CN106725509B - 生物力学信息的特征提取方法 - Google Patents
生物力学信息的特征提取方法 Download PDFInfo
- Publication number
- CN106725509B CN106725509B CN201611158683.9A CN201611158683A CN106725509B CN 106725509 B CN106725509 B CN 106725509B CN 201611158683 A CN201611158683 A CN 201611158683A CN 106725509 B CN106725509 B CN 106725509B
- Authority
- CN
- China
- Prior art keywords
- information
- biomechanical
- biomechanical information
- patient
- feature extraction
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000033001 locomotion Effects 0.000 claims abstract description 19
- 230000003183 myoelectrical effect Effects 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 230000000007 visual effect Effects 0.000 abstract description 2
- 208000006011 Stroke Diseases 0.000 description 16
- 210000003414 extremity Anatomy 0.000 description 15
- 210000000106 sweat gland Anatomy 0.000 description 13
- 230000003321 amplification Effects 0.000 description 11
- 239000003990 capacitor Substances 0.000 description 11
- 210000003205 muscle Anatomy 0.000 description 11
- 238000003199 nucleic acid amplification method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 210000001503 joint Anatomy 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 210000002615 epidermis Anatomy 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000007920 subcutaneous administration Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 239000004205 dimethyl polysiloxane Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 210000004394 hip joint Anatomy 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 210000003041 ligament Anatomy 0.000 description 2
- 206010033675 panniculitis Diseases 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 2
- NDVLTYZPCACLMA-UHFFFAOYSA-N silver oxide Chemical compound [O-2].[Ag+].[Ag+] NDVLTYZPCACLMA-UHFFFAOYSA-N 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000004304 subcutaneous tissue Anatomy 0.000 description 2
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 201000007201 aphasia Diseases 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910000480 nickel oxide Inorganic materials 0.000 description 1
- -1 polydimethylsiloxane Polymers 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 229910001923 silver oxide Inorganic materials 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种生物力学信息的特征提取方法，包括：通过采集设备采集患者运动过程中的生物力学信息,所述生物力学信息包括姿态信息、肌电信息及足底压力信息；根据患者的运动过程构建人体肢体力学模型；根据所述生物力学信息及人体肢体力学模型中不同部位所对应的权重信息，采用贝叶斯决策函数方式拟合所述生物力学信息；对拟合后的生物力学信息进行特征提取。采用本发明，整合了姿态信息、肌电信息及足底压力信息，用以定量评估患者运动控制与完成效度，客观、精确、量化评估患者姿势控制能力，使得康复诊断治疗变得更加可视化、可量化，以助临床判别跌倒风险，确定患者生活活动范围，明确患者的治疗潜力以及治疗方向。
Description
技术领域
本发明涉及医学技术领域，尤其涉及一种生物力学信息的特征提取方法。
背景技术
中风(Stroke)也叫脑卒中。脑卒中是一种致残率很高的疾病，其愈后有着不同程度的偏瘫、智能减退、眩晕、失语等症状直接影响患者的生活质量，给家庭和工作带来了很大的困难。因此，脑卒中患者要尽早采取康复训练。
人体肢体由结构复杂的肌肉、韧带、骨骼等组成，因此研究不同状态过程中四肢以及躯干的受力状态，需要考虑人体的姿态、足底的受力和各部分的质量以及关节、肌肉的受力状态。相应地，脑卒中患者在进行康复训练的过程中，往往需要通过采集设备来实时监测患者的生物力学信息，以便为医师正确诊断病情和制定科学的康复训练方案提供基本依据，但是，目前国内外对肢体运动过程中关节、肌肉的受力研究还存在不足。
因此，构建生物力学信息的特征提取方法，并实现不同类型数据的融合及特征提取，已成为亟待解决的问题。
发明内容
本发明所要解决的技术问题在于，提供一种生物力学信息的特征提取方法，可实现多信号数据的融合分析，形成数字化的评估。
为了解决上述技术问题，本发明提供了一种生物力学信息的特征提取方法，包括：通过采集设备采集患者运动过程中的生物力学信息,所述生物力学信息包括姿态信息、肌电信息及足底压力信息；根据患者的运动过程构建人体肢体力学模型；根据所述生物力学信息及人体肢体力学模型中不同部位所对应的权重信息，采用贝叶斯决策函数方式拟合所述生物力学信息；对拟合后的生物力学信息进行特征提取。
作为上述方案的改进，所述采用贝叶斯决策函数方式拟合生物力学信息的方法包括：将每一采集设备所采集的生物力学信息作为一个节点；根据每一节点内的生物力学信息构建一个局部的贝叶斯决策函数。
作为上述方案的改进，所述采用贝叶斯决策函数方式拟合生物力学信息的方法还包括：根据实时采集的生物力学信息及历史的生物力学信息，采用卡尔曼滤波模型预测未来的生物力学信息。
作为上述方案的改进，所述对拟合后的生物力学信息进行特征提取的方法包括：采用非负矩阵分解的方式对生物力学信息进行特征提取。
作为上述方案的改进，所述采用非负矩阵分解的方式对生物力学信息进行特征提取的方法包括：根据生物力学信息构建生物力学信息矩阵；通过非负矩阵分解算法对生物力学信息矩阵进行降维处理。
实施本发明，具有如下有益效果：
本发明生物力学信息的特征提取方法整合了姿态信息、肌电信息及足底压力信息等，用以定量评估患者运动控制与完成效度，包括起立、坐下、转向、移动、快速及指定距离的行走等系列动作；客观、精确、量化评估患者姿势控制能力，使得康复诊断治疗变得更加可视化、可量化。以助临床判别跌倒风险，确定患者生活活动范围，明确患者的治疗潜力以及治疗方向。
主要环节包括：(1)采集患者运动过程中的姿态信息、肌电信息及足底压力信息；(2)针对站起、转身、坐下以及步行等测试的数据构建人体肢体力学模型；(3)实现临床数据管理和评估特征提取整合，通过多信号数据融合分析，最终形成数字化的评估，建立并完善诊断模型。
附图说明
图1是本发明生物力学信息的特征提取方法的流程图；
图2是本发明中采集设备的结构示意图；
图3是本发明中采集设备的电路示意图；
图4是本发明中电极贴片的结构示意图；
图5是本发明中电极贴片的另一结构示意图；
图6是本发明中肌电放大电路的结构示意图；
图7是本发明中人体的结构示意图；
图8是本发明中人体的另一结构示意图；
图9是本发明中人体肢体力学模型的结构示意图；
图10是本发明中步骤A3的流程图；
图11是本发明中步骤B2的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。仅此声明，本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词，仅以本发明的附图为基准，其并不是对本发明的具体限定。
图1是本发明生物力学信息的特征提取方法的流程图，包括：
S1，通过采集设备采集患者运动过程中的生物力学信息。
所述生物力学信息包括姿态信息、肌电信息及足底压力信息。
如图2所示，所述采集设备包括多通道肌电采集装置1、多通道姿态采集装置2、足底压力检测装置3及控制装置，所述控制装置4与多通道肌电采集装置1、多通道姿态采集装置2及足底压力检测装置3分别相连。具体地：所述多通道肌电采集装置1，用于采集运动过程中不同肌肉的电生理活动信号(即肌电信息)，以便医师判断肌肉的激活以及协同信息。所述多通道姿态采集装置2，用于采集运动过程中目标关节的活动信号(即姿态信息)，所述目标关节包括双侧腕关节、肘关节、肩关节、髋关节、膝关节、踝关节以及颈椎、腰椎及胸椎关节。所述足底压力检测装置3，用于采用运动过程中足底压力的分布信号(即足底压力信息)，以便医师判断中风患者的姿态平衡状况。因此，通过采集设备能够将多通道肌电采集装置1、多通道姿态采集装置2、足底压力检测装置3及控制装置4相互结合，实现运动姿态、表面肌电、足底压力的有效采集，对多个模块，数据总线进行无缝的操作。
如图3所示，所述控制装置4包括控制器41及无线传输装置，所述控制器41通过无线传输装置分别与所述多通道肌电采集装置1、多通道姿态采集装置2及足底压力检测装置3相连，从而实现运动姿态、表面肌电、足底压力的有效采集和无线传输，其中，所述控制器41优选为STM32控制器41，所述无线传输装置为2.4GHz无线传输装置，由于本发明中所传输的数据量比较大，因此，无线传输装置采用低功耗的2.4GHz无线传输装置，可支持最大11Mbps和54Mbps的速度，实现数据的远程传输。相应地，所述多通道姿态采集装置2包括陀螺仪21、加速度计22、磁力计23及A/D转换器24，所述陀螺仪21、加速度计22及磁力计23分别与A/D转换器24电连接，其中，所述陀螺仪21优选为LPY530或LPR530，量程为±1200°/s；所述加速度计22优选为ADXL345，量程为±16g；所述磁力计23优选为HMC5883，量程为±8Ga，多通道姿态采集装置2工作时，陀螺仪21、加速度计22及磁力计23所采集的信号经过A/D转换器24进行降噪处理后，可得出人体关节的运动信号。另外，所述足底压力检测装置3包括依次相连的传感鞋垫31、模数转换采集器32及信号放大调理电路33，其中，所述传感鞋垫31包括鞋垫本体及嵌于所述鞋垫本体内的压力传感器阵列，需要说明的是，施加于压力传感器上的压力能够转换为电阻值的变化，从而获得足底压力的分布与变化。同时，所述多通道肌电采集装置1包括电极贴片11及肌电放大电路12，所述电极贴片11与肌电放大电路12之间通过导线11E电连接。因此，本实用新型中控制器41通过SPI(Serial PeripheralInterface)接口实现与A/D转换器24的连接，通过ADC(Analog-to-Digital Converter)接口实现与肌电放大电路12的连接，通过TWI(Two-wire Serial Interface)接口实现与信号放大调理电路33的连接，从而实现了运动姿态、表面肌电、足底压力的有效采集。
如图4及图5所示，所述电极贴片11包括基材层11B、包覆于所述基材层11B上表面的贴附层11A及封装于所述基材层11B上的电极11C，所述贴附层11A上开设有与所述电极11C相对应的通孔11D，所述电极11C通过导线11E与肌电放大电路12相连。优选地，所述基材层11B及贴附层11A由PDMS(polydimethylsiloxane，聚二甲基硅氧烷)制成，具有良好的延展性，便于拉伸，可有效提升佩戴的舒适度；所述电极由镍或氧化银制成，灵敏度高。因此，与现有技术相比，本发明中的电极贴片11具有低噪音、低阻抗、粘附能力高的特点，可提高脑卒中患者在长期佩戴过程中的舒适度。
如图6所示，所述肌电放大电路12包括依次串接的电极层电路、细胞层电路、表皮层电路以及真皮和皮下组织层电路。其中：所述电极层电路包括电极电源E1、电极电容C1及电极电阻R1，所述电极电容C1与电极电阻R1并联，所述电极电源E1的输出端连接所述电极电容C1及电极电阻R1的输入端；所述细胞层电路包括细胞电阻R2，所述细胞电阻R2的输入端连接所述电极电容C1及电极电阻R1的输出端；所述表皮层电路包括表皮电源E3、表皮电容C3及表皮电阻R3，所述表皮电容C3及表皮电阻R3并联，所述表皮电源E3的输入端连接所述细胞电阻R2的输出端，所述表皮电源E3的输出端连接所述表皮电容C3及表皮电阻R3的输入端；所述真皮和皮下组织层电路包括皮下电阻R4，所述皮下电阻R4的输入端连接所述表皮电容C3及表皮电阻R3的输出端。进一步，所述肌电放大电路12包括还包括汗腺层电路，所述汗腺层电路与表皮层电路并联；所述汗腺层电路包括汗腺电源E5、汗腺电容C5及汗腺电阻R5，所述汗腺电源E5的输入端连接所述细胞电阻R2的输出端，所述汗腺电源E5的输出端连接所述汗腺电容C5及汗腺电阻R5的输入端，所述汗腺电容C5及汗腺电阻R5的输出端连接所述皮下电阻R4的输入端。与现有技术不同的是，本发明中肌电放大电路12采用独立的电源系统(如电极电源E1、表皮电源E3及汗腺电源E5)，形成具有低噪声、抗运动干扰能力强、高共模抑制比的肌电放大电路12。
因此，本发明通过将多通道肌电采集装置1、多通道姿态采集装置2、足底压力检测装置3及控制装置4相互结合，构成无线可穿戴采集设备，实现了姿态信息、肌电信息及足底压力信息的有效采集和无线传输；同时，本发明不会受到光照、背景等外界环境的干扰，克服了摄像机监测区域受限的缺点，灵活性强。
S2，根据患者的运动过程构建人体肢体力学模型。
人体肢体由结构复杂的肌肉、韧带、骨骼等组成。因此，研究不同状态过程中四肢以及躯干的受力状态，不仅要考虑足底的受力和各部分的质量，还必须综合考虑关节、肌肉的受力。
本发明建立了一个有针对性的人体肢体力学模型，针对于站起、转身、坐下以及步行等建立对应的动力学方程。
例如，在分析行走过程中的情况，本发明构建了一个人体下肢力学模型，将人体的上半部分简化成固结至臀部的重物，将大腿、小腿和足部简化成3个杠杆，将踝关节、膝关节和髋关节简化成铰接点，将肌肉作用力简化成4对作用在刚杆上的未知力。针对该模型建立相应的动力学方程，能够对足部和小腿的运动受力进行完整的描述(如图7，8，9所示)。通过多通道肌电采集装置1、多通道姿态采集装置2、足底压力检测装置3可将信号转换成运动学、动力学和生物力学数据，对方程进行求解，最后通过对不同的体型的动作实验，验证力学模型的准确性与可靠性。
S3，根据所述生物力学信息及人体肢体力学模型中不同部位所对应的权重信息，采用贝叶斯决策函数方式拟合所述生物力学信息。
需要说明的是，本发明生物力学信息的特征提取方法的建立需要大量、广泛的不同身高、性别、体型样本来建立和验证。具体地，可将动作过程中的各个关节处的活动范围，肌电协同水平，以及足底压力信息同时展示，并设定人体肢体力学模型，采集的数据库，可用来研究正常人体在活动的各项力学指标。
因此，本发明通过步骤S1采集患者运动过程中的生物力学信息，并通过步骤S2构建人体肢体力学模型，再结合临床实际工作，嘱受试者按要求“起立-行走”计时测试(包括起立、坐下、转向、移动、快速及指定距离的行走等系列动作)，测取不同功能状态的受试者(包括健康成人与不同功能状态中风病人)的相关数据，结合临床康复医学专家的意见，对比中风患者与正常人之间的差异，构建运动特征谱数据库，逐步完善智能诊断模型，实现不同类型数据的融合，对所获取的数据特征的提取。
具体地，所述采用贝叶斯决策函数方式拟合生物力学信息的方法包括：
A1，将每一采集设备所采集的生物力学信息作为一个节点。
A2，根据每一节点内的生物力学信息构建一个局部的贝叶斯决策函数。
需要说明的是，采集设备所采集的生物力学信息可以看作是概率函数的一个个节点，每一个节点的生物力学信息都会形成一个局部的贝叶斯决策函数，并随着所测量的内容更新。
进一步，所述采用贝叶斯决策函数方式拟合生物力学信息的方法还包括：
A3，根据实时采集的生物力学信息及历史的生物力学信息，采用卡尔曼滤波模型预测未来的生物力学信息。
需要说明的是，各个节点每次交换的数据以及上一时刻的数据，通过卡尔曼滤波模型可用来预测下一时刻的参数变化，这个预测结果会更加准确的得到人体的姿势控制以及肌肉控制信息(参见图10)，这样整体的信息变化都会随着每个节点数据的变化而更新，通过以上的方式可以把来自于不同类型的采集设备的数据更有效的融合，采集设备的节点整合后的数据对比生物力学模型在各个位置的权重，会形成一个自动的评估结果，使用深度学习方法对数据进行训练，形成一个监督模型，这个模型可以对实时产生的传感器数据自动进行评价。在评价的过程中，医生可以根据实际情况对模型的结果进行反馈，监督模型也会根据医生的反馈进行更新，逐步形成适应患者特点的个性化监督模型，该结果与医师所提供的评价共同形成分析数据库，反过来监督康复训练。
S4，对拟合后的生物力学信息进行特征提取。
具体地，所述对拟合后的生物力学信息进行特征提取的方法包括：采用非负矩阵分解的方式对生物力学信息进行特征提取。
其中，采用非负矩阵分解的方式对生物力学信息进行特征提取的方法包括：
B1，根据生物力学信息构建生物力学信息矩阵。
B2，通过非负矩阵分解算法对生物力学信息矩阵进行降维处理。
需要说明的是，本发明采用非负矩阵分解算法对生物力学信息进行特征提取，从前提取活动中大量生物力学信息背后隐藏的有效信息。进一步，所述通过非负矩阵分解算法对生物力学信息矩阵进行降维处理的方法包括：
Mm×t＝Wm×n·Cn×t+Em×t ②
|Em×t|2＝|Mm×t-Wm×n·Cn×t|2 ③
根据公式①、公式②及公式③对生物力学信息矩阵进行降维处理。
例如，在步行动作过程中，对获取的八块肌肉所组成的腿部进行评估，根据公式①、公式②及公式③对肌电信息进行降维处理后，可得到四个基底(参见图11)，相当于对八维的肌电信息实现有效的降维，研究表明降维后得到的基底可以充分的表述原始肌电信息，也可以用来指征腿部八块肌肉的协同，而且中风病人提取得到的特征基底比正常少，因此可以通过降维等特征提取的方式来研究中风后肌肉控制的变化，同样，通过对姿态信息降维也会得到有效评价的信息，用于提高判断的准确性与有效性。
由上可知，本发明具有如下有益效果：
(1)通过采集设备采集患者运动过程中的生物力学信息，实现姿态信息、肌电信息及足底压力信息的采集和无线传输。
(2)建立有针对性的人体肢体力学模型，针对于站起、转身、坐下以及步行等建立对应的动力学方程。通过多通道肌电采集装置1、多通道姿态采集装置2、足底压力检测装置3将信号可转换成运动学、动力学和生物力学数据，对方程进行了求解，最后通过对不同的体型的动作实验，验证力学模型的准确性与可靠性。
(3)实现临床数据管理和评估特征提取整合，结合临床实际工作，嘱受试者按要求“起立-行走”计时测试(包括起立、坐下、转向、移动、快速及指定距离的行走等系列动作)，测取不同功能状态的受试者(包括健康成人与不同功能状态中风病人)的相关数据，结合临床康复医学专家的意见，对比中风患者与正常人之间的差异，构建运动特征谱数据库，逐步完善智能诊断模型，实现不同类型数据的融合，对所获取的数据特征的提取。
(4)在临床上选取符合入选标准的脑卒中患者进行配对研究，研究不同功能级别及恢复时间段的患者使用该系统的状况，进行临床实验验证及治疗疗效评估。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (5)
1.一种生物力学信息的特征提取方法，其特征在于，包括：
通过采集设备采集患者运动过程中的生物力学信息,所述生物力学信息包括姿态信息、肌电信息及足底压力信息；
根据患者的运动过程构建人体肢体力学模型；
根据所述生物力学信息及人体肢体力学模型中不同部位所对应的权重信息，采用贝叶斯决策函数方式拟合所述生物力学信息；
对拟合后的生物力学信息进行特征提取。
2.如权利要求1所述的生物力学信息的特征提取方法，其特征在于，所述采用贝叶斯决策函数方式拟合生物力学信息的方法包括：
将每一采集设备所采集的生物力学信息作为一个节点；
根据每一节点内的生物力学信息构建一个局部的贝叶斯决策函数。
3.如权利要求2所述的生物力学信息的特征提取方法，其特征在于，所述采用贝叶斯决策函数方式拟合生物力学信息的方法还包括：
根据实时采集的生物力学信息及历史的生物力学信息，采用卡尔曼滤波模型预测未来的生物力学信息。
4.如权利要求1所述的生物力学信息的特征提取方法，其特征在于，所述对拟合后的生物力学信息进行特征提取的方法包括：采用非负矩阵分解的方式对生物力学信息进行特征提取。
5.如权利要求4所述的生物力学信息的特征提取方法，其特征在于，所述采用非负矩阵分解的方式对生物力学信息进行特征提取的方法包括：
根据生物力学信息构建生物力学信息矩阵；
通过非负矩阵分解算法对生物力学信息矩阵进行降维处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611158683.9A CN106725509B (zh) | 2016-12-15 | 2016-12-15 | 生物力学信息的特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611158683.9A CN106725509B (zh) | 2016-12-15 | 2016-12-15 | 生物力学信息的特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106725509A CN106725509A (zh) | 2017-05-31 |
| CN106725509B true CN106725509B (zh) | 2020-04-07 |
Family
ID=58889052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611158683.9A Expired - Fee Related CN106725509B (zh) | 2016-12-15 | 2016-12-15 | 生物力学信息的特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106725509B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107633317B (zh) * | 2017-06-15 | 2021-09-21 | 北京百度网讯科技有限公司 | 建立行程规划模型以及规划出游行程的方法、装置 |
| CN107411741A (zh) * | 2017-07-19 | 2017-12-01 | 燕山大学 | 基于相干性—非负矩阵分解的多通道肌电耦合特性分析方法 |
| CN108814597B (zh) * | 2018-04-16 | 2021-09-07 | 深圳睿瀚医疗科技有限公司 | 一种基于运动信息与肌电交互的康复训练评测方法及系统 |
| CN109276237A (zh) * | 2018-11-14 | 2019-01-29 | 郑州大学 | 一种全向移动的脑卒中患者平衡能力评测与训练系统 |
| EP3689229A1 (en) * | 2019-01-30 | 2020-08-05 | DENTSPLY SIRONA Inc. | Method and system for visualizing patient stress |
| CN113100789B (zh) * | 2021-04-16 | 2022-10-21 | 西北工业大学 | 一种膝关节内外侧受力实时分析系统 |
| CN113192564B (zh) * | 2021-05-11 | 2022-02-11 | 恩大细胞基因工程有限公司 | 一种高安全性干细胞存储用管理系统及方法 |
| CN113208597B (zh) * | 2021-06-04 | 2022-12-27 | 郑州大学 | 基于自学习技术的脑卒中患者康复调理系统和方法 |
| CN117100255B (zh) * | 2023-10-25 | 2024-01-23 | 四川大学华西医院 | 一种基于神经网络模型进行防摔倒判定的方法和相关产品 |
| CN118039068A (zh) * | 2024-04-09 | 2024-05-14 | 南京康尼机电股份有限公司 | 一种人体运动功能综合评估方法及系统 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8864846B2 (en) * | 2005-03-31 | 2014-10-21 | Massachusetts Institute Of Technology | Model-based neuromechanical controller for a robotic leg |
| US7478009B2 (en) * | 2005-07-29 | 2009-01-13 | Wake Forest University Health Sciences | Apparatus and method for evaluating a hypertonic condition |
| US20110054870A1 (en) * | 2009-09-02 | 2011-03-03 | Honda Motor Co., Ltd. | Vision Based Human Activity Recognition and Monitoring System for Guided Virtual Rehabilitation |
| CN101692977B (zh) * | 2009-10-16 | 2011-04-27 | 中国科学院合肥物质科学研究院 | 一种多参数生物信息测试平台及测试方法 |
| WO2013041446A1 (en) * | 2011-09-20 | 2013-03-28 | Brian Francis Mooney | Apparatus and method for analysing a golf swing |
| CN104000586B (zh) * | 2014-05-12 | 2017-12-29 | 燕山大学 | 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法 |
| CN104102236B (zh) * | 2014-07-22 | 2017-03-29 | 中国科学院深圳先进技术研究院 | 一种康复鞋及其控制系统 |
| CN104117206A (zh) * | 2014-08-01 | 2014-10-29 | 天津恒威先创科技发展有限公司 | 基于动作捕捉系统实现虚拟现实全方位动作的方法 |
| CN105224800B (zh) * | 2015-10-08 | 2017-12-22 | 华中科技大学 | 一种基于关键动素的肢残者作业能力评价方法 |
| CN105361867A (zh) * | 2015-10-30 | 2016-03-02 | 中国科学技术大学 | 一种康复数据处理系统 |
-
2016
- 2016-12-15 CN CN201611158683.9A patent/CN106725509B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN106725509A (zh) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106725509B (zh) | 生物力学信息的特征提取方法 | |
| KR101448106B1 (ko) | 무구속 근전도 신호를 이용한 재활상태 분석방법 | |
| Jiang | Combination of wearable sensors and internet of things and its application in sports rehabilitation | |
| WO2009015552A1 (fr) | Système de contrôle dynamique de signes corporels | |
| CN102697507B (zh) | 患者康复训练步行状态分析系统及方法 | |
| Li et al. | Performance of electromyography recorded using textile electrodes in classifying arm movements | |
| KR101492480B1 (ko) | 보행 단계에 기반한 표면 근전도 분석 시스템 | |
| Jiang et al. | Exploration of gait parameters affecting the accuracy of force myography-based gait phase detection | |
| Wang et al. | An intelligent wearable device for human’s cervical vertebra posture monitoring | |
| Zhang et al. | Using textile electrode EMG for prosthetic movement identification in transradial amputees | |
| CN206565950U (zh) | 无线多通道姿态、肌电、足底压力检测系统 | |
| Khanam et al. | Muscle activity estimation through surface EMG analysis during salat | |
| Daponte et al. | Electronic measurements in rehabilitation | |
| KR20150000237A (ko) | 퓨전 센서를 이용한 보행 패턴 인식 시스템 | |
| Zambrano et al. | A wearable sensor network for human locomotion data capture | |
| Zou et al. | Wearable iontronic FMG for classification of muscular locomotion | |
| WO2021226040A1 (en) | Systems, devices, and methods for determining movement variability, illness and injury prediction and recovery readiness | |
| David et al. | Evaluating wearable multimodal sensor insoles for motion-pattern measurements in stroke rehabilitation—A pilot study | |
| CN210077662U (zh) | 一种柔性步态监测装置 | |
| CN113208636B (zh) | 一种膝关节内外侧受力分析数据处理方法 | |
| CN113017616B (zh) | 一种具有分析功能的无线可穿戴式步态信号监测系统 | |
| Chen et al. | Direct measurement of elbow joint angle using galvanic couple system | |
| Murgia et al. | A portable device for the clinical assessment of upper limb motion and muscle synergies | |
| Ahmad et al. | Development of wearable electromyogram for the physical fatigue detection during aerobic activity | |
| Andreoni et al. | Example of clinical applications of wearable monitoring systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20200407 |