的方法，设a,b,c,d为相邻的分级标准且a<b<c<d，则隶属度函数可表示为：
(8)模糊综合评价：多因素多层次系统的多级模糊综合评价的方法为：先按最低层次的各因素进行综合评价，然后再按上一层次的各因素进行综合评价，以此类推向更上一层评价，直到最高层次得出总的综合评价结果；具体计算过程如下：
①一级模糊综合评价：如步骤(1)所示，设U＝{u1,u2,...,un}，其中ui,(i＝1,2,...,n)为U的因素，ui＝{ui1,ui2,…,uij}(i＝1,2,…,n；j＝1,2,…,m)，以此类推uij＝{uij1,uij2,…,uijk}，设第i类中第j个因素uij隶属于评价集合中第k个元素的隶属度为rijk(i＝1,2,…,n；j＝1,2,…,m；k＝1,2,…,p)，则因素uij的模糊评价矩阵为：
其中，Ri矩阵的行数为第i类中因数的个数，Ri矩阵的列数为评价集内的元素个数；
因此，第i类因素的模糊综合评价结果为：
其中，Wi为第i类因素的权重集；
②二级模糊综合评价：二级模糊综合评价的单因素评价矩阵是一级模糊综合评价矩阵，按照一级模糊综合评价所假设内容，因素U的模糊评价矩阵为
其中rik＝bik(i＝1,2,…,n；k＝1,2,…,p)；
二级模糊综合评价结果为：其中，W为因素U的权重集；
③多级模糊综合评价：多级模糊综合评价的一般形式为：
其中j为评价集内的元素个数；多级模糊综合评价按照一、二级模糊综合评价的方法以此类推，多级模糊综合评判就是从最底层开始，向上逐层运算，最后利用合成算子将权重集W与各被评事物的模糊评价矩阵R进行合成，得到各被评事物的模糊综合评价结果向量B；
(9)归一化处理：得出具有可比性的综合评价结果；
(二)确立隶属度函数的内容要求依次如下：在上肢康复机器人运动功能评价中，上肢康复机器人运动功能评价的评语集V＝{v1,v2,v3,v4,v5}设定五个评语等级，分别为：优秀、良好、中等、及格和较差；以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果；其中：v1＝优秀，分数在[90,100]之间；v2＝良好，分数在[80,89]之间；v3＝中等，分数在[70,79]之间；v4＝及格，分数在[60,69]之间；v5＝较差，分数在[50,59]之间；
以此为基础确定上肢康复机器人运动功能评价隶属度函数，式中i＝1,2,3，j＝1,2；
(三)所述上肢康复机器人康复训练运动功能评价方法中，建立综合评价模型的内容要求依次如下：根据隶属度函数，对被评价数据的各因素进行量化处理，通过对单因素进行评价，建立单因素评价向量，最终构建模糊评价矩阵；
由上肢康复机器人评价隶属度函数可得：
肌力水平u11的隶属度为：[μv1(u11),μv2(u11),μv3(u11),μv4(u11),μv5(u11)] (19)
关节活动度u12的隶属度为：[μv1(u12),μv2(u12),μv3(u12),μv4(u12),μv5(u12)](20)
沿正确方向运动程度u21的隶属度为
[μv1(u21),μv2(u21),μv3(u21),μv4(u21),μv5(u21)] (21)
规定动作运动时间u22的隶属度为
[μv1(u22),μv2(u22),μv3(u22),μv4(u22),μv5(u22)] (22)
运动轨迹平滑度u31的隶属度为：[μv1(u31),μv2(u31),μv3(u31),μv4(u31),μv5(u31)](23)
运动轨迹一致性u32的隶属度为：[μv1(u32),μv2(u32),μv3(u32),μv4(u32),μv5(u32)](24)
则各模糊评价矩阵为：
肌力与关节活动度模糊评价矩阵：
平衡功能模糊评价矩阵：
协调功能模糊评价矩阵：
依据自校正AHP模糊分析评价法步骤(8)，上肢康复机器人运动功能模糊综合评价矩阵为：
其中，
本发明所述上肢康复机器人康复训练运动功能评价方法，其特征在于：所述上肢康复机器人康复训练运动功能评价方法中，自校正AHP-模糊分析评价法中，建立基于自校正AHP-模糊分析的上肢康复机器人运动功能评价模型的内容要求依次如下：
其一，建立评价指标体系：上肢康复机器人运动功能评价通过肌力及关节活动度评定、平衡功能评定及协调功能评定三个方面来进行；其中，肌力及关节活动度可通过上肢康复机器人系统的检测功能采集肌力数据和测量关节活动角度；平衡功能通过设定测试动作由患者完成规定测试动作的运动时间及运动方向两方面来进行测定；协调功能同样通过设定测试动作由患者完成规定测试动作的轨迹平滑度及轨迹一致性两方面进行测定；
根据自校正AHP-模糊分析评价法，将上肢康复机器人运动功能评价指标进行逐层分解及树形排序，确定康复评价指标体系因素集U：U＝{u1，u2，u3}；其中，u1为肌力与关节活动度评价，u1＝{u11,u12}，u11为肌力水平，u12为关节活动度；u2为平衡功能评价，u2＝{u21,u22}，u21为沿正确方向运动程度，u22为规定动作运动时间；u3为协调功能评价，u3＝{u31,u32}，u31为运动轨迹平滑度，u32为运动轨迹一致性；
其二，指标评定标准：区别于临床运动功能评价中各指标的评定方法，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能指标的评定方法进行量化，给出上肢康复机器人运动功能评价指标的评定标准如下：
(1)肌力及关节活动度功能评定标准：上肢康复机器人肌力及关节功能评定主要利用系统的检测功能对肌力水平以及关节活动度进行测定；其中：
1)肌力水平Smuscle：肌力即肌肉收缩时产生的力量，根据肌力情况一般均将肌力分为0～ⅴ级，ⅴ级为正常值，这里以ⅴ级肌力为标准值；
其中，Fm—实际肌力测量值；Fr—参考肌力标准值；n—采样点数；Smuscle越大表明肌力越接近正常值，患者肌力功能恢复的越好；
2)关节活动度Srange：关节活动度(Range of motion,ROM)又称关节活动范围，是指关节活动时可达到的最大弧度，这里以上肢康复机器人各关节活动的最大值为标准；
其中，Sm—实际关节达到的最大弧度；Sr—参考关节弧度的标准值；—同一方向上各关节独立动作的平均弧度；n—采样点数；Srange越大表明接近康复机器人关节活动范围的极限值，表示关节分离运动效果越好。
(2)平衡功能评定标准：上肢康复机器人平衡功能评定主要由患者完成规定测试动作的运动时间及运动方向进行测定；在平衡功能评定中，以点对点直线运动为规定测试动作；如图5所示：A点为患者手臂末端在躯干固定条件下的运动起始位置，B点为运动终止位置，目标轨迹为A点到B点的直线，不同的曲线分别代表患者1和患者2的实际运动轨迹；
1)沿正确方向运动的程度Sdirection：在实际的运动过程中，患者的患肢经常会偏离 理想的运动轨迹(如图5所示)，判定平衡功能的一个重要标准则是患者能否很好的控制患 肢的运动方向；其中，—x,y方向上n次 横向平移运动的速度分量的平均值；n—采样点数；Sdirection越大，说明在运动全过程中横向 运动越占主要部分，纵向运动越小；
2)规定动作的运动时间ST：据研究[参见文献：秦茵,毕胜,王福根.脑卒中上肢功能常用评价方法及临床应用[J].中国康复医学杂志,2004,19(3)：232-233.]，在简单的点对点运动中，正常人能够以相对匀速的速度沿着理想运动直线到达目标点，但是偏瘫患者由于手臂抖动而使其位移迅速增大，从而导致增加额外的运动时间；
ST＝N/F(s)；其中，N—特定的康复路径下的运动数量；F(s)—对手臂位移做记录的打点器的频率；
(3)协调功能评定标准：上肢康复机器人协调功能评定由患者完成规定测试动作的轨迹平滑度及轨迹一致性进行测定；
1)运动轨迹平滑度Ssmooth：由图5中可以看出，患者1在A到B的直线运动中轨迹平滑度明显好于患者2的运动轨迹。患肢在运动过程中轨迹弯曲表示患者在y方向的加速或者减速行为，因此y方向上速度分量是影响患者运动轨迹平滑度的重要因素。
其中，—x,y方向上n次横向平移运动的速度分量的平均值；n—采样点数；Ssmooth越小前伸运动畸变程度越小，运动轨迹的平滑度越好；
2)运动轨迹一致性Srepeat：当患者前面几项评测内容均较好时，则重复测试动作， 重复运动轨迹一致性越好表明患者运动功能恢复越好；通过Vyi的标准偏差来评测运动轨迹 重复运动的一致性：其中，Vyi—y方向上n 次横向平移运动的速度分量；—y方向上n次横向平移运动的速度分量的平均值；n—采样 点数。Srepeat越小表明运动的重复性越好，患者n次运动的轨迹一致性较好；
本发明所述上肢康复机器人康复训练运动功能评价方法，其特征在于：所述上肢康复机器人康复训练运动功能评价方法中，构建评语体系的内容要求依次如下：在上肢康复机器人运动功能评价中设立五个评语，分别为优秀、良好、中等、及格和较差，以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果，上肢康复机器人运动功能评价的评语集为：V＝{v1,v2,v3,v4,v5}；其中：v1＝优秀，分数在[90,100]之间；v2＝良好，分数在[80,89]之间；v3＝中等，分数在[70,79]之间；v4＝及格，分数在[60,69]之间；v5＝较差，分数在[50,59]之间；确定权重系数的相关要求如下：
(1)标度评判：要求至少三位临床康复医师组成专家组，以调查问卷的形式对各层次元素进行标度评判；调查问卷根据AHP分析法的形式设计，在同一个层次对影响因素的重要性进行两两比较，衡量尺度划分为五个等级，分别是绝对重要、十分重要、比较重要、稍微重要、同样重要，分别对应9，7，5，3，1的数值；调查问卷式样如表4所示，靠左边的衡量尺度表示左列因素重要于右列因素，靠右边的衡量尺度表示右列因素重要于左列因素；根据各专家的看法，在对应方格中打勾即可；为保证元素标度的准确性，按照自校正AHP-模糊分析评价法步骤(5)进行标度自校正；
表4上肢康复机器人运动功能综合评价调查问卷
为保证元素标度的准确性，按照自校正AHP-模糊分析评价法步骤(5)进行标度自 校正；例如：在肌力关节活动度功能与平衡功能比较中，三位专家分别给出标度值为1、3、3， 则标度平均值为
专家所定的标度的标准差Si为
上述结果说明三位专家所给出的肌力关节活动度功能与平衡功能比较标度数值较接近总体平均值，可以采纳。综合各位专家的评分，构建各层次判断矩阵表如表5-8所示：
表5上肢康复机器人运动功能综合评价判断矩阵表
上肢康复机器人运动功能综合评价U 肌力与关节活动度功能u<sub>1</sub> 平衡功能u<sub>2</sub> 协调功能u<sub>3</sub>
肌力与关节活动度功能u<sub>1</sub> 1 1/3 1/3
平衡功能u<sub>2</sub> 1 1
协调功能u<sub>3</sub> 1
表6肌力与关节活动度功能判断矩阵表
肌力与关节活动度功能u<sub>1</sub> 肌力水平u<sub>11</sub> 关节活动度u<sub>12</sub>
肌力水平u<sub>11</sub> 1 1
关节活动度u<sub>12</sub> 1
表7平衡功能判断矩阵表
平衡功能u<sub>2</sub> 沿正确方向运动的程度u<sub>21</sub> 规定动作的运动时间u<sub>22</sub>
沿正确方向运动的程度 1 3
规定动作的运动时间 1
表8协调功能判断矩阵表
协调功能u<sub>3</sub> 运动轨迹平滑度u<sub>31</sub> 运动轨迹一致性u<sub>32</sub>
运动轨迹平滑度u<sub>31</sub> 1 3
运动轨迹一致性u<sub>32</sub> 1
(2)求取各层次权重：利用求和法计算各层次权重，由式(1)～(3)得：
WU＝(0.1429,0.4286,0.4286)T
(3)一致性检验：对各判断矩阵进行一致性检验，以准则U为例，由式(4)、(5)得：
则CI＝(λmax-n)/(n-1)＝0；
一致性比例CR＝CI/RI＝0<0.1，说明准则U下的判断矩阵是一致的。同理通过计算可得其它准则下判断矩阵一致性比例CR同样小于0.1，因此认为以上判断矩阵均是合理的；从准则层的权重系数可以看出，肌力及关节活动度的权重最低，平衡功能和协调功能的权重比较高，说明在康复机器人运动功能评测中，平衡功能和协调功能对上肢康复机器人运动功能评价的影响比较大。
本发明通过对临床运动功能评定内容及评定方法进行研究，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准。同时，本发明还提出一种基于元素标定的自校正AHP-模糊分析评价法，并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立了上肢康复机器人运动功能评价模型。通过实例验证，说明本发明所述自校正AHP-模糊分析评价法在上肢康复评价中的可行性和有效性，并与临床运动功能的评价结果相吻合。本发明具有可预期的较为巨大的经济和社会价值。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明：
图1为层次分析法(AHP)的递阶层次结构原理示意图；
图2为自校正AHP-模糊分析评价法算法流程图；
图3为上肢康复机器人康复评价指标关系图；
图4为上肢康复机器人运动功能评价指标体系递阶层次结构示意图；
图5为规定测试动作运动轨迹示意图；
图6为评价结果对比图。
具体实施方式
实施例1一种上肢康复机器人康复训练运动功能评价方法，其使用自校正AHP-模糊分析评价法，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准；同时，利用自校正AHP-模糊分析评价法，并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立上肢康复机器人运动功能评价模型；对上肢康复机器人康复训练运动功能进行评价；其中：
(一)所述自校正AHP-模糊分析评价法的具体步骤和内容依次要求如下：
(1)设定评价指标的因素集U：假定某类事物由n个因素决定，选取各因素组成集合，构成该事物的因素集U＝{u1,u2,...,un}；若将因素ui,(i＝1,2,...,n)继续划分，则ui＝{ui1,ui2,…,uij}(i＝1,2,…,n；j＝1,2,…,m),以此类推uij＝{uij1,uij2,…,uijk}，如此划分下去；
(2)建立评价指标的层次结构：依照因素集的分类，将评价指标问题条理化、层次化，构造出一个层次分析的结构模型；在模型中，将复杂问题分解，分解后各组成部分称为元素，这些元素又按属性分成若干组，形成不同层次；
(3)确定评语集V：评语集是由对评判对象可能做出的评判结果所组成的集合，V＝{v1,v2,...,vk}，其中vk,k＝1,2,...,p是V的等级，评语集V是与因素集U相应的评价集合；
(4)请专家对各层次元素标度进行评判：为保证评分的客观性及准确性，邀请该领域专业技术人员组成专家组，利用“1-9”标度法对各层次元素之间标度进行评判，综合各位专家的评分，给出判断矩阵A中元素aij的比例标度；
(5)元素标度自校正：针对步骤(4)中专家评判的差异性，为避免极端意见的出现，将判断矩阵中的元素aij的比例标度进行自校正分析，设n位专家对评价对象所定标度aij的值为ri(i＝1,…,n)，其分析步骤为：
①计算n位专家对各评价对象所定标度的平均值：
②计算n专家所定的标度的标准差Si：
若Si≤1则认为是合格标度，反之则为不合格标度，由此删除极端意见；
(6)构造判断矩阵并进行一致性检验：确定元素比例标度后，根据AHP分析法中构造判断矩阵及层次单排序的方法，建立判断矩阵，得出各层次的排序权重向量W，并利用权重向量W对判断矩阵的一致性进行检验；若C.R>0.1，认为判断矩阵一致性不可接受，则返回到步骤(4)请专家重新对元素标度进行评判并构造判断矩阵；若C.R≤0.1时，则满足一致性检验，进行下一个步骤；
(7)建立隶属度函数：隶属函数的构造采用梯型分布函数和线性函数相结合的方法，设a,b,c,d为相邻的分级标准且a<b<c<d，则隶属度函数可表示为：
(8)模糊综合评价：多因素多层次系统的多级模糊综合评价的方法为：先按最低层次的各因素进行综合评价，然后再按上一层次的各因素进行综合评价，以此类推向更上一层评价，直到最高层次得出总的综合评价结果；具体计算过程如下：
①一级模糊综合评价：如步骤(1)所示，设U＝{u1,u2,...,un}，其中ui,(i＝1,2,...,n)为U的因素，ui＝{ui1,ui2,…,uij}(i＝1,2,…,n；j＝1,2,…,m)，以此类推uij＝{uij1,uij2,…,uijk}，设第i类中第j个因素uij隶属于评价集合中第k个元素的隶属度为rijk(i＝1,2,…,n；j＝1,2,…,m；k＝1,2,…,p)，则因素uij的模糊评价矩阵为：
其中，Ri矩阵的行数为第i类中因数的个数，Ri矩阵的列数为评价集内的元素个数；因此，第i类因素的模糊综合评价结果为：
其中，Wi为第i类因素的权重集；
②二级模糊综合评价：二级模糊综合评价的单因素评价矩阵是一级模糊综合评价矩阵，按照一级模糊综合评价假设内容，因素U的模糊评价矩阵为：
其中rik＝bik(i＝1,2,…,n；k＝1,2,…,p)；
二级模糊综合评价结果为：
其中，W为因素U的权重集；
③多级模糊综合评价：按照一、二级模糊综合评价的方法以此类推，多级模糊综合评判就是从最底层开始，向上逐层运算，最后利用合成算子将权重集W与各被评事物的模糊评价矩阵R进行合成，得到各被评事物的模糊综合评价结果向量B，多级模糊综合评价的一般形式为：
其中j为评价集内的元素个数；
(9)归一化处理：得出具有可比性的综合评价结果；
(二)确立隶属度函数的内容要求依次如下：在上肢康复机器人运动功能评价中，上肢康复机器人运动功能评价的评语集V＝{v1,v2,v3,v4,v5}设定五个评语等级，分别为：优秀、良好、中等、及格和较差；以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果；其中：v1＝优秀，分数在[90,100]之间；v2＝良好，分数在[80,89]之间；v3＝中等，分数在[70,79]之间；v4＝及格，分数在[60,69]之间；v5＝较差，分数在[50,59]之间；
以此为基础确定上肢康复机器人运动功能评价隶属度函数，式中i＝1,2,3，j＝1,2；
(三)所述上肢康复机器人康复训练运动功能评价方法中，建立综合评价模型的内容要求依次如下：根据隶属度函数，对被评价数据的各因素进行量化处理，通过对单因素进行评价，建立单因素评价向量，最终构建模糊评价矩阵；
由上肢康复机器人评价隶属度函数可得：
肌力水平u11的隶属度为：[μv1(u11),μv2(u11),μv3(u11),μv4(u11),μv5(u11)](19)；
关节活动度u12的隶属度为：[μv1(u12),μv2(u12),μv3(u12),μv4(u12),μv5(u12)](20)；
沿正确方向运动程度u21隶属度为：[μv1(u21),μv2(u21),μv3(u21),μv4(u21),μv5(u21)](21)
规定动作运动时间u22的隶属度为：[μv1(u22),μv2(u22),μv3(u22),μv4(u22),μv5(u22)](22)
运动轨迹平滑度u31的隶属度为：[μv1(u31),μv2(u31),μv3(u31),μv4(u31),μv5(u31)](23)
运动轨迹一致性u32的隶属度为：[μv1(u32),μv2(u32),μv3(u32),μv4(u32),μv5(u32)](24)
则各模糊评价矩阵为：
肌力与关节活动度模糊评价矩阵：
平衡功能模糊评价矩阵：
协调功能模糊评价矩阵：
依据自校正AHP模糊分析评价法步骤(8)，上肢康复机器人运动功能模糊综合评价矩阵为：
其中，
具体而言，本实施例所述上肢康复机器人康复训练运动功能评价方法中，自校正AHP-模糊分析评价法中，建立基于自校正AHP-模糊分析的上肢康复机器人运动功能评价模型的内容要求依次如下：
其一，建立评价指标体系：上肢康复机器人运动功能评价通过肌力及关节活动度评定、平衡功能评定及协调功能评定三个方面来进行；其中，肌力及关节活动度可通过上肢康复机器人系统的检测功能采集肌力数据和测量关节活动角度；平衡功能通过设定测试动作由患者完成规定测试动作的运动时间及运动方向两方面来进行测定；协调功能同样通过设定测试动作由患者完成规定测试动作的轨迹平滑度及轨迹一致性两方面进行测定；
根据自校正AHP-模糊分析评价法，将上肢康复机器人运动功能评价指标进行逐层分解及树形排序，确定康复评价指标体系因素集U：U＝{u1，u2，u3}；其中，u1为肌力与关节活动度评价，u1＝{u11,u12}，u11为肌力水平，u12为关节活动度；u2为平衡功能评价，u2＝{u21,u22}，u21为沿正确方向运动程度，u22为规定动作运动时间；u3为协调功能评价，u3＝{u31,u32}，u31为运动轨迹平滑度，u32为运动轨迹一致性；
其二，指标评定标准：区别于临床运动功能评价中各指标的评定方法，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能指标的评定方法进行量化，给出上肢康复机器人运动功能评价指标的评定标准如下：
(1)肌力及关节活动度功能评定标准：上肢康复机器人肌力及关节功能评定主要利用系统的检测功能对肌力水平以及关节活动度进行测定；其中：
1)肌力水平Smuscle：肌力即肌肉收缩时产生的力量，根据肌力情况一般均将肌力分为0～ⅴ级，ⅴ级为正常值，这里以ⅴ级肌力为标准值；
其中，Fm—实际肌力测量值；Fr—参考肌力标准值；n—采样点数；Smuscle越大表明肌力越接近正常值，患者肌力功能恢复的越好；
2)关节活动度Srange：关节活动度(Range of motion,ROM)又称关节活动范围，是指关节活动时可达到的最大弧度，这里以上肢康复机器人各关节活动的最大值为标准；
其中，Sm—实际关节达到的最大弧度；Sr—参考关节弧度的标准值；—同一方向上各关节独立动作的平均弧度；n—采样点数；Srange越大表明接近康复机器人关节活动范围的极限值，表示关节分离运动效果越好。
(2)平衡功能评定标准：上肢康复机器人平衡功能评定主要由患者完成规定测试动作的运动时间及运动方向进行测定；在平衡功能评定中，以点对点直线运动为规定测试动作；如图5所示：A点为患者手臂末端在躯干固定条件下的运动起始位置，B点为运动终止位置，目标轨迹为A点到B点的直线，不同的曲线分别代表患者1和患者2的实际运动轨迹；
1)沿正确方向运动的程度Sdirection：在实际的运动过程中，患者的患肢经常会偏离理想的运动轨迹(如图5所示)，判定平衡功能的一个重要标准则是患者能否很好的控制患肢的运动方向；
其中，—x,y方向上n次横向平移运动的速度分量的平均值；n—采样点数；Sdirection越大，说明在运动全过程中横向运动越占主要部分，纵向运动越小；
2)规定动作的运动时间ST：据研究[参见文献：秦茵,毕胜,王福根.脑卒中上肢功能常用评价方法及临床应用[J].中国康复医学杂志,2004,19(3)：232-233.]，在简单的点对点运动中，正常人能够以相对匀速的速度沿着理想运动直线到达目标点，但是偏瘫患者由于手臂抖动而使其位移迅速增大，从而导致增加额外的运动时间；
ST＝N/F(s)；其中，N—特定的康复路径下的运动数量；F(s)—对手臂位移做记录的打点器的频率；
(3)协调功能评定标准：上肢康复机器人协调功能评定由患者完成规定测试动作的轨迹平滑度及轨迹一致性进行测定；
1)运动轨迹平滑度Ssmooth：由图5中可以看出，患者1在A到B的直线运动中轨迹平滑度明显好于患者2的运动轨迹。患肢在运动过程中轨迹弯曲表示患者在y方向的加速或者减速行为，因此y方向上速度分量是影响患者运动轨迹平滑度的重要因素。
其中，—x,y方向上n次横向平移运动的速度分量的平均值；n—采样点数；Ssmooth越小前伸运动畸变程度越小，运动轨迹的平滑度越好；
2)运动轨迹一致性Srepeat：当患者前面几项评测内容均较好时，则重复测试动作， 重复运动轨迹一致性越好表明患者运动功能恢复越好；通过Vyi的标准偏差来评测运动轨迹 重复运动的一致性：
其中，Vyi—y方向上n次横向平移运动的速度分量；—y方向上n次横向平移运动的速度分量的平均值；n—采样点数。Srepeat越小，表明运动的重复性越好，患者n次运动的轨迹一致性较好；
本实施例所述上肢康复机器人康复训练运动功能评价方法中，构建评语体系的内容要求依次如下：在上肢康复机器人运动功能评价中设立五个评语，分别为优秀、良好、中等、及格和较差，以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果，上肢康复机器人运动功能评价的评语集为：V＝{v1,v2,v3,v4,v5}；其中：v1＝优秀，分数在[90,100]之间；v2＝良好，分数在[80,89]之间；v3＝中等，分数在[70,79]之间；v4＝及格，分数在[60,69]之间；v5＝较差，分数在[50,59]之间；确定权重系数的相关要求如下：
(1)标度评判：要求至少三位临床康复医师组成专家组，以调查问卷的形式对各层次元素进行标度评判；调查问卷根据AHP分析法的形式设计，在同一个层次对影响因素的重要性进行两两比较，衡量尺度划分为五个等级，分别是绝对重要、十分重要、比较重要、稍微重要、同样重要，分别对应9，7，5，3，1的数值；调查问卷式样如表5所示，靠左边的衡量尺度表示左列因素重要于右列因素，靠右边的衡量尺度表示右列因素重要于左列因素；根据各专家的看法，在对应方格中打勾即可；为保证元素标度的准确性，按照自校正AHP-模糊分析评价法步骤(5)进行标度自校正；
表5上肢康复机器人运动功能综合评价调查问卷
为保证元素标度的准确性，按照自校正AHP-模糊分析评价法步骤(5)进行标度自 校正；例如：在肌力关节活动度功能与平衡功能比较中，三位专家分别给出标度值为1、3、3， 则标度平均值为
专家所定的标度的标准差Si为
上述结果说明三位专家所给出的肌力关节活动度功能与平衡功能比较标度数值较接近总体平均值，可以采纳。综合各位专家的评分，构建各层次判断矩阵表如表6-9所示：
表6上肢康复机器人运动功能综合评价判断矩阵表
上肢康复机器人运动功能综合评价U 肌力与关节活动度功能u<sub>1</sub> 平衡功能u<sub>2</sub> 协调功能u<sub>3</sub>
肌力与关节活动度功能u<sub>1</sub> 1 1/3 1/3
平衡功能u<sub>2</sub> 1 1
协调功能u<sub>3</sub> 1
表7肌力与关节活动度功能判断矩阵表
肌力与关节活动度功能u<sub>1</sub> 肌力水平u<sub>11</sub> 关节活动度u<sub>12</sub>
肌力水平u<sub>11</sub> 1 1
关节活动度u<sub>12</sub> 1
表8平衡功能判断矩阵表
平衡功能u<sub>2</sub> 沿正确方向运动的程度u<sub>21</sub> 规定动作的运动时间u<sub>22</sub>
沿正确方向运动的程度 1 3
规定动作的运动时间 1
表9协调功能判断矩阵表
协调功能u<sub>3</sub> 运动轨迹平滑度u<sub>31</sub> 运动轨迹一致性u<sub>32</sub>
运动轨迹平滑度u<sub>31</sub> 1 3
运动轨迹一致性u<sub>32</sub> 1
(2)求取各层次权重：利用求和法计算各层次权重，由式(1)～(3)得：
WU＝(0.1429,0.4286,0.4286)T
(3)一致性检验：对各判断矩阵进行一致性检验，以准则U为例，由式(4)、(5)得：
则CI＝(λmax-n)/(n-1)＝0；
一致性比例CR＝CI/RI＝0<0.1，说明准则U下的判断矩阵是一致的。同理通过计算可得其它准则下判断矩阵一致性比例CR同样小于0.1，因此认为以上判断矩阵均是合理的；从准则层的权重系数可以看出，肌力及关节活动度的权重最低，平衡功能和协调功能的权重比较高，说明在康复机器人运动功能评测中，平衡功能和协调功能对上肢康复机器人运动功能评价的影响比较大。
本实施例的技术基础中，还涉及到的相关原理知识，现将二者的相关内容介绍如下：
层次分析法(Analytic Hierarchy process，以下简称AHP)，是将一个复杂的多目标决策问题作为一个系统，将目标分解为多个目标或准则，进而分解为多指标(或准则、约束)的若干层次，通过定性指标模糊量化方法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法，称为层次分析法[参见文献1：陈晓剑,梁梁.系统评价方法及应用[M].中国科学技术大学出版社,1993.；文献2：叶义成,柯利华,黄德育.系统综合评价技术及其应用[M].冶金工业出版社,2006.]。
AHP分析法原理：AHP的基本思想是先按问题要求建立起一个描述系统功能或特征的内部独立的递阶层次结构，通过两两比较因素(或目标)的相对重要性，给出相应的比例标度，构造上层某要素对下层相关元素的判断矩阵，以给出相关元素对上层某要素的相对重要序列。
AHP分析法步骤如下：
(1)递阶层次结构的建立。应用AHP分析决策问题时，首先要把问题条理化、层次化，构造出一个有层次的结构模型。通常模型结构分为目标层、准则层和方案层，如图1所示。其中，目标层是最高层次或理想结果层；准则层为评价准则或衡量准则，也可为因素层、约束层；方案层(对策层、选择对象/人选/方案等层)对不同问题可有不同描述。
(2)构造判断矩阵。在建立递阶层次结构以后，为了确定各层次元素权重、进行层次排序，首先要构造判断矩阵。构造判断矩阵的方法是：将每一个具有向下隶属关系的元素(被称作准则)作为判断矩阵的第一个元素(位于左上角)，隶属于它的各个元素依次排列在其后的第一行和第一列，通过专家两两比较因素(或目标)的相对重要性，给出判断矩阵中相应的元素比例标度，建立判断矩阵A＝(aij)n×n。判断矩阵A有如下性质：1)aij>0；2)aji＝1/aij；3)aii＝1。
例如：如图1所示，针对准则B1，决策者将下一层元素C1,C2,…,Cn进行两两比较，比较两个元素Ci与Cj(i,j＝1,2,…,n)哪一个更重要，重要程度如何，并按表10所示的“1-9”标度对重要性程度赋值，形成判断矩阵A＝(aij)n×n，其中aij就是元素Ci与Cj相对于准则B1的重要性比例标度，则准则B1的判断矩阵表如表11所示。
表10 1-9标度
标度 含义
1 表示两个因素相比，具有同样重要性
3 表示两个因素相比，一个因素比另一个因素稍微重要
5 表示两个因素相比，一个因素比另一个因素明显重要
7 表示两个因素相比，一个因素比另一个因素强烈重要
9 表示两个因素相比，一个因素比另一个因素极端重要
2,4,6,8 上述两相邻判断的中值
表11准则B1的判断矩阵表
(1)层次单排序权重向量的求取方法有：求和法、和积法、方根法以及特征向量法，本文主要利用求和法来求取权重向量。求和法即对判断矩阵求每行之和，并对求和向量进行归一化。
求和法的计算步骤为：
(2)判断矩阵一致性检验的步骤为：
①计算系数λmax：
其中，(AW)i表示AW的第i个分量，AW为A和W的乘积。
②计算一致性指标CI：CI＝(λmax-n)/(n-1) (5)
③查表12得到平均随机一致性指标RI，RI是多次重复进行随机判断矩阵特征值的计算后取算术平均值得到的；
表12平均随机一致性指标
矩阵阶段 1 2 3 4 5 6 7 8 9 10
R.I. 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49
④计算一致性比例：CR＝CI/RI (6)
当CR<0.1时，一般认为判断矩阵A的一致性是可以接受的。
(3)层次单排序。层次单排序是指每一个判断矩阵中的因素针对其准则的相对权重。层次单排序本质上是通过判断矩阵计算各层次权重向量,但是求解得到该层次排序权重向量并不意味着层次单排序过程结束，因为一个正确的判断矩阵重要性排序是有一定逻辑规律的，例如若A比B重要，B又比C重要，则从逻辑上讲，A应该比C明显重要，若两两比较时出现C比A重要的结果，则该判断矩阵违反了一致性准则，在逻辑上是不合理的，所以需要将判断矩阵A进行的一致性检验，若不满足一致性条件，则要修改判断矩阵，直至满足为止，只有通过一致性检验层次单排序过程才算结束。因此，层次单排序的过程为先求取各层次的权重向量，再利用权重向量对判断矩阵进行一致性检验；
(4)层次总排序。计算同一层次所有因素对于最高层(总目标)相对重要性的排序权值，称为层次总排序，这一过程是由高层次到低层次逐层进行的。最底层(方案层)得到的层次总排序，就是n个被评价方案的总排序。例如：如图1所示，若层次B包含m个因素B1,B2,…,Bm，对总目标A的层次总排序权值分别为b1,b2,…,bm，层次C包含n个因素C1,C2,…,Cn，它们对于层次B中因素Bj(j＝1,…,m)的层次单排序权值分别为c1j,c2j,…,cnj(j＝1,2,…,m)，此时C层次的总排序权值如表13所示。
表13层次总排序
AHP分析法的最终结构式得到相对总目标各决策方案的优先顺序权重，并可给出这一组合权重所依据的整个递阶层次结构所有判断的总的一致性指标，据此做出决策。
模糊综合评价法(FCM)的相关内容介绍如下：在日常生活中，经常遇到许多模糊事物，没有分明的数量界限，要使用一些模糊的词句来形容、描述。比如，比较年轻、高个、大胖子、好、漂亮、善、热、远……。这些概念是不可以简单地用是、非或数字来表示的。针对这些问题，很多时候，人们不仅要从多种因素考虑，且一般只能用模糊语言描述，如：显示器的舒适性，人员的政治立场坚定，某建设方案的社会影响等。评价者从诸因素出发，参照有关信息，根据其判断对复杂问题分别作出“大、中、小”；“高、中、低”；“优、良、可、劣”；“好、较好、一般、较差、差”等程度性的模糊评价。因此，当评价因素具有模糊性时，这样的评价被称为模糊综合评价，又称模糊综合评判。
模糊综合评价法原理：模糊综合评价法(FCM，fuzzy comprehensive evaluationmethod)是根据扎德所创立的模糊集合理论，应用模糊关系合成的原理，按照给定目标，从多因素角度对被评价事物隶属等级状况进行综合性评价的一种方法，既可以根据事物的变化区间划分出评价等级，又对事物属于各评价等级的程度给出结论[参见文献1：李凡长,等.动态模糊逻辑引论[M].云南科技出版社,2005.；参见文献2：曹志梅.图书馆动态模糊评价与实证分析[M].北京图书馆出版社,2007.；参见文献3：李朝鲜.现代服务业评价指标体系与方法研究[M].中国经济出版社,2007.；参见文献4：李光升.施工升降机安全评价模糊专家系统研究[M].中国地质大学出版社,2006.]。同时，模糊集合的隶属度理论将评价结果由定性转化为定量，显著地提高了评价的科学性和合理性，可广泛应用于具有模糊性的各种多指标综合评价中。
模糊综合评价法说明如下：模糊综合评价通过构造等级模糊子集，将反映被评事物的模糊指标进行量化处理(即确定隶属度)，然后再利用模糊变化原理对各个评价指标进行综合运算，最终得出对评价事物的综合评价结论，模糊综合评价法评价步骤如下：
(1)设定评价指标因素集U：U＝{u1,u2,...,un}；其中ui,(i＝1,2,...,n)为U中因素，即评价指标。评价指标一般由同行专家讨论确定，指标项目应以既能够确切反映评价问题的实质特征，又具有可测性和可控性为原则。U的确定即确定了评价指标和评价指标体系。
(2)确定评价指标权重集W：因素ui,(i＝1,2,...,n)在评判中所具有的重要程度是不同的。利用层次分析法按其重要程度给出各个元素不同的权重，得到的权重集为：W＝(W1,W2,…,Wn)；式中，Wi(i＝1,…,n)为第i个因素ui的加权值且Wi＝(w1,…,wn)，一般规定利用层次分析法等方法确定评价因素的权重集W，可通过权重系数的调节反映出各个因素对综合评价结果影响的重要程度。
(3)设定评语集V：V＝{v1,v2,...,vm}；其中vj,(j＝1,2,...,m)是V的等级。这个步骤使模糊综合评价得到了一个模糊评价向量，被评事物对应各评语等级隶属程度的信息通过这个模糊向量表示，体现评价的模糊特性。
(4)建立模糊评价矩阵R：首先对因素集U中单因素ui,(i＝1,2,...,n)进行单因素评判，然后再逐一确定单因素ui对评语等级vj,(j＝1,2,...,m)的隶属度rij，于是便得出第i个因素ui的单因素评判模糊子集为：(Rui)＝(ri1,ri2,...,rim),i＝1,2,...,n；
这样，由n个单因素评判模糊子集组合起来，就可构造出总的模糊评价矩阵R
其中rij为U中因素ui对应V中等级vj的隶属度，即从因素ui着眼被评对象能被评为vj等级的隶属关系，因而rij是第i个因素ui对该事物的单因素评价，它构成了模糊综合评价的基础。
(5)模糊综合评价：利用合成算子将W与各被评事物的R进行合成，得到各被评事物的模糊综合评价结果向量B，即：B＝WοR；式中，“ο”代表合成算子。
(6)模糊综合评判。即给出模糊综合评价结果，处理方法主要有隶属度分级法、模糊向量单值化法和计算隶属度对比系数法。具体说明如下：
①隶属度分级法：按照最大隶属度原则，确定被评对象最终所对应的评价等级，这实质是做某种裁割，强使模糊信息清晰化。由于是推演后的截割，所以在某些情况下是有效的，其效果自然优于常规方法那种推演前的截割。
②模糊向量单值化法：即将各评语等级赋值，计算公式如下：B'＝BοCT；式中，“ο”代表合成算子，CT为各等级值化向量的转置，结果B'是一个单值。
③计算隶属度对比系数法：将B归一化得到B″：B″＝(b″1,b″2,......，b″n)；式中，b″i表示U中被评价因素ui对应于评语论域V中vi所符合的程度，可以用结构相对数计算隶属对比系数，例如，计算结构优良度公式为：也可以用比例相对数计算隶属对比系数，例如，计算比例优良度公式为：
计算隶属度对比系数是对所得综合评价结果B信息的进—步开发。隶属度对比系数可以反映各等级隶属度的内部结构比例情况。结构优良度和比例优良度越高，说明被评价事物隶属于优良等级的程度越高。
本实施例通过对临床运动功能评定内容及评定方法进行研究，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准。同时，本实施例还提出一种基于元素标定的自校正AHP-模糊分析评价法，并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立了上肢康复机器人运动功能评价模型。通过实例验证，说明本实施例所述自校正AHP-模糊分析评价法在上肢康复评价中的可行性和有效性，并与临床运动功能的评价结果相吻合。本实施例具有可预期的较为巨大的经济和社会价值。

Claims (3)

1.一种上肢康复机器人康复训练运动功能评价方法，其特征在于：其使用自校正AHP-模糊分析评价法，将临床运动功能评价内容转化为上肢康复机器人评价的指标体系，利用上肢康复机器人数据采集功能，将上肢康复机器人运动功能评价指标进行量化，给出各评价指标的评定标准；同时，利用自校正AHP-模糊分析评价法，并在此基础上确定上肢康复机器人评价指标的递阶层次关系及评语体系，建立上肢康复机器人运动功能评价模型；对上肢康复机器人康复训练运动功能进行评价；其中：
(一)所述自校正AHP-模糊分析评价法的具体步骤和内容依次要求如下：
(1)设定评价指标的因素集U：假定某类事物由n个因素决定，选取各因素组成集合，构成该事物的因素集U＝{u1,u2,...,un}；若将因素ui,(i＝1,2,...,n)继续划分，则ui＝{ui1,ui2,…,uij}(i＝1,2,…,n；j＝1,2,…,m)，以此类推uij＝{uij1,uij2,…,uijk}，如此划分下去；
(2)建立评价指标的层次结构：依照因素集的分类，将评价指标问题条理化、层次化，构造出一个层次分析的结构模型；在模型中，将复杂问题分解，分解后各组成部分称为元素，这些元素又按属性分成若干组，形成不同层次；
(3)确定评语集V：评语集是由对评判对象可能做出的评判结果所组成的集合，V＝{v1,v2,...,vk}，其中vk,k＝1,2,...,p是V的等级，评语集V是与因素集U相应的评价集合；
(4)请专家对各层次元素标度进行评判：为保证评分的客观性及准确性，邀请专业技术人员组成专家组，利用“1-9”标度法对各层次元素之间标度进行评判，综合各位专家的评分，给出判断矩阵A中元素aij的比例标度，并进行如下运算：
1)求和法求取层次单排序权重向量：
①将判断矩阵A每一列归一化：
②将A＝(aij)n×n按行加总，得：
③将②中所得的行向量归一化，有：
从而得到该层次排序权重向量W＝(W1,W2,...,Wn)T
2)判断矩阵一致性：
①计算系数λmax：
其中，(AW)i表示AW的第i个分量，AW为A和W的乘积;
②计算一致性指标CI：
CI＝(λmax-n)/(n-1) (5)
③查表1得到平均随机一致性指标RI，RI是多次重复进行随机判断矩阵特征值的算术平均值；
表1 平均随机一致性指标
矩阵阶段 1 2 3 4 5 6 7 8 9 10 R.I. 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49
④计算一致性比例：
CR＝CI/RI (6)
当CR<0.1时，一般认为判断矩阵A的一致性是可以接受的；
(5)元素标度自校正：针对步骤(4)中专家评判的差异性，为避免极端意见的出现，将判断矩阵中的元素aij的比例标度进行自校正分析，设n位专家对评价对象所定标度aij的值为ri(i＝1,…,n)，其分析步骤为：
①计算n位专家对各评价对象所定标度的平均值
②计算n专家所定的标度的标准差Si
若Si≤1则认为是合格标度，反之则为不合格标度，由此删除极端意见；
(6)构造判断矩阵并进行一致性检验：确定元素比例标度后，根据AHP分析法中构造判断矩阵及层次单排序的方法，建立判断矩阵，得出各层次的排序权重向量W，并利用权重向量W对判断矩阵的一致性进行检验；若一致性比例CR>0.1，认为判断矩阵一致性不可接受，则返回到步骤(4)请专家重新对元素标度进行评判并构造判断矩阵；若CR≤0.1时，则满足一致性检验，进行下一个步骤；
(7)建立隶属度函数：隶属函数的构造采用梯型分布函数和线性函数相结合的方法，设a,b,c,d为相邻的分级标准且a＜b＜c＜d，则隶属度函数可表示为：
(8)模糊综合评价：多因素多层次系统的多级模糊综合评价的方法为：先按最低层次的各因素进行综合评价，然后再按上一层次的各因素进行综合评价，以此类推向更上一层评价，直到最高层次得出总的综合评价结果；具体计算过程如下：
①一级模糊综合评价：如步骤(1)所示，设U＝{u1,u2,...,un}，其中ui,(i＝1,2,...,n)为U的因素，ui＝{ui1,ui2,…,uij}(i＝1,2,…,n；j＝1,2,…,m)，以此类推uij＝{uij1,uij2,…,uijk}，设第i类中第j个因素uij隶属于评价集合中第k个元素的隶属度为rijk(i＝1,2,…,n；j＝1,2,…,m；k＝1,2,…,p)，则因素uij的模糊评价矩阵为：
其中，Ri矩阵的行数为第i类中因数的个数，Ri矩阵的列数为评价集内的元素个数；
因此，第i类因素的模糊综合评价结果为：
其中，Wi为第i类因素的权重集；
②二级模糊综合评价：二级模糊综合评价的单因素评价矩阵是一级模糊综合评价矩阵，按照一级模糊综合评价所假设内容，因素U的模糊评价矩阵为
其中rik＝bik(i＝1,2,…,n；k＝1,2,…,p)；
二级模糊综合评价结果为：
其中，W为因素U的权重集；
③多级模糊综合评价：按照一、二级模糊综合评价的方法以此类推，多级模糊综合评判就是从最底层开始，向上逐层运算，最后利用合成算子将权重集W与各被评事物的模糊评价矩阵R进行合成，得到各被评事物的模糊综合评价结果向量B，多级模糊综合评价的一般形式为：
其中j为评价集内的元素个数；
(9)归一化处理：得出具有可比性的综合评价结果；
(二)确立隶属度函数的内容要求依次如下：在上肢康复机器人运动功能评价中，上肢康复机器人运动功能评价的评语集V＝{v1,v2,v3,v4,v5}设定五个评语等级，分别为：优秀、良好、中等、及格和较差；以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果；其中：v1＝优秀，分数在[90,100]之间；v2＝良好，分数在[80,89]之间；v3＝中等，分数在[70,79]之间；v4＝及格，分数在[60,69]之间；v5＝较差，分数在[50,59]之间；
以此为基础确定上肢康复机器人运动功能评价隶属度函数，式中i＝1,2,3，j＝1,2；
(三)所述上肢康复机器人康复训练运动功能评价方法中，建立综合评价模型的内容要求依次如下：根据隶属度函数，对被评价数据的各因素进行量化处理，通过对单因素进行评价，建立单因素评价向量，最终构建模糊评价矩阵；
由上肢康复机器人评价隶属度函数可得：
肌力水平u11的隶属度为：[μv1(u11),μv2(u11),μv3(u11),μv4(u11),μv5(u11)] (19)
关节活动度u12的隶属度为：[μv1(u12),μv2(u12),μv3(u12),μv4(u12),μv5(u12)] (20)
沿正确方向运动程度u21的隶属度为
[μv1(u21),μv2(u21),μv3(u21),μv4(u21),μv5(u21)] (21)
规定动作运动时间u22的隶属度为
[μv1(u22),μv2(u22),μv3(u22),μv4(u22),μv5(u22)] (22)
运动轨迹平滑度u31的隶属度为：[μv1(u31),μv2(u31),μv3(u31),μv4(u31),μv5(u31)](23)
运动轨迹一致性u32的隶属度为：[μv1(u32),μv2(u32),μv3(u32),μv4(u32),μv5(u32)](24)
则各模糊评价矩阵为：
肌力与关节活动度模糊评价矩阵
平衡功能模糊评价矩阵
协调功能模糊评价矩阵
依据自校正AHP模糊分析评价法步骤(8)，上肢康复机器人运动功能模糊综合评价矩阵为
其中，
2.按照权利要求1所述上肢康复机器人康复训练运动功能评价方法，其特征在于：所述上肢康复机器人康复训练运动功能评价方法中，自校正AHP-模糊分析评价法中，建立基于自校正AHP-模糊分析的上肢康复机器人运动功能评价模型的内容要求依次如下：
其一，建立评价指标体系：
上肢康复机器人运动功能评价通过肌力及关节活动度评定、平衡功能评定及协调功能评定三个方面来进行；其中，肌力及关节活动度可通过上肢康复机器人系统的检测功能采集肌力数据和测量关节活动角度；平衡功能通过设定测试动作由患者完成规定测试动作的运动时间及运动方向两方面来进行测定；协调功能同样通过设定测试动作由患者完成规定测试动作的轨迹平滑度及轨迹一致性两方面进行测定；
根据自校正AHP-模糊分析评价法，将上肢康复机器人运动功能评价指标进行逐层分解及树形排序，确定康复评价指标体系因素集U：U＝{u1，u2，u3}
其中，u1为肌力与关节活动度评价，u1＝{u11,u12}，u11为肌力水平，u12为关节活动度；u2为平衡功能评价，u2＝{u21,u22}，u21为沿正确方向运动程度，u22为规定动作运动时间；u3为协调功能评价，u3＝{u31,u32}，u31为运动轨迹平滑度，u32为运动轨迹一致性；
其二，指标评定标准：将上肢康复机器人运动功能指标的评定方法进行量化，给出上肢康复机器人运动功能评价指标的评定标准如下：
(1)肌力及关节活动度功能评定标准：上肢康复机器人肌力及关节功能评定主要利用系统的检测功能对肌力水平以及关节活动度进行测定；其中：
1)肌力水平Smuscle：肌力即肌肉收缩时产生的力量，根据肌力情况一般均将肌力分为0～ⅴ级，ⅴ级为正常值，这里以ⅴ级肌力为标准值；
其中，Fm—实际肌力测量值；Fr—参考肌力标准值；n—采样点数；
2)关节活动度Srange
其中，Sm—实际关节达到的最大弧度；Sr—参考关节弧度的标准值；—同一方向上各关节独立动作的平均弧度；n—采样点数；
(2)平衡功能评定标准：在平衡功能评定中，以点对点直线运动为规定测试动作；
1)沿正确方向运动的程度Sdirection：
其中，—x,y方向上n次横向平移运动的速度分量的平均值；n—采样点数；
2)规定动作的运动时间ST：
ST＝N/F(s)
其中，N—特定的康复路径下的运动数量；F(s)—对手臂位移做记录的打点器的频率；
(3)协调功能评定标准：上肢康复机器人协调功能评定由患者完成规定测试动作的轨迹平滑度及轨迹一致性进行测定；
1)运动轨迹平滑度Ssmooth：
其中，—x,y方向上n次横向平移运动的速度分量的平均值；n—采样点数；
2)运动轨迹一致性Srepeat：通过Vyi的标准偏差来评测运动轨迹重复运动的一致性：
其中，Vyi—y方向上n次横向平移运动的速度分量；—y方向上n次横向平移运动的速度分量的平均值；n—采样点数。
3.按照权利要求2所述上肢康复机器人康复训练运动功能评价方法，其特征在于：所述上肢康复机器人康复训练运动功能评价方法中，构建评语体系的内容要求依次如下：在上肢康复机器人运动功能评价中设立五个评语，分别为优秀、良好、中等、及格和较差，以此来表示脑卒中上肢偏瘫患者运动功能的恢复效果，上肢康复机器人运动功能评价的评语集为：V＝{v1,v2,v3,v4,v5}；其中：v1＝优秀，分数在[90,100]之间；v2＝良好，分数在[80,89]之间；v3＝中等，分数在[70,79]之间；v4＝及格，分数在[60,69]之间；v5＝较差，分数在[50,59]之间；确定权重系数的相关要求如下：
(1)标度评判：要求至少三位临床康复医师组成专家组，以调查问卷的形式对各层次元素进行标度评判；调查问卷根据AHP分析法的形式设计，在同一个层次对影响因素的重要性进行两两比较，衡量尺度划分为五个等级，分别是绝对重要、十分重要、比较重要、稍微重要、同样重要，分别对应9，7，5，3，1的数值；为保证元素标度的准确性，按照自校正AHP-模糊分析评价法步骤(5)进行标度自校正；
综合各位专家的评分，构建各层次判断矩阵表如表1、表2、表3及表4所示：
表1 上肢康复机器人运动功能综合评价判断矩阵表
上肢康复机器人运动功能综合评价U 肌力与关节活动度功能u<sub>1</sub> 平衡功能u<sub>2</sub> 协调功能u<sub>3</sub> 肌力与关节活动度功能u<sub>1</sub> 1 1/3 1/3 平衡功能u<sub>2</sub> 1 1 协调功能u<sub>3</sub> 1
表2 肌力与关节活动度功能判断矩阵表
肌力与关节活动度功能u<sub>1</sub> 肌力水平u<sub>11</sub> 关节活动度u<sub>12</sub> 肌力水平u<sub>11</sub> 1 1 关节活动度u<sub>12</sub> 1
表3 平衡功能判断矩阵表
表4 协调功能判断矩阵表
协调功能u<sub>3</sub> 运动轨迹平滑度u<sub>31</sub>运动 轨迹一致性u<sub>32</sub> 运动轨迹平滑度u<sub>31</sub> 1 3 运动轨迹一致性u<sub>32</sub> 1
(2)求取各层次权重：利用求和法计算各层次权重，由式(1)～(3)得：
WU＝(0.1429,0.4286,0.4286)T
(3)一致性检验：对各判断矩阵进行一致性检验，以准则U为例，由式(4)、(5)得：
则一致性指标CI＝(λmax-n)/(n-1)＝0；
一致性比例CR＝CI/RI＝0＜0.1，准则U下的判断矩阵是一致的。
CN201410159102.8A 2014-04-18 2014-04-18 一种上肢康复机器人康复训练运动功能评价方法 Expired - Fee Related CN104997523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410159102.8A CN104997523B (zh) 2014-04-18 2014-04-18 一种上肢康复机器人康复训练运动功能评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410159102.8A CN104997523B (zh) 2014-04-18 2014-04-18 一种上肢康复机器人康复训练运动功能评价方法

Publications (2)

Publication Number Publication Date
CN104997523A CN104997523A (zh) 2015-10-28
CN104997523B true CN104997523B (zh) 2019-05-28

Family

ID=54370591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410159102.8A Expired - Fee Related CN104997523B (zh) 2014-04-18 2014-04-18 一种上肢康复机器人康复训练运动功能评价方法

Country Status (1)

Country Link
CN (1) CN104997523B (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106109225A (zh) * 2016-06-23 2016-11-16 山东建筑大学 按摩控制设备及其基于层次分析的按摩方案评价方法
CN107464033A (zh) * 2016-11-14 2017-12-12 威凯检测技术有限公司 基于模糊层次分析的扫地机器人智能特性等级评价方法
CN106648089A (zh) * 2016-12-14 2017-05-10 中国电子产品可靠性与环境试验研究所 智能可穿戴产品等级评价方法和系统
CN106934216B (zh) * 2017-02-16 2021-09-14 山东大学齐鲁医院 基于多目标的医疗器械临床评价方法
CN107944754A (zh) * 2017-12-13 2018-04-20 泰康保险集团股份有限公司 康复治疗质量评定的方法、装置、存储介质及电子设备
CN107875583A (zh) * 2017-12-15 2018-04-06 辽宁工业大学 一种多功能收腹运动机及其运动评定方法
CN107993720A (zh) * 2017-12-19 2018-05-04 中国科学院自动化研究所 基于深度相机和虚拟现实技术的康复功能评定装置及方法
CN108172297A (zh) * 2018-01-29 2018-06-15 广东工业大学 一种上肢康复训练机器人康复训练功能的评估方法
CN108615558A (zh) * 2018-04-28 2018-10-02 郴州市第人民医院 一种基于冲击疗法治疗痉挛性偏瘫的评估系统及方法
CN112188864A (zh) * 2018-10-31 2021-01-05 华为技术有限公司 一种运动指标评估方法及装置
CN109363888A (zh) * 2018-11-14 2019-02-22 华南理工大学 一种沉浸式上肢康复训练系统
CN109363887B (zh) * 2018-11-14 2020-09-22 华南理工大学 一种交互式上肢康复训练系统
CN109754873A (zh) * 2019-01-24 2019-05-14 宁波市康复医院 一种康复排程系统及其排程方法
CN110310534B (zh) * 2019-05-16 2021-07-09 徐州医科大学附属医院 一种改良Asworth肌张力评定量表医学教学用模拟教具
CN110196857A (zh) * 2019-05-16 2019-09-03 武汉誉德节能数据服务有限公司 一种工业物联网数据预测分析平台
CN110755085B (zh) * 2019-10-29 2023-02-21 南京茂森电子技术有限公司 基于关节活动度与运动协调性的运动功能评估方法及设备
CN110900638B (zh) * 2019-10-31 2022-10-14 东北大学 基于多信号融合的上肢可穿戴式搬运机器人运动识别系统
CN111105128A (zh) * 2019-11-06 2020-05-05 安徽省交通勘察设计院有限公司 一种内河港口物流园开发模式的分析方法
CN111067538B (zh) * 2019-12-06 2021-03-16 清华大学 基于力、位置信息评估上肢运动功能的方法及系统
CN111012360B (zh) * 2019-12-30 2023-06-09 中国科学院合肥物质科学研究院 一种用于戒毒人员神经系统数据采集的装置及方法
CN111631726B (zh) * 2020-06-01 2021-03-12 深圳华鹊景医疗科技有限公司 上肢功能评估装置与方法及上肢康复训练系统与方法
CN112043268B (zh) * 2020-09-03 2024-01-26 天津理工大学 一种基于康复运动主动性参与判定的上肢康复评价方法
CN115252363A (zh) * 2021-04-30 2022-11-01 上海神泰医疗科技有限公司 机器人的安全处理方法、系统、终端及存储介质
CN113707268A (zh) * 2021-08-27 2021-11-26 温州医科大学慈溪生物医药研究院 一种康复训练评估方法及系统
CN114136670B (zh) * 2021-10-26 2024-08-13 中国石油化工股份有限公司 基于管道检测机器人测试平台的管道检测机器人评价方法
CN114121215A (zh) * 2021-11-08 2022-03-01 上海机器人产业技术研究院有限公司 平面康复镜像机器人系统的训练评估方法
CN114403858B (zh) * 2021-12-29 2023-10-03 杭州程天科技发展有限公司 一种人体运动功能评估方法、设备及系统
CN114533041A (zh) * 2022-01-24 2022-05-27 西安交通大学 一种基于聚类的脊髓损伤肢体功能障碍自动评估方法
CN116172841B (zh) * 2023-04-27 2024-03-29 北京航空航天大学 基于六维力感知的康复机器人控制方法、控制装置及机器人
CN116784837A (zh) * 2023-08-07 2023-09-22 北京工业大学 一种上肢运动障碍评估方法及装置
CN117860531B (zh) * 2024-03-11 2024-05-14 天津市天津医院 一种基于肌电生物反馈的脊髓损伤康复装置
CN118366108A (zh) * 2024-05-06 2024-07-19 嘉兴南湖区路空协同立体交通产业研究院 一种路空协同交通场景智能识别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102335086A (zh) * 2011-06-10 2012-02-01 东北大学 一种六自由度足腿式下肢康复训练机器人及其控制方法
CN103519970A (zh) * 2013-10-12 2014-01-22 天津理工大学 一种微智能外骨骼手指康复机器人

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010263953A (ja) * 2009-05-12 2010-11-25 Oki Electric Ind Co Ltd 運動分析装置、プログラム及び方法、並びに、運動分析システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102335086A (zh) * 2011-06-10 2012-02-01 东北大学 一种六自由度足腿式下肢康复训练机器人及其控制方法
CN103519970A (zh) * 2013-10-12 2014-01-22 天津理工大学 一种微智能外骨骼手指康复机器人

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于AHP-模糊综合评判的上肢康复机器人康复评价方法;王建辉等;《沈阳大学学报》;20120630;第26卷(第3期);第47-51页

Also Published As

Publication number Publication date
CN104997523A (zh) 2015-10-28

Similar Documents

Publication Publication Date Title
CN104997523B (zh) 一种上肢康复机器人康复训练运动功能评价方法
CN109875565A (zh) 一种基于深度学习的脑卒中上肢运动功能自动评定方法
CN110570946A (zh) 一种下肢康复机器人康复训练运动功能康复评价方法
Maura et al. Literature review of stroke assessment for upper-extremity physical function via EEG, EMG, kinematic, and kinetic measurements and their reliability
CN108172297A (zh) 一种上肢康复训练机器人康复训练功能的评估方法
Solstad et al. A comparison of muscle activation between barbell bench press and dumbbell flyes in resistance-trained males
Kashuba et al. Morpho-functional screening of primary school students during the course of physical education
CN112568901A (zh) 一种基于多传感器的步态对称性和一致性评估方法
CN108985278A (zh) 一种基于svm的步态功能评估模型的构建方法
CN111916179A (zh) 一种基于人工智能自适应个体体征进行“量身定制”饮食滋补模型方法
CN109009148A (zh) 一种步态功能评估方法
Dempsey et al. Evaluation of the ability of power to predict low frequency lifting capacity
Bajpai et al. AbnormNet: A neural network based suggestive tool for identifying gait abnormalities in cerebral palsy children
Morillo et al. Exploring the Impact of Repetitive Exercise on Physical Fatigue: A Study of Industrial Task Simulation in a Controlled Fitness Setting
Skarsgard et al. Toward robot-assisted diagnosis of developmental coordination disorder
Hoffmann et al. Predicting elite triathlon performance: A comparison of multiple regressions and artificial neural networks
Hu et al. Correlative Analysis and Prediction of Physical Education Data Via Machine Learning: A Case Study on Grade Evaluation Method in University
CN110755084B (zh) 基于主被动、分阶段动作的运动功能评估方法及设备
Xu et al. Modeling and Assessing Hip-Knee Joint Coordination Based on Cyclograms Using a Portable Motion Capture System
Bulhões-Correia et al. Discriminant factors and the relationship between anthropometry and maturation on strength performance in elite young male Brazilian Jiu-Jitsu athletes
Guo et al. A novel fuzzy neural network-based rehabilitation stage classifying method for the upper limb rehabilitation robotic system
Puzi et al. Objective Analysis of Muscle Spasticity Level in Rehabilitation Assessment
Jurkojč et al. The Standard Deviation of Differential Index as an innovation diagnostic tool based on kinematic parameters for objective assessment of a upper limb motion pathology
Li et al. Evaluation of motor function based on self-correction analytical hierarchy process
Wang et al. Light imaging detection based on cluster analysis for the prevention of sports injury in tennis players

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

Granted publication date: 20190528

CF01 Termination of patent right due to non-payment of annual fee