CN106951711A - 一种腰椎间盘突出症患者推拿效果的评估方法及系统 - Google Patents
一种腰椎间盘突出症患者推拿效果的评估方法及系统 Download PDFInfo
- Publication number
- CN106951711A CN106951711A CN201710174973.0A CN201710174973A CN106951711A CN 106951711 A CN106951711 A CN 106951711A CN 201710174973 A CN201710174973 A CN 201710174973A CN 106951711 A CN106951711 A CN 106951711A
- Authority
- CN
- China
- Prior art keywords
- patients
- disc herniation
- lumbar disc
- massaged
- rhythm
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
本发明提供的腰椎间盘突出症患者推拿效果的评估方法及系统,对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理,提取预处理后的脑电数据的特征值,将提取的特征值进行统计学分析,并分析推拿前后脑电信号的变化,找出差异的通道或节律,分析推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性,本发明提供的腰椎间盘突出症患者推拿效果的评估方法及系统,通过对采集的脑电数据进行一系列数据处理得到特征值,进行统计学分析,找出腰椎间盘突出症患者推拿前后的差异性,进而对推拿效果进行初步的康复训练评估,具有无创,方便在任何场所测量,以及可以反映出影像学不能反映的运动异常特征的优点,相对具有客观准确的优点。
Description
技术领域
本发明涉及一种腰椎间盘突出症患者推拿效果的评估方法及系统。
背景技术
腰椎间盘突出症是骨科的常见病、多发病,是腰腿疼痛最常见的原因,给患者带来很大的痛苦,如工作能力、学习能力、生活质量下降,甚至失能残疾。临床上对于非手术指征的LDH患者使用的保守方法种类丰富,传统中医又有着独到见解和办法,如手法推拿、内服中药方剂、外用中药膏剂、针灸等,都已成为被医生、患者接受的好办法。
在腰椎间盘突出症非手术疗法中,推拿是一项重要的治疗方法,推拿具有温通经络、缓解肌肉痉挛、放松止痛等作用,手法推拿能够矫正发生位移的软组织或脊柱小关节的解剖形态和位置,令失常的力线恢复正常,调整内外平衡,缓解临床出现的疼痛麻木等症状改善血液循环,增强肌力,改善韧带的弹性并消除炎症脊髓外间接推拿摩揉擦等手法能够牵动脊髓和神经根产生摩擦,期待改善微循环,促进水肿洗手及松解粘连的作用,是受压神经得到修复,功能障碍得到缓解和消失。
目前针对腰椎间盘突出症患者推拿效果最常用的评估方法有影像学评估法和评分表评估法:
(1)影像学评估法,影像学评估方法包括X线、计算机断层扫描(CT)及磁共振扫描(MRI)等,X线是最早也是最基本的测量方法,分析腰椎的过屈过伸侧位片是临床上常用的方法,此方法简单易行,操作简单;CT可以获得腰部不同仰卧位上的数据,发现解剖上的改变,利用数据进行三维重建和测量;MRI可以获取矢状面、冠状面、横断面以及任何方向断面的图像,能够直接三维重建显示,该方法采用的是平卧位椎体拍摄。腰椎间盘突出症患者表现在脊柱损伤,往往显示脊柱运动的异常,以上影像学放射性检查方法可能不易显示异常。
(2)评分表评估法包括疼痛视觉模拟评分量表、功能障碍指标问卷表、腰椎功能评分量表等方法。疼痛视觉模拟评分量表,该法比较灵敏,有可比性,具体做法是:在纸上面划一条10cm的横线,横线的一端为0,表示无痛,另一端为10,表示剧痛,中间部分表示不同程度的疼痛,让病人根据自我感觉在横线上划一记号,表示疼痛的程度。功能障碍指标问卷表是由10个问题组成,包括疼痛的强度、生活自理、提物、步行、坐位、站立、干扰睡眠、性生活、社会生活、旅游等10个方面的情况,每个问题6个选项,每个问题的最高得分为5分,选择第一个选项得分为0分,依次选择最后一个选项得分为5分,假如有10个问题都做了问答,记分方法是:实际得分/50(最高可能得分)×100%,假如有一个问题没有回答,则记分方法是:实际得分/45(最高可能得分)×100%,如越高表明功能障碍越严重。
但是,这些评分方法主要依据人的主观感觉进行评估,具有一定的局限性和误差性。
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、科学客观的腰椎间盘突出症患者推拿效果的评估方法及系统。
为实现上述目的,本发明采用下述技术方案:
一种腰椎间盘突出症患者推拿效果的评估方法,包括下述步骤:
采集腰椎间盘突出症患者推拿前后脑电数据;
对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理;
提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值;
将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出有显著性差异的通道或节律;及
分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性。
在一些较佳的实施例在中,在采集腰椎间盘突出症患者推拿前后脑电数据的步骤中,采集腰椎间盘突出症患者脑电数据的仪器为EMOTIV EPOC脑电采集仪。
在一些较佳的实施例在中,所述EMOTIV EPOC脑电采集仪的电极放置采用国际10/20系统标准,所述电极同时记录14导电极EEG数据,14导电极的14个通道分别为AF3,F7,F3,FC5,T7,P7,O1,O2,P8,T8,FC6,F4,F8,AF4,所述电极为Ag/AGCI电极,所述EMOTIV EPOC脑电采集仪的脑电采样频率为128Hz,所述腰椎间盘突出症患者脑电数据的波段包括1~3Hz的δ波、4~7Hz的θ波、8~13Hz的α波、14~30Hz的β波。
在一些较佳的实施例在中,在对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理的步骤中,所述预处理为去噪处理。
在一些较佳的实施例在中,所述去噪处理的方法为小波包变换。
在一些较佳的实施例在中,经小波包变换后的腰椎间盘突出症患者推拿前后脑电数据按照二进制格雷码排列的,其中各个频段对应的节点情况如下:δ波对应小波节点为(6,1)和(6,3)之和;θ波对应小波节点为(6,4)、(6,6)、(6,7)之和;α波对应小波节点为(6,8)、(6,12)、(6,13)、(6,14)、(6,15)之和;β波对应小波节点为(6,10)、(6,11)、(6,16)、(6,17)、(6,18)(6,19)、(6,22)、(6,23)、(6,24)、(6,25)、(6,26)、(6,27)、(6,28)、(6,29)、(6,30)、(6,31)之和。
在一些较佳的实施例在中,在提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值的步骤中,所述特征值包括腰椎间盘突出症患者推拿前后14个通道的近似熵和HHT边际谱熵特征值及14个通道的4个节律(δ、θ、α和β)的近似熵和HHT边际谱熵特征值。
在一些较佳的实施例在中,其中,将提取的推拿前后腰椎间盘突出症患者的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出差异的通道或节律,包括下述步骤:
分析腰椎间盘突出症患者推拿前后14个通道的4个节律(δ、θ、α和β)的近似熵的差异性;
分析腰椎间盘突出症患者推拿前后14个通道的HHT边际谱熵的差异性;
分析腰椎间盘突出症患者推拿前后14个通道的4个节律(δ、θ、α和β)的近似熵的差异性;
分析腰椎间盘突出症患者推拿前后14个通道的4个节律(δ、θ、α和β)的HHT边际谱熵的差异性。
在一些较佳的实施例在中,其中,分析推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性,包括将腰椎间盘突出症患者推拿前后出现差异的通道或节律的值做差,然后与VAS疼痛等级作相关性分析。
另外,本发明还提供了一种腰椎间盘突出症患者推拿效果的评估系统,包括:
采集模块,用于采集腰椎间盘突出症患者推拿前后脑电数据;
预处理模块,用于对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理;
特征提取模块,用于提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值;
分析模块,用于将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析腰椎间盘突出症患者推拿前后脑电信号的变化,找出差异性显著的通道或节律;及
比较模块,用于分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性。
本发明采用上述技术方案的有益效果在于:
本发明提供的腰椎间盘突出症患者推拿效果的评估方法及系统,对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理,提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值,将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,并分析推拿前后脑电信号的变化,找出差异性显著的通道或节律,分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性,本发明提供的腰椎间盘突出症患者推拿效果的评估方法及系统通过对采集的脑电数据进行一系列数据处理得到特征值,进行统计学分析,找出腰椎间盘突出症患者推拿前后的差异性,进而对推拿效果进行初步的康复训练评估,与传统的影像学评估推拿效果相比,它具有无创,方便在任何场所测量,以及可以反映出影像学不能反映的运动异常特征的优点,与传统的评分表评估推拿效果相比具有客观准确的优点。
附图说明
图1为一实施方式提供的腰椎间盘突出症患者推拿效果的评估方法的步骤流程图。
图2为本发明一实施例提供的将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出差异性显著的通道或节律的步骤流程图。
图3为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的4个节律的δ、θ、α和β四个节律的近似熵的差异性示意图。
图4为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的HHT边际谱熵的差异性示意图。
图5为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的δ节律的近似熵的差异性示意图。
图6为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的θ节律的近似熵的差异性示意图。
图7为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的α节律的近似熵的差异性示意图。
图8为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的β节律的近似熵的差异性示意图。
图9为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的δ的HHT边际谱熵的差异性示意图。
图10为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的θ的HHT边际谱熵的差异性示意图。
图11为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的α的HHT边际谱熵的差异性示意图。
图12为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的β的HHT边际谱熵的差异性示意图。
图13为本发明一实施例提供的腰椎间盘突出症患者推拿效果的评估系统的结构示意图。
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,一实施方式的腰椎间盘突出症患者推拿效果的评估方法100,包括下述步骤:
步骤S110,采集腰椎间盘突出症患者推拿前后脑电数据;
优选地,在采集腰椎间盘突出症患者推拿前后脑电数据的步骤中,采集腰椎间盘突出症患者脑电数据的仪器为EMOTIV EPOC脑电采集仪。
具体地,所述EMOTIV EPOC脑电采集仪的电极放置采用国际10/20系统标准,所述电极同时记录14导电极EEG数据,14导电极的14个通道分别为AF3,F7,F3,FC5,T7,P7,O1,O2,P8,T8,FC6,F4,F8,AF4,所述电极为Ag/AGCI电极,所述EMOTIV EPOC脑电采集仪的脑电采样频率为128Hz。
步骤S120,对所述腰椎间盘突出症患者推拿前后脑电数据进行预处理;
优选地,在对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理的步骤中,所述预处理为去噪处理。
进一步地,所述去噪处理的方法为小波包变换。
可以理解,人的自发脑电信号,其波动的频率范围大概在1~30Hz之间,分成四个波段,即(1~3Hz)的δ波、4~7Hz的θ波、8~13Hz的α波、14~30Hz的β波,所以将数据进行小波包变换提取出1-30HZ的脑电信号。
可以理解,对于传统信号去噪方法,大都采取傅里叶变换理论,就能够具有很好的效果,但是,人的自发脑电信号,其波动的频率范围大概在1~30Hz之间,具有突变性质的非平稳信号,而此时采取傅里叶变换理论进行滤波其效果将会变得很差,因为信号与噪声的频带相互重叠,因此本发明采用小波包变换对非平稳信号处理效果比较明显,其具有很好的局部时频性质,可以将非平稳信号在时频域中进行很细致的处理。
可以理解,由于本发明采用的脑电采集仪器采样频率为128Hz,由奈奎斯特定律可知,信号中的最大频率分量不会超过64Hz,本发明对脑电信号进行6层小波包分解,那么得到的频率分辨率为64/26=1Hz,然而小波包分解后的各个子频带并不是按照频率的大小排列的,而是按照二进制格雷码排列的,其中各个频段对应的节点情况如下:δ波(1~3Hz)对应小波节点(6,1)和(6,3)之和;θ波(4~7Hz)对应小波节点(6,4)、(6,6)、(6,7)之和;α波(8~13Hz)对应小波节点(6,8)、(6,12)、(6,13)、(6,14)、(6,15)之和;β波(14~30Hz)对应小波节点(6,10)、(6,11)、(6,16)、(6,17)、(6,18)(6,19)、(6,22)、(6,23)、(6,24)、(6,25)、(6,26)、(6,27)、(6,28)、(6,29)、(6,30)、(6,31)节点之和。
步骤S130,提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值;
优选地,所述特征值包括腰椎间盘突出症患者推拿前后14个通道的近似熵和HHT边际谱熵特征值及14个通道的4个节律(δ、θ、α和β)的近似熵和HHT边际谱熵特征值。
可以理解,近似熵是Pincus于1991年提出的一种度量序列复杂性和统计量化的非线性动力学参数,它源于KS熵,适用于短时序列的复杂性分析,近似熵是一种复杂性分析方法,它无需对时间序列粗粒化,且只需很短的数据即可达到稳定的值,具有一些其他复杂性参数所不具备的特点,在一些领域得到很好的应用。
近似熵利用一个非负数来表示一个时间序列的复杂性,反映时间序列中新信息发生率,越复杂的时间序列对应的近似熵越大,研究表明近似熵能够表征人的生理状态的变化情况,特别适用于分析脑电信号等非平稳的生物信号。EEG序列的近似熵表现了EEG序列中产生新模式的概率大小,产生新模式概率越大,序列的复杂性越大,近似熵值越大。近似熵的定义为:
ApEn(m,r,N)=φm(r)-φm+1(r)
本发明将近似熵应用于14个脑电信号通道和14个脑电信号通道的四个节律,在本发明中,当参数m=2,r=0.1,N=1024的时候,近似熵结果有效。
希尔伯特黄变换(Hilbert-Huang Transform,简称HHT)方法,HHT方法是一种对信号进行平稳化处理的方法,HHT能够精确的给出信号中频率随时间变化的规律,避免虚假频率等冗余现象,对于处理非线性、非平稳信号有着清晰的物理意义,能够得到信号的振幅-时间-频率分布特征,且具有自适应性。
HHT边际谱熵定义为:
其中,pk=h(k)/∑h(k),表示第k个频率对应幅值出现的概率。
熵值归一化为0~1,则有
公式中N是h(k)序列的长度。
本发明将HHT边际谱熵应用于14个脑电通道和14个脑电通道的四个节律,其中根据实验硬件和信号的特点选择信号的长度N=1024。
步骤S140,将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出差异性显著的通道或节律;
请参阅图2,将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出差异的通道或节律,包括下述步骤:
步骤S141:分析腰椎间盘突出症患者推拿前后14个通道的4个节律(δ、θ、α和β)的近似熵的差异性;
请参阅图3,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的4个节律(δ、θ、α和β)的近似熵的差异性示意图,其中,当p<0.05为显著性差异,图中*表示显著性差异。
图3中可以看出,通道F3、FC5、T7、P7、O2、P8、T8、FC6有显著性差异(假设检验中的p值分别为:p=0.032、p=0.026、p=0.036、p=0.02、p=0.032、p=0.007、p=0.02、p=0.021)。
步骤S142:分析腰椎间盘突出症患者推拿前后14个通道的HHT边际谱熵的差异性;
请参阅图4,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的HHT边际谱熵的差异性示意图。
从图4中可以看出,通道F7、FC5、P7、O2、P8、FC6有显著性差异(假设检验中的p值分别为:p=0.017、p=0.048、p=0.001、p=0.008、p=0.014、p=0.001)。
步骤S143:分析腰椎间盘突出症患者推拿前后14个通道的4个节律(δ、θ、α和β)的近似熵的差异性;
请参阅图5,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的δ节律的近似熵的差异性示意图。
从图5中可以看出,在δ节律中,通道F3、P7、O2、P8、FC6、F4有显著性差异(假设检验中的p值分别为p=0.037、p=0.038、p=0.005、p=0.012、p=0.009、p=0.029)。
请参阅图6,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的θ节律的近似熵的差异性示意图。
从图6中可以看出,在θ节律中,通道O2有显著性差异,(假设检验中的P值:p=0.002)。
请参阅图7,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的α节律的近似熵的差异性示意图。
从图7中可以看出,在α节律中,通道AF3、F3、FC5、P7、O1、P8、T8、FC6有显著性差异(假设检验中的P值分别为:p=0.009、p=0.002、p=0.001、p=0.011、p=0.006、p=0.033、p=0.011、p=0.014)。
请参阅图8,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的β节律的近似熵的差异性示意图。
从图8中可以看出,在β节律中,没有发现显著性差异的通道。
步骤S144:分析腰椎间盘突出症患者推拿前后14个通道的4个节律的δ、θ、α和β的HHT边际谱熵的差异性。
请参阅图9,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的δ的HHT边际谱熵的差异性示意图。
从图9中可以看出,在δ节律中,在通道AF3中有显著性差异,(假设检验中的p值为:p=0.024)。
请参阅图10,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的θ的HHT边际谱熵的差异性示意图。
从图10中可以看出,在θ节律中,通道AF4中有显著性差异,(假设检验中的P值为:p=0.01)。
请参阅图11,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的α的HHT边际谱熵的差异性示意图。
从图11中可以看出,在α节律中,通道FC5中有显著性差异(p=0.049)。
请参阅图12,为本发明一实施例提供的腰椎间盘突出症患者推拿前后14个通道的β的HHT边际谱熵的差异性示意图。
请参阅图12,在β节律中,通道F3,P7,O1,P8,FC6,F8有显著性差异,(假设检验中的p值分别为:p=0.047,p=0.003,p=0.042,p=0.008,p=0.007,p=0.01)。
步骤S150:分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性。
优选地,分析推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性,包括将腰椎间盘突出症患者推拿前后出现显著性差异的通道或节律的值做差,然后与VAS疼痛等级作相关性分析。
具体地,将上述步骤S140中将腰椎间盘突出症患者推拿前后出现显著性差异的通道或节律做差(推拿前的值-推拿后的值),然后与VAS疼痛等级作相关性分析。
请参阅表1是本发明实施例提供的推拿前后O2通道HHT边际谱熵差值与VAS的相关性检测结果、表2是本发明实施例提供的推拿前后P8通道HHT边际谱熵差值与VAS的相关性检测结果、表3是本发明实施例提供的推拿前后AF3通道的δ节律HHT边际谱熵差值与VAS的相关性检测果,从表1、2及3中可以看出,O2和P8通道的HHT边际谱熵以及AF3通道的δ节律的HHT边际谱熵与VAS疼痛等级具有显著相关性(相关性系数分别为:r=-0.444,r=-0.397,r=0.420假设检验中的P值分别为:p=0.023、p=0.045、p=0.033)
请参阅图13,为本发明一实施例提供的腰椎间盘突出症患者推拿效果的评估系统200的结构示意图,包括:采集模块210、预处理模块220、特征提取模块230、分析模块240及比较模块250。其中:
采集模块210、用于采集腰椎间盘突出症患者推拿前后脑电数据;预处理模块220用于对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理;特征提取模块230用于提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值;分析模块240用于将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析腰椎间盘突出症患者推拿前后脑电信号的变化,找出差异的通道或节律;及比较模块150用于分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性。
上述腰椎间盘突出症患者推拿效果的评估系统200详细技术方案在本发明提供的腰椎间盘突出症患者推拿效果的评估方法100中已有详细描述,这里不再赘述。
本发明提供的腰椎间盘突出症患者推拿效果的评估方法及系统,对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理,提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值,将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,并分析推拿前后脑电信号的变化,找出差异的通道或节律,分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性,本发明提供的腰椎间盘突出症患者推拿效果的评估方法及系统通过对采集的脑电数据进行一系列数据处理得到特征值,进行统计学分析,找出腰椎间盘突出症患者推拿前后的差异性,进而对推拿效果进行初步的康复训练评估,与传统的影像学评估推拿效果相比,它具有无创,方便在任何场所测量,以及可以反映出影像学不能反映的运动异常特征的优点,与传统的评分表评估推拿效果相比具有客观准确的优点。
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 (10)
1.一种腰椎间盘突出症患者推拿效果的评估方法,其特征在于,包括下述步骤:
采集腰椎间盘突出症患者推拿前后脑电数据;
对所述腰椎间盘突出症患者推拿前后脑电数据进行预处理;
提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值;
将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出差异性显著的通道或节律;及
分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性。
2.根据权利要求1所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,在采集腰椎间盘突出症患者推拿前后脑电数据的步骤中,采集腰椎间盘突出症患者脑电数据的仪器为EMOTIV EPOC脑电采集仪。
3.根据权利要求1所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,所述EMOTIV EPOC脑电采集仪的电极放置采用国际10/20系统标准,所述电极同时记录14导电极EEG数据,14导电极的14个通道分别为AF3,F7,F3,FC5,T7,P7,O1,O2,P8,T8,FC6,F4,F8,AF4,所述电极为Ag/AGCI电极,所述EMOTIV EPOC脑电采集仪的脑电采样频率为128Hz,所述腰椎间盘突出症患者脑电数据的波段包括1~3Hz的δ波、4~7Hz的θ波、8~13Hz的α波、14~30Hz的β波。
4.根据权利要求3所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,在对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理的步骤中,所述预处理为去噪处理。
5.根据权利要求4所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,所述去噪处理的方法为小波包变换。
6.根据权利要求5所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,经小波包变换后的腰椎间盘突出症患者推拿前后脑电数据按照二进制格雷码排列的,其中各个频段对应的节点情况如下:δ波对应小波节点为(6,1)和(6,3)之和;θ波对应小波节点为(6,4)、(6,6)、(6,7)之和;α波对应小波节点为(6,8)、(6,12)、(6,13)、(6,14)、(6,15)之和;β波对应小波节点为(6,10)、(6,11)、(6,16)、(6,17)、(6,18)(6,19)、(6,22)、(6,23)、(6,24)、(6,25)、(6,26)、(6,27)、(6,28)、(6,29)、(6,30)、(6,31)之和。
7.根据权利要求6所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,在提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值的步骤中,所述特征值包括腰椎间盘突出症患者推拿前后14个通道的近似熵和HHT边际谱熵特征值及14个通道的4个节律的近似熵和HHT边际谱熵特征值,所述4个节律为δ、θ、α和β。
8.根据权利要求7所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,其中,将提取的推拿前后腰椎间盘突出症患者的特征值进行统计学分析,分析推拿前后脑电信号的变化,找出差异的通道或节律,包括下述步骤:
分析腰椎间盘突出症患者推拿前后14个通道的4个节律δ、θ、α和β的近似熵的差异性;
分析腰椎间盘突出症患者推拿前后14个通道的HHT边际谱熵的差异性;
分析腰椎间盘突出症患者推拿前后14个通道的4个节律δ、θ、α和β的近似熵的差异性;
分析腰椎间盘突出症患者推拿前后14个通道的4个节律δ、θ、α和β的HHT边际谱熵的差异性。
9.根据权利要求8所述的腰椎间盘突出症患者推拿效果的评估方法,其特征在于,其中,分析推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性,包括将腰椎间盘突出症患者推拿前后出现差异的通道或节律的值做差,然后与VAS疼痛等级作相关性分析。
10.一种腰椎间盘突出症患者推拿效果的评估系统,其特征在于,包括:
采集模块,用于采集腰椎间盘突出症患者推拿前后脑电数据;
预处理模块,用于对采集的腰椎间盘突出症患者推拿前后脑电数据进行预处理;
特征提取模块,用于提取预处理后的腰椎间盘突出症患者推拿前后脑电数据的特征值;
分析模块,用于将提取的腰椎间盘突出症患者推拿前后的特征值进行统计学分析,分析腰椎间盘突出症患者推拿前后脑电信号的变化,找出有差异性显著的通道或节律;及
比较模块,用于分析腰椎间盘突出症患者推拿前后有显著性差异的通道或节律与VAS疼痛等级的相关性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710174973.0A CN106951711B (zh) | 2017-03-22 | 2017-03-22 | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710174973.0A CN106951711B (zh) | 2017-03-22 | 2017-03-22 | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106951711A true CN106951711A (zh) | 2017-07-14 |
CN106951711B CN106951711B (zh) | 2019-04-26 |
Family
ID=59473691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710174973.0A Active CN106951711B (zh) | 2017-03-22 | 2017-03-22 | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106951711B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018170792A1 (zh) * | 2017-03-22 | 2018-09-27 | 中国科学院深圳先进技术研究院 | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 |
CN112932506A (zh) * | 2021-02-01 | 2021-06-11 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
WO2022160334A1 (zh) * | 2021-02-01 | 2022-08-04 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009063463A2 (en) * | 2007-11-14 | 2009-05-22 | Medasense Biometrics Ltd | Pain monitoring using multidimensional analysis of physiological signals |
CN102184415A (zh) * | 2011-05-17 | 2011-09-14 | 重庆大学 | 一种基于脑电信号的疲劳状态识别方法 |
CN102188758A (zh) * | 2011-05-10 | 2011-09-21 | 袁明省 | 一种治疗脊椎疾病的固体植入用肠线的制备方法 |
CN105701973A (zh) * | 2016-04-26 | 2016-06-22 | 成都远控科技有限公司 | 基于脑电波采集的疲劳检测及预警方法和系统 |
-
2017
- 2017-03-22 CN CN201710174973.0A patent/CN106951711B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009063463A2 (en) * | 2007-11-14 | 2009-05-22 | Medasense Biometrics Ltd | Pain monitoring using multidimensional analysis of physiological signals |
CN102188758A (zh) * | 2011-05-10 | 2011-09-21 | 袁明省 | 一种治疗脊椎疾病的固体植入用肠线的制备方法 |
CN102184415A (zh) * | 2011-05-17 | 2011-09-14 | 重庆大学 | 一种基于脑电信号的疲劳状态识别方法 |
CN105701973A (zh) * | 2016-04-26 | 2016-06-22 | 成都远控科技有限公司 | 基于脑电波采集的疲劳检测及预警方法和系统 |
Non-Patent Citations (1)
Title |
---|
苏珍 等: "疼痛程度与定量药物脑电图的相关性研究", 《中国现代医学杂志》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018170792A1 (zh) * | 2017-03-22 | 2018-09-27 | 中国科学院深圳先进技术研究院 | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 |
CN112932506A (zh) * | 2021-02-01 | 2021-06-11 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
WO2022160334A1 (zh) * | 2021-02-01 | 2022-08-04 | 中国科学院深圳先进技术研究院 | 一种推拿疗效评估方法、装置、系统、以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106951711B (zh) | 2019-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Compressed sensing framework for heart sound acquisition in internet of medical things | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
CN105147248A (zh) | 基于生理信息的抑郁症评估系统及其评估方法 | |
CN106951711B (zh) | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 | |
CN108309290A (zh) | 单通道脑电信号中肌电伪迹的自动去除方法 | |
Li et al. | Automatic removal of ocular artifact from EEG with DWT and ICA Method | |
CN103258120A (zh) | 一种基于脑电信号的中风康复程度指标计算方法 | |
CN112861625A (zh) | 一种堆叠去噪自编码器模型确定方法 | |
CN111708978A (zh) | 多尺度时频肌间耦合分析方法 | |
Hossain et al. | A deep convolutional autoencoder for automatic motion artifact removal in electrodermal activity | |
Hu et al. | Effect of electrocardiographic contamination on surface electromyography assessment of back muscles | |
CN117281479A (zh) | 一种基于表面肌电信号多维度特征融合的人体下肢慢性疼痛判别方法、存储介质及装置 | |
Chu et al. | Physiological signals based quantitative evaluation method of the pain | |
Li et al. | Detection of muscle fatigue by fusion of agonist and synergistic muscle semg signals | |
Saito et al. | Variability of trunk muscle synergies underlying the multidirectional movements and stability trunk motor tasks in healthy individuals | |
CN106845464A (zh) | 一种基于样本熵的下背痛症状分类系统及方法 | |
Kim et al. | Difference between right and left facial surface electromyography in healthy people | |
Lin et al. | Extraction of physically fatigue feature in exercise using electromyography, electroencephalography and electrocardiography | |
Saljuqi et al. | Combining homomorphic filtering and recurrent neural network in gait signal analysis for neurodegenerative diseases detection | |
WO2018170792A1 (zh) | 一种腰椎间盘突出症患者推拿效果的评估方法及系统 | |
Helal et al. | A hybrid approach for artifacts removal from EEG recordings | |
CN107811635B (zh) | 一种基于人体生理信号的健康状态分类方法及装置 | |
Celka et al. | Pulse wave harmony: ancient wisdoms for modern age | |
Long et al. | Estimation of fatigue status by sEMG signal using SVM algorithm in massage assessment | |
Kaneko et al. | Characteristics of lower limb muscle activity in elderly persons after ergometric exercise |
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 |