CN106108898A - 一种检测眼睛肌肉疲劳的方法和检测系统 - Google Patents

Abstract

本发明公开了一种检测睫状肌肌肉疲劳的方法和检测系统，本发明提供了一种通过探测眼部睫状肌肌电判断眼部疲劳的检测方法和检测系统，所述方法包括：采集人体肌电信号，通过小波、自适应滤波等方法进行滤波，滤波后带其它肌电信息的混合肌电信号使用盲源分离方法将信号进行分离，分离出的信号通过人工神经网络、支持向量机(SVM)进行识别，识别出睫状肌肌电信号，对睫状肌肌电信号进行时域频域转换，转换后的睫状肌肌电信号用人工神经网络、支持向量机(SVM)识别出眼睛睫状肌的状态，为使用者提供用眼建议。

Description

一种检测眼睛肌肉疲劳的方法和检测系统

技术领域

本发明涉及检测眼睛肌肉疲劳的方法领域，特别地涉及一种检测眼睛肌肉疲劳的检测系统。本发明所述检测方法和相关系统可以实时检测使用者的眼睛肌肉的疲劳程度，并根据使用者的眼镜疲劳程度适时提供用眼及其他医学检测的建议。

背景技术

1、据教育部对全国学生体质健康调研显示，我国学生视力状况不容乐观，7-12岁小学生、13-15岁初中生和16-18岁高中生视力不良率分别高达40.89％、67.33％和79.20％。某直辖市青少年近视防治中心报告，目前近视高发于9～13岁，特点是低龄化、高度数，近视度数高于600易导致视网膜病变，根据教育部关于印发《普通高等学校招生体检工作指导意见》的通知要求，裸眼视力任何一眼低于5.0者，相关专业不能录取，所以预防近视的工作刻不容缓，“不良的视觉环境，读书写字时光线不足，近距离用眼时间过长，读写姿势不正确等是造成近视发生或发展的重要原因”。

2、肌电信号(EMG)是众多肌纤维中运动单元动作电位(MUAP)在时间和空间上的叠加，肌电信号能在一定程度上反映神经肌肉的活动。在肌肉疲劳时，肌电信号也会随着肌肉的疲劳发生变化，这种变化有规律可循。肌肉疲劳通常是指肌肉运动系统最大作功能力或者最大收缩能力的暂时下降肌电信号可以在一定程度上反映肌肉收缩功能的变化，其检测具有非损伤性、实际性、多靶点测量等优点，多年来应用肌电信号分析评价肌肉疲劳的应用性研究主要集中在线性的时、频分析两个领域，主要的研究包括肌肉活动和肌肉疲劳的肌电信号维数、复杂度、熵变化规律和特点等；

3、当前市场上的学生用近视预防装置都没有考虑到探测使用者的睫状肌肌电信号来判断使用者眼镜的状态。

4、目前预防近视相关的专利，可分为如下几类：

1)眨眼检测类，如申请号为《201510376798.4》的发明专利，主要的方法是通过判断使用者眨眼的次数和图像，推断出使用者眼睛是否疲劳，此种方法是从一些间接的证据(眨眼)来判断眼睛的疲劳情况，导致眨眼次数变化的可能有很多如环境问题(光源、灰尘)、使用者眼睛的问题(干眼症、眼结石、麦粒肿)，这导致申请号为《201510376798.4》的发明专利无法用一个标准判断每一个个体眨眼代表的眼部肌肉疲劳与否。

2)控制类，如授权公告号为《CN103453931B》、《CN103446653B》、《CN102743252B》的发明专利，虽然从使用者的外部环境和使用者本身的姿态对使用者的用眼进行规范，有效果，但是这些专利都没有涉及到对使用者的眼睛疲劳程度进行实时的检测，只是根据使用者读书，学习的时间进行粗框的判断，没有做到精细化、实时判断，达不到在判断眼睛疲劳上的最佳效果。

5、当前一些锻炼睫状肌的产品没有考虑使用者使用时睫状肌的疲劳状态，考虑到实际情况是大部分情况下使用者(青少年)的睫状肌处于疲劳状态，在睫状肌疲劳状态下强行进行睫状肌的锻炼，只会加深睫状肌的疲劳程度，造成使用者得到与目的相反的结果。

以上分析的专利对眼睛疲劳的实时状态没有获得或者获得方法不实用，在实际使用中效果会有欠缺。

发明内容

针对现有技术中存在的问题，本发明旨在实现的技术问题为：获取眼部周围人体表面的肌电信号，对肌电信号进行放大、滤波、分离，用人工智能的方法识别睫状肌的肌电信号，对肌电信号进行分析，分析出睫状肌肌电的状态即睫状肌的疲劳程度。

为了实现上述发明目的，其采用的技术方案由以下部分组成：数据采集单元，数据分析决策单元，数据传输单元：

所述数据采集单元主要用途是采集人体表面的肌电信号，并将肌电信号进行A/D转换，在这个过程中如果需要进行信号放大，可以先进行一次模拟信号的放大后进行A/D转换。考虑到数字滤波的效率和计算量的压力，如果有硬件滤波的需求在数据采集单元也可以加硬件滤波器在A/D转换前，A/D器件的采样频率需要大于1K，是肌电信号频率范围10Hz～500Hz的两倍或者更高，保证采样数据的有效性。检测电极可以是阵列式电极用于保证效果。

所述数据分析决策单元主要用途是识别睫状肌的疲劳状态，所述数据分析决策单元从所述数据采集单元得到含有睫状肌肌电信号和其它噪音信号的数据，所述数据分析决策单元处理流程分为如下步骤：

A.滤波和变换，因为所述数据采集单元采集的数据包含眼睛眨眼、面部肌肉活动等肌电信息，在本系统被认为是噪音，需要从带有噪音的原始数据中得到睫状肌的肌电信号，所以要使用滤波器根据睫状肌信号的特征对从所述数据采集单元得到的数据进行滤波，滤波可使用FIR、IIR类数字滤波器，对信号采用带通滤波，滤波后的数据根据需要进行放大；滤波前后可以进行信号的时域、频域变换，滤波、变换后的数据剩下由多种肌电信号合并成的信号，这些信号中包含睫状肌肌电信号，还包括眨眼、面部肌肉活动的肌电信号，左右两眼的多条睫状肌的信号是相关的信号，可以视作一个信号，因使用者眼部病变等原因也有可能使多条睫状肌信号不相关，后面的步骤会对分离出的肌电信号逐条判断；

B.信号分离提取，因为滤波和变换后的信号是由多种肌电信号合并成的信号，本步骤目的是从滤波和变换后的信号中分离睫状肌的信号，这里视除睫状肌外的信号为噪音信号，因为睫状肌信号和其他噪音不相关，所以使用数学方法将信号分离，数学方法可以使用盲源分离(BSS)、自适应信号滤波、经验模态分解法、主成分分析、小波，使用盲源分离(BSS)进行信号分离时分离出一组待判定的信号，这组待判定的信号中的有睫状肌肌电信号；左右两眼的多条睫状肌的信号是相关的信号，可以视作一个信号，在使用盲源分离(BSS)进行信号分离后作为一个信号存在，但是在某些情况下，因眼部病变或者睫状肌本身的病变，可能会造成使用盲源分离(BSS)进行信号分离后有多个睫状肌信号的存在；

C.对信号进行识别，本步骤目的是识别出睫状肌的疲劳程度，识别的方式可以是人工神经网络或支持向量机(SVM)，识别前可以由使用人对识别系统进行训练，或者根据事前对大量使用者预先分析的数据对识别系统进行训练，识别可以有两级，第一级识别出睫状肌信号，第二级识别睫状肌信号的疲劳程度，两级使用的识别方式、算法可以不同；识别的方式也可以是根据设定的阈值对信号的时域或频域特性进行判定，也可结合时域、频域特性共同判定(幅频联合分析JASA)，如根据Piper规律判断表面肌电信号的频率变化得出肌肉的疲劳程度，本步骤如果有需要可以进行时域频域变换，变换的方法可以是傅里叶变换、小波变换；如上一步骤是盲源分离(BSS)方法，经盲源分离(BSS)得到的一组待选信号经过人工神经网络或支持向量机(SVM)进行识别，识别出睫状肌肌电信号，睫状肌肌电信号直接通过人工神经网络或支持向量机(SVM)识别出睫状肌的疲劳状态，或者将睫状肌肌电信号的时频、幅值信息等特征进行提取，提取的信息再通过人工神经网络或支持向量机(SVM)进行识别,识别出睫状肌的疲劳状态，可提取的特征：时域特征、小波变换(WT)、自回归模型系数(AR)、倒谱系数(CEP)、小波包分解(WPT)、短时傅立叶变化(STFT)、幅值。

上述步骤通常实现可以按照顺序也可不按照描述的顺序，上述步骤在实现时按需可以省略A或者B步骤。

所述数据传输单元可以使数据传输到远程服务端，即所述数据分析决策单元可以在本地也可以在远程服务端上，所述数据分析决策单元和所述数据采集单元在一起时所述数据传输单元可以省略。远端服务器可以解决本地的运算能力、电池容量局限的矛盾，并且可以降低本地硬件的成本。

本发明的有益效果如下：

1、本发明所述方法可以直接提取睫状肌的疲劳程度，通过实时监测使用者的睫状肌疲劳程度，适时提醒使用者是否需要休息，从而避免使用者在不知情的情况下视力下降，做到睫状肌劳逸结合，减低近视的发病率；

2、本发明所述方法可以直接提取睫状肌的疲劳程度，可以用于使用者有意识的锻炼睫状肌，在使用者锻炼睫状肌时给使用者提供反馈和锻炼效果，达到增强睫状肌肌肉的能力，使使用者眼睛不容易出现疲劳的状态，减低近视的发病率。当前一些锻炼睫状肌的产品没有考虑使用者使用时睫状肌的疲劳状态，考虑到实际情况是大部分情况下使用者(青少年)的睫状肌处于疲劳状态，在睫状肌疲劳状态下强行进行睫状肌的锻炼，只会加深睫状肌的疲劳程度，造成使用者得到与目的相反的结果，在应用本发明所述方法后，锻炼睫状肌时可以实时得到睫状肌的疲劳状态，可以对睫状肌进行科学的锻炼，减低近视的发病率；

3、本发明所述方法可以直接提取睫状肌的疲劳程度，可以用于灯具厂家跟踪使用灯具者在使用灯具时的疲劳曲线，在整合大量人群使用灯具的数据后适时调整灯具的光强、频谱参数，使使用者得到更佳的使用体验，一方面延缓使用者连续使用灯具的疲劳时间，另一方面为灯具厂家创造更好的效益；本发明所述的方法制成的产品可以和申请号《201510844376.5》的发明专利所述护眼灯配合工作，本发明所述的方法制成的产品将睫状肌的疲劳程度实时传输到申请号《201510844376.5》的发明专利所述护眼灯，所述护眼灯实时调节所述护眼灯的光谱，使使用者得到更好的学习环境，在减低近视发病率的同时提高使用者的学习效率；

4、本发明所述方法可以直接提取睫状肌的疲劳程度，大量人群的使用数据可以供科研机构对近视发病与睫状肌疲劳的关系的研究，也可以用于研究新的眼药水、药物用于避免使用者近视。

附图说明

图1为本发明实施例的框图。

图2为本发明另一实施例的框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本实施例通过设置在眼镜的鼻托和镜腿上的肌电传感器采集睫状肌产生的信号。睫状肌工作时会产生肌电信号，在眼镜架的鼻托和镜腿上分别设置肌电传感器，通过该肌电传感器即可采集含有噪音的睫状肌的肌电信号，该肌电信号包括但不限于：睫状肌收缩和睫状肌放松信号。该肌电信号在本实施例所述的硬件电路支持下通过软硬件滤波、识别、判定，得到睫状肌是否疲劳的信息，通过相应的声光电反馈给使用者。

如图1所示，为本发明实施例的框图。本发明的眼睛睫状肌肌肉疲劳的检测系统，包括以下模块：数据采集单元，数据传输单元，数据分析决策单元；所述数据采集单元是采集人体表面的肌电信号，表面电极使用类似型号为LT-301的多次使用电极，材料为Ag/AgCl，在A/D转换前使用低噪放(LNA)进行信号放大，并将肌电信号进行A/D转换，A/D转换采用20位，采样频率2KHz；所述数据传输单元是将所述数据采集单元采集到的信号传输至所述数据分析决策单元；所述数据分析决策单元是识别睫状肌的疲劳状态，所述数据分析决策单元从所述数据传输单元得到含有睫状肌肌电信号和其它噪音信号的数据，所述数据分析决策单元处理流程为：通过带通滤波器去除噪音信号,带通滤波器的通频带为10Hz～500Hz、滤波后的信号进行傅里叶变换(FFT)，信号由时域变为频域，频域信号提取低频特性，使用训练过的支持向量机(SVM)对信号进行识别，识别出睫状肌是否疲劳。

图2是本发明另一实施例的电路部分，主要包括：数据分析决策单元、数据采集单元、提示报警单元，本实施例省略数据传输单元，考虑到实用性，加入报警提示单元，如图2所示：

所述数据采集单元用于获取使用者的肌电信号，所述数据采集单元的传感器位于镜架两侧鼻托和两侧镜腿上共四个，和使用者身体接触，所述数据采集单元用导线与位于镜腿内的数据分析决策单元连接，走线隐藏在镜架所用TR材料中，数据采集单元的A/D转换采用中颖电子开发的SH79F085内置20位模数转换器(ADC)，采样频率超过1KHz，表面电极使用类似型号为LT-301的多次使用电极，材料为Ag/AgCl，在A/D转换前使用低噪放进行信号放大。

所述数据分析决策单元收集由数据采集单元传来的数据进行判断，步骤如下：

A.滤波，使用带通滤波器对数据进行滤波，带通滤波器的通频带为10Hz～500Hz，滤波以后对信号进行放大；

B.信号分离，使用盲源分离(BSS)方法将滤波后的信号进行拆分成多个不相关的信号；

C.对信号进行识别，使用训练过的支持向量机(SVM)对信号进行识别，识别出一个或者多个睫状肌相关的信号；

D.对睫状肌信号进行傅里叶变换，得到信号的频域特性数据；

E.用BP算法训练的人工神经网络算法对睫状肌的时域、频域、幅度数据进行识别，识别出睫状肌的疲劳状态；

所述提示报警单元根据所述主控单元对当前使用者睫状肌的疲劳程度的判断，适时以声光电的形式发出报警信息。

以上的实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。本发明未涉及的技术均可通过现有的技术加以实现。

Claims (15)

1.一种检测眼睛睫状肌肌肉疲劳的方法，其特征在于，它包括以下步骤：

步骤一、数据采集步骤：是指采集眼部及眼部附近人体表面的肌电信号，并将肌电信号进行A/D转换；

步骤二、数据分析决策步骤：是指识别睫状肌的疲劳状态，从前面步骤得到含有睫状肌肌电信号和其它噪音信号的数据，其处理流程分为具体为：

子步骤1通过带通滤波器去除噪音信号、按需要进行前置、后置放大；

子步骤2判断睫状肌是否疲劳。

2.如权利要求1所述的方法，其特征在于：在步骤一和步骤二之间还存在一个步骤X、数据传输步骤：是指把数据采集步骤获得的信号传输至数据分析决策步骤。

3.如权利要求2所述的方法，其特征在于：在通过带通滤波器去除噪音信号、按需要进行放大后，使用数学方法分离出睫状肌信号。

4.如权利要求3所述的方法，其特征在于，带通滤波器的通带频率为10Hz～500Hz。

5.如权利要求3所述的方法，其特征在于，分离信号的算法是盲源分离(BSS)方法。

6.如权利要求3所述的方法，其特征在于，分离信号的算法是自适应信号滤波、经验模态分解法、主成分分析法或小波方法。

7.如权利要求5所述的方法，其特征在于，识别出睫状肌肌电信号的算法是支持向量机(SVM)或者人工神经网络，支持向量机(SVM)或者人工神经网络已经用已有的数据进行训练或者在使用者第一次使用时通过设备的提示对支持向量机(SVM)或者人工神经网络进行训练。

8.如权利要求1、2或3所述的方法，其特征在于，在判断睫状肌疲劳前进行时域频域转换。

9.如权利要求1、2或7所述的方法，其特征在于，根据睫状肌信号的时域特征、小波变换(WT)、自回归模型系数(AR)、倒谱系数(CEP)、小波包分解(WPT)、短时傅立叶变化(STFT)、幅值、频域特性判断睫状肌的疲劳状态。

10.如权利要求7所述的方法，其特征在于，识别分为两级，第一级识别出睫 状肌信号，第二级识别睫状肌信号的疲劳程度，两级使用的识别方式、算法可以相同也可以不同。

11.如权利要求1、2或3所述的方法，其特征在于，判断睫状肌疲劳的方式是根据设定的阈值对信号的时域或频域特性进行判定，或者是结合时域、频域特性共同判定(幅频联合分析JASA)。

12.如权利要求1、2或3所述的方法，其特征在于，在A/D前进行信号放大，或者加硬件滤波器在A/D转换前，硬件滤波器为带通滤波器，通带频率为10Hz～500Hz。

13.一种眼睛睫状肌肌肉疲劳的检测系统，其特征在于，它包括以下模块：数据采集单元，数据传输单元，数据分析决策单元；

所述数据采集单元是采集人体表面的肌电信号，并将肌电信号进行A/D转换；

所述数据传输单元是将所述数据采集单元采集到的信号传输至所述数据分析决策单元；

所述数据分析决策单元是识别睫状肌的疲劳状态，所述数据分析决策单元从所述数据传输单元得到含有睫状肌肌电信号和其它噪音信号的数据，所述数据分析决策单元处理流程为：

1)通过带通滤波器去除噪音信号、按需要进行前置、后置放大；

2)判断睫状肌是否疲劳。

14.如权利要求13所述的检测系统，其特征在于：在通过带通滤波器去除噪音信号、按需要进行放大后，使用数学方法分离出睫状肌信号，带通滤波器的通带频率为10Hz～500Hz；在判断睫状肌疲劳前进行时域频域转换，根据睫状肌信号的频率特性判断睫状肌的疲劳状态；判断睫状肌疲劳的方式是根据设定的阈值对信号的时域或频域特性进行判定，或者是结合时域、频域特性共同判定(幅频联合分析JASA)。

15.如权利要求13所述的检测系统，其特征在于，在A/D前进行信号放大，或者加硬件滤波器在A/D转换前，硬件滤波器为带通滤波器，通带频率为10Hz～500Hz。