CN106845464A - 一种基于样本熵的下背痛症状分类系统及方法 - Google Patents

Abstract

本发明提供的基于样本熵的下背痛症状分类系统，对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，再求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果，本发明对采集得到的人体躯干弯曲运动过程中的脊柱周围核心肌肉多裂肌肌电信号，提取出的样本熵特征值，将腰椎退行性病症划分开，为人体肌肉生理信号系统和人体疾病综合系统评估方式提供了理论依据，科学客观，且操作简单，成本低廉。

Description

一种基于样本熵的下背痛症状分类系统及方法

技术领域

本发明涉及一种基于样本熵的下背痛症状分类系统。

背景技术

腰椎间盘突出症在脊柱外科属于多发病的一种，主要是由于患者软骨板、纤维环以及髓核在高能量的撞击下，发生髓核突出以及纤维环破裂的现象，并可能对患者的神经根以及硬膜囊进行刺激，严重影响患者的日常生活。

目前，对腰椎间盘突出、腰肌筋膜炎等的诊断，主要是通过X光、CT扫描、MRI检查等，这些检查价格不等，一般的X光大概100元以上，CT扫面在300元到500元之间，而MRI则为1000元左右，通过这些检查结果，医生做出相应的诊断。这些检查这些诊断措施只能在医院进行，而对于初期症状不是很严重，或者症状很严重由于患者的经济条件和时间、距离、忍耐度等问题，使得很多人放弃去医院就医，这样会严重延误了患者的最佳治疗和康复疗效。。

发明专利201180034896.X提供了一种诊断椎间盘退行性疾病的方法，该方法利用背痛患者椎间盘之内或相邻位置标记炎症、血管、神经元或代谢疼痛标志，以成像的方式增加疼痛标志图像结合疼痛发生器或疑似疼痛发生器对患者进行诊断，该发明也是利用图像的手段对患者进行诊断，操作较为繁琐，也需要在医护人员的配合下完成，具有一定的局限性。

发明内容

基于此，有必要针对现有技术存在的缺陷，提供一种操作简单、科学客观的基于样本熵的下背痛症状分类系统。

为实现上述目的，本发明采用下述技术方案：

一种基于样本熵的下背痛症状分类系统，肌电信号采集模块，用于采集多个测试者的多裂肌肌电信号；

信号预处理模块，用于对所述多裂肌肌电信号进行预处理；

特征提取模块，用于对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，其中，左右侧多裂肌成对称位置分布在脊椎的两侧；及

分类模块，用于求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。

在一些较佳实施例中，所述肌电信号采集模块包括：肌电信号采集单元、信号发射单元、信号接收单元及模数转换单元，其中：

肌电信号采集单元采集测试者运动过程的肌肉信息，并传输至所述信号发射单元中，所述信号发射单元再将所述肌肉信息发射给所述信号接收单元中，再通过所述模数转换单元转换后，将所述肌肉信息表现为肌肉特性的多裂肌肌电信号。

在一些较佳实施例中，所述肌电信号采集单元为BIOPAC MP150生理采集系统。

在一些较佳实施例中，所述预处理包括对所述多裂肌肌电信号进行滤波、去噪及归一化处理。

在一些较佳实施例中，所述滤波为采用切比雪夫带通滤波器对所述多裂肌肌电信号进行滤波处理。

在一些较佳实施例中，对预处理后的多裂肌肌电信号进行样本熵算法处理，包括：确定多裂肌肌电信号的最大模板长度m和匹配阈值r。

在一些较佳实施例中，所述多裂肌肌电信号的最大模板长度m为2和匹配阈值r为1.5。

另外，本发明还提供了一种基于样本熵的下背痛症状分类方法，包括下述步骤：

采集多个测试者的多裂肌肌电信号；

对所述多裂肌肌电信号进行预处理；

对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，其中，左右侧多裂肌成对称位置分布在脊椎的两侧；

求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。

本发明采用上述技术方案的有益效果在于：

本发明提供的基于样本熵的下背痛症状分类系统，对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，再求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果，本发明对采集得到的人体躯干弯曲运动过程中的脊柱周围核心肌肉多裂肌肌电信号，提取出的样本熵特征值，将腰椎退行性病症划分开，为人体肌肉生理信号系统和人体疾病综合系统评估方式提供了理论依据，科学客观，且操作简单，成本低廉。

附图说明

图1为一实施方式提供的基于样本熵的下背痛症状分类系统的结构示意图。

图2为本发明一实施例提供的肌电信号采集模块的结构示意图。

图3(a)及(b)分别表示为处理前后的样本数据信号示意图。

图4(a)及(b)分别表示为m，r参数的选择示意图。

图5为本发明提供的基于样本熵的下背痛症状分类方法的步骤流程图。

图6为基于样本熵的下背痛症状分类系统分类得到的结果示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

如图1所示，一实施方式的基于样本熵的下背痛症状分类系统100，包括：肌电信号采集模块110、信号预处理模块120、特征提取模块130及分类模块140。其中：

所述肌电信号采集模块110用于采集多个测试者的多裂肌肌电信号。

请参阅图2，为本发明一实施例提供的肌电信号采集模块110结构示意图，包括：肌电信号采集单元111、信号发射单元112、信号接收单元113及模数转换单元114。

优选地，肌电信号采集单元111为BIOPAC MP150生理采集系统。在本发明提供的实施例中，采用BIOPAC MP150生理信号采集系统对57例测试者进行表面肌电信号的采集，其中19例腰椎间盘突出症患者、19例腰肌筋膜炎患者和19例健康对照者，三组在年龄、性别上匹配。测试者在医师的指导下，尽可能最大的向前弯曲躯干，弯到最大角度后返回站立位，在此过程中，实验人员采集测试者的多裂肌肌电信号。

可以理解，肌电信号采集单元111将采集测试者运动过程的肌肉信息，并传输至所述信号发射单元112，所述信号发射单元112再将所述肌肉信息发射给所述信号接收单元113，再通过所述模数转换单元114转换后，将所述肌肉信息表现为肌肉特性的多裂肌肌电信号，再发送至信号预处理模块120处理。

信号预处理模块120用于对所述多裂肌肌电信号进行预处理。

可以理解，由于皮肤表面的多裂肌肌电信号非常微弱，能量主要集中在10～500Hz频段，采集的信号中包含50Hz工频干扰，因此，需要对所述多裂肌肌电信号进行预处理。

优选地，所述预处理包括对所述多裂肌肌电信号进行滤波、去噪及归一化处理。

具体地，采用切比雪夫带通滤波器对信号进行能量集中处理后，再进行50Hz带阻去噪，为了避免采集的样本数据受其他参数的影响，满足统计学分析，需要对样本数据进行Z-score归一化处理，如图3(a)及(b)，分别表示为处理前后的样本数据信号示意图。

特征提取模块130用于对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，其中，左右侧多裂肌成对称位置分布在脊椎的两侧。

可以理解，样本熵是时间序列复杂度的一种度量，样本熵值越低，序列自我相似性越高，样本熵值越大，序列越复杂。而对于表面肌电信号，样本熵算法的实现，需要确定最大模板长度m和匹配阈值r，通过对样本进行分析，肌电信号的在模板长度m＝2时，样本熵值收敛，为了满足样本熵的统计意义，选择的匹配阈值需要符合样本熵最大相对误差最小，最终确定m值为2，r值为0.15，请参阅图4(a)及(b)分别表示为m，r参数的选择示意图。

分类模块140用于求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。

请参阅图5，为本发明提供的基于样本熵的下背痛症状分类方法的步骤流程图，包括下述步骤：

步骤S110：采集多个测试者的多裂肌肌电信号；

步骤S120：对所述多裂肌肌电信号进行预处理；

步骤S130：对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，其中，左右侧多裂肌成对称位置分布在脊椎的两侧；

步骤S140：求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。

上述基于样本熵的下背痛症状分类方法详细技术方案在本发明提供的分类系统中已有详细描述，这里不再赘述。

本发明提供的基于样本熵的下背痛症状分类系统和方法，通过肌电信号采集模块110采集多裂肌肌电信号，信号预处理模块120对多裂肌肌电信号进行预处理，特征提取模块130对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，分类模块140再求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果，本发明对采集得到的人体躯干弯曲运动过程中的脊柱周围核心肌肉多裂肌肌电信号，提取出的样本熵特征值，将腰椎退行性病症划分开，为人体肌肉生理信号系统和人体疾病综合系统评估方式提供了理论依据，科学客观，且操作简单，成本低廉。

以下结合实施例对本发明上述提供的基于样本熵的下背痛症状分类系统和方法进行详细说明。

实施例

采用本发明提供的基于样本熵的下背痛症状分类系统对57例测试者进行表面肌电信号的采集，其中19例腰椎间盘突出症患者、19例腰肌筋膜炎患者和19例健康对照者，三组在年龄、性别上匹配。测试者在医师的指导下，尽可能最大的向前弯曲躯干，弯到最大角度后返回站立位，在此过程中，实验人员采集测试者的多裂肌肌电信号，再对上述57类多裂肌肌电信号进行预处理后进行样本熵算法处理，得到57例测试者的左右侧多裂肌肌电信号样本熵特征值，再求取57个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。

请参阅图6，为基于样本熵的下背痛症状分类系统分类得到的结果示意图，图6表明腰椎间盘突出症患者与腰肌筋膜炎患者以及健康者之间存在不同的特性，所以可以通过本装置来诊断腰椎退行性病症患者。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于样本熵的下背痛症状分类系统，其特征在于，包括：

肌电信号采集模块，用于采集多个测试者的多裂肌肌电信号；

信号预处理模块，用于对所述多裂肌肌电信号进行预处理；

特征提取模块，用于对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，其中，左右侧多裂肌成对称位置分布在脊椎的两侧；及

分类模块，用于求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。

2.根据权利要求1所述的基于样本熵的下背痛症状分类系统，其特征在于，所述肌电信号采集模块包括：肌电信号采集单元、信号发射单元、信号接收单元及模数转换单元，其中：

肌电信号采集单元采集测试者运动过程的肌肉信息，并传输至所述信号发射单元中，所述信号发射单元再将所述肌肉信息发射给所述信号接收单元中，再通过所述模数转换单元转换后，将所述肌肉信息表现为肌肉特性的多裂肌肌电信号。

3.根据权利要求2所述的基于样本熵的下背痛症状分类系统，其特征在于，所述肌电信号采集单元为BIOPAC MP150生理采集系统。

4.根据权利要求1所述的基于样本熵的下背痛症状分类系统，其特征在于，所述预处理包括对所述多裂肌肌电信号进行滤波、去噪及归一化处理。

5.根据权利要求4所述的基于样本熵的下背痛症状分类系统，其特征在于，所述滤波为采用切比雪夫带通滤波器对所述多裂肌肌电信号进行滤波处理。

6.根据权利要求1所述的基于样本熵的下背痛症状分类系统，其特征在于，对预处理后的多裂肌肌电信号进行样本熵算法处理，包括：确定多裂肌肌电信号的最大模板长度m和匹配阈值r。

7.根据权利要求6所述的基于样本熵的下背痛症状分类系统，其特征在于，所述多裂肌肌电信号的最大模板长度m为2和匹配阈值r为1.5。

8.一种基于样本熵的下背痛症状分类方法，其特征在于，包括下述步骤：

采集多个测试者的多裂肌肌电信号；

对所述多裂肌肌电信号进行预处理；

对预处理后的多裂肌肌电信号进行样本熵算法处理，获取多个测试者的左右侧多裂肌肌电信号样本熵特征值，其中，左右侧多裂肌成对称位置分布在脊椎的两侧；

求取所述多个测试者的左右侧多裂肌肌电信号样本熵特征值的平均值，并以所述平均值作为每个测试者的整体特征参数，再通过K均值聚类算法分析得不同病症分类结果。