CN107427261B - 用于深层脑刺激手术的手腕强直评估设备 - Google Patents

用于深层脑刺激手术的手腕强直评估设备 Download PDF

Info

Publication number
CN107427261B
CN107427261B CN201680021144.2A CN201680021144A CN107427261B CN 107427261 B CN107427261 B CN 107427261B CN 201680021144 A CN201680021144 A CN 201680021144A CN 107427261 B CN107427261 B CN 107427261B
Authority
CN
China
Prior art keywords
angular velocity
signal
data processor
joint
velocity sensor
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.)
Active
Application number
CN201680021144.2A
Other languages
English (en)
Other versions
CN107427261A (zh
Inventor
若昂·波罗·特里盖罗斯·达·西尔瓦·库尼亚
佩德罗·科斯塔
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.)
Inesc Porto- Instituto De Engenharia De Sistemas E Computadores Do Porto
Original Assignee
Inesc Porto- Instituto De Engenharia De Sistemas E Computadores Do Porto
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 Inesc Porto- Instituto De Engenharia De Sistemas E Computadores Do Porto filed Critical Inesc Porto- Instituto De Engenharia De Sistemas E Computadores Do Porto
Publication of CN107427261A publication Critical patent/CN107427261A/zh
Application granted granted Critical
Publication of CN107427261B publication Critical patent/CN107427261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/1124—Determining motor skills
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • 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
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4528—Joints
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6806—Gloves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6832—Means for maintaining contact with the body using adhesives
    • A61B5/6833—Adhesive patches
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Geometry (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

公开了一种关节强直评估设备，用于在围绕关节的预定旋转轴线对所述关节的肢体施加弯曲运动时评估关节的强直，所述设备包括：单轴角速度传感器，用于附接到所述肢体使得所述测量轴线平行于施加的弯曲运动的旋转轴线；数据处理器，被配置为处理角速度传感器的信号，并且使用经处理的角速度信号来区分关节的非强直和强直状态。所述关节可以是患者的腕关节，并且所述肢体是相应的手。该设备可包括用于施加到患者的肢体的皮肤接触贴片，其中单轴角速度传感器附接到所述皮肤接触贴片。所述皮肤接触贴片可施加到手掌或手背。

Description

用于深层脑刺激手术的手腕强直评估设备
技术领域
本公开涉及用于肢体运动诊断目的的检测、测量或记录设备的领域。公开了一种用于检测、测量或记录受试者的关节的肌肉强直的设备，同时施加被动肢体弯曲运动，定量评估测量结果，特别是对于齿轮或齿轮状强直，具体而言是腕关节。
背景技术
文献JP2010193936公开了一种用于在施加被动上肢弯曲运动的同时测量受试者的肌肉强直的设备，并且定量评估特别是齿轮或齿轮状强直的测量结果，利用具有增加的运动转矩的马达，以被动地将上肢弯曲运动施加给受试者和用于测量肌原性电位的肌源性电位测量装置；以及前臂位置测量装置，用于通过使用位移电缆定位转换器来测量前臂的位置。对通过下载关于肌源性电位的生物信息获得的数字数据计算分析值，并且基于分析值的计算数据定量评估肌肉强直。
JP2010193936的设备需要用于肌原性电位和前臂位置的测量装置，因此具有如绘设备清楚地显示的增加的复杂性和笨重性。
非专利文献参考文献：
[2]M.B.Shapiro，D.E.Viillancourt，M.M.Sturman，L.V.Meterman，R。A.Bayay和D.M.Corcos，“Effects of stn dbs on stiffness in parkinson's disease”，NeuralSystems and Rehabilitation Engineering，IEEE Transactions on，vol.15，no.2，pp.173-181，2007。
[3]A.L.Benabid，S.Chabardes，J.Mitrofanis和P.Polak，“Deep brainstimulation of the subthalamic nucleus for the treatment of parkinson'sdisease”，The Lancet Neurology，vol.8，no.1，pp.67-81，2009。
[4]J.W.Lance，R.S.Schwab和E.A.Personerson，“Action tremor and thecogwheel phenomenon in parkinsons disease”，Brain，vol.86，no.1，pp.95-110，1963。
[5]Y.Kwon，S.-H.Park，J.-W.Kim，Y.Ho,H.-M.Jeon，M.-J.Bang,S.-B.Koh,J.-H.Kim和G.-M.Eom，“Quantitative evaluation ofparkinsonian rigidity duringintra-operative deep brain stimulation”，Biomedical materials and engineering，vol.24，no.6，pp.2273-2281，2014。
[6]J.Levin，S.Krafczyk，P.ValkovPc，T.Heergert，J.Caassen和K.Botzel，“Objective measurement of muscle stiffness in parkinsonian patients treatedwith subthalamic stimulation”，Movement Disorders，vol.24，no.1，pp.57-63，2009。
[7]S.Little，R.A.Joundi，H.Tan，A.Pogosyan，B.Forrow，C.Joint，A。L.Green，T.Z.Aziz和P.Brown，“A torque-based method shows increased stiffness inparkinsons disease during low frequency stimulation”，Experimental brainresearch，vol.219，no.4，pp.499-506，2012。
[8]C.M.Jarque和A.K.Bera，“Efficient tests for normality，homoscedasticity and serial independent of regression residuals”，Economicsletters，vol.6，no.3，pp.255-259，1980。
[9]N.A.Oruchowski，“Sample size tables for receiver operatingcharacteristic studies”，American Journal of Roentgenology，vol.175，no.3，pp.603-608，2000。
[10]M.K Mak，E.C.Wong和C.W.He-Chan，“Quantitative measurement of trunkstiffness in parkinsonian patients”，Journal of neurology，vol.254，no.2，pp.202-209页，2007。
发明内容
当帕金森病(PD)患者不耐受药物或这些药物失去效力时，他们经常需要深部脑刺激(DBS)手术。将刺激电极植入基底神经节以促进失调的多巴胺能运动通路的功能控制。刺激目标由医学成像定义，然后进行细电极位置修整和电刺激调谐的电生理检查。目标的术中刺激和手腕强直的评估允许选择最能缓解PD症状而没有副作用的刺激参数。为此，神经科医师施加了被动手腕弯曲运动，基于其经验和主观性定性描述不同电压下感觉到的强直下降。公开了一种舒适且无线的可穿戴运动传感器，通过以下方式分类手腕强直：根据角速度值计算强健的信号描述符；构建一个多项式数学模型，以使用定量连续等级(quantitative continuous scale)对信号进行分类。得出的描述符显著(p<0.05)区分非强直状态和强直状态，相对两位专家的盲意见一致(blind-agreement)，分类模型正确地标记了超过80％的评估信号。另外，公开了一种根据角速度信号以高灵敏度(0.93)检测齿轮强直的方法。本公开提供了对手腕强直的可靠评估，改善了在使用小型、简单且易于使用的运动传感器时内在主观的临床评价。
帕金森病(PD)是由基底神经节中多巴胺能神经元的量减少引起的神经变性疾病。多巴胺对皮质脊髓运动控制系统的兴奋性信号具有抑制作用。神经元之间多巴胺传播的减少导致运动通路保持在受激状态，从而损害其运动。PD患者证明的主要症状包括运动迟缓(缓慢)、静止性震颤、强直和姿势不稳定。
目前，尽管左旋多巴和多巴胺拮抗剂暂时缓解了该病症，但尚不能治愈PD。不幸的是，这些药物随着时间的推移失去效力，导致表现的症状的发生率和强度更高[2]，或者患者可能变得不耐受药物。基底神经节结构的高频深部脑刺激(DBS)——诸如丘脑底层核(STN)和内部苍白球(GPi)——目前是减轻PD症状的首选手术选择。据报道，其减轻震颤、运动迟缓、特别是强直比单一的药物治疗更好。该过程包括植入刺激电极，该刺激电极促进兴奋的运动控制路径的功能性抑制，类似于多巴胺对基底神经节结构的作用。
基于术前医学成像定义了刺激的立体目标。然后，通过使用四极电极的电生理学探查发现最佳刺激部位。随后检查引线的四个接触点，同时改变刺激参数并检测症状和副作用以确定电极的最终放置。手腕强直是一个可靠的特征，因为它可被训练有素的神经科医师被动地测量，并使用半定量等级进行评分[3]。这种强直阻碍腕部弯曲运动，引起腕关节的抽筋动作。这类似于齿轮的作用[4]，并且其是相关的临床特征。每位医师定义的经验、感知和主观等级往往使这种评估带着偏见[5]，从而形成了对客观和定量评估方法的需要。
现有技术需要复杂的采集设置，并且已被用于证明运动学测量与UPDRS临床评分之间存在相关性。然而，这样的分析是后验的，现有系统的复杂性和侵入性使得它们成为DBS手术内的难点。设计了一种在DBS手术期间评估特定刺激参数下手腕强直的实用、简单和精确的系统，并设计了一种根据角速度数据检测齿轮强直的方法。这样的解决方案显著降低了评估的主观性程度，并大大有助于确定最佳刺激设置。
通常使用统一帕金森病评定量表(UPDRS)描述PD患者的强直。对于手腕强直的情况，要求神经病学家将被动手腕弯曲和伸展阻力从无(0)分级至严重(4)。因此，如前所述，这种分散的分级是非常主观的。
引入运动传感器来测量植入患者的腕部强直是相当新颖的。STN DBS刺激的有效性的第一个实验证明发生在2007年[2]。在这项研究中，要求患者在开启和关闭刺激状态下操纵一个轻质的条。后来他们在手腕的连续角度上整合惯性力矩，以计算表示两种状态之间的统计学意义所应用的功(work applied)。
在该研究之后，[6]经由肱二头肌和肱三头肌的表面肌电图(EMG)记录的具体化的肌肉强直，与专家的测量和UPDRS得分之间具有高度的相关性。最近，[7]进一步探讨了[2]提出的前提，并观察到在操纵铝条时，高频DBS下手腕强直的显著降低。使用测角仪在腕部上评估角位移，并且通过安装在铝条上的应变仪测量力。在刺激的治疗频率为130Hz时，显示出运动性的提高。2014年，[5]通过测量几个生物力学属性来测量术中DBS期间的手腕强直。发现粘滞阻尼与UPDRS临床评分之间存在较高的相关性。
如图1所示，公开了一种包括小型可穿戴运动传感器和定制软件的系统，用于在DBS手术期间可视化信号和评估手腕强直。如图1所示，传感器放置在手掌上并由纺织带保持。这种配置不会干扰正常的被动腕关节弯曲运动，也不影响外科手术，同时有利的是沿着传感器的Y轴(即手腕的旋转轴线)进行手腕的弯曲，以与手姿势无关的评估强直。
根据一个实施例，为了保证相对于手的旋转和位置的数据不变性，根据一个实施例，仅考虑相对于设备坐标系获取的陀螺仪数据。也可以利用陀螺仪数据转换加速度计或磁力计数据或其组合，以获得角速度的信号，尽管增加了复杂性。
如下获得角速度信号，其中数字32767可在-32768和32767之间取任何值，例如，取决于具体的传感器分辨率：
Figure GDA0001429623400000061
其中，gy代表原始陀螺仪Y轴数据。使用4采样移动平均滤波器过滤信号以消除最终的震颤，然后仅保留对应于手腕弯曲运动的采样。为此，采用ω的负的拱形(negativearcades)的绝对值，舍弃信号的剩余部分。强直可被认为是限制施加的手腕弯曲运动的速度、范围和平滑度的抵抗力或扭矩。因此，减小强直的刺激设置产生更高的角速度和更平滑的信号。
图2a，图2b以及图2c示出接下来的信号处理策略。
公开了来自定量运动学测量的信号描述符，即非强直指数，如图2a所示：
Figure GDA0001429623400000062
其中μω代表平均角速度，μp代表平均峰值。绝对峰被计算为信号的两个波谷之间的最高值；根据一个实施例在0.2°s-1的余裕(margin)内。
在低强直和较高的μp值之间存在直接的相关性。然而，这对于准确的描述是不够的，因为具有广泛地不同形状的信号可具有类似高度的峰值。即使在具有高振幅的信号中，延长的信号拱形(elongated signal arcades)、在弯曲运动期间的一定时间段或意想不到的停滞期间(plateaus)的很少的峰值，也都对应于一些残余强直并且应当将这些考虑在内。这种信息由μω产生，因为对于非平滑和非锐化信号，信号的平均值减小。平方根将
Figure GDA0001429623400000063
切回到信号范围内，并建立一个其值介于两个运动测量之间的工作点。
期望描述符能显著区分减轻患者状况的刺激设置与不减轻患者状况的刺激设置。因此，训练数据集被聚集到指定的类中，并计算每个信号的
Figure GDA0001429623400000071
值。Jarque-Bera测试[8]证实了数据的正常性，并且使用双尾t检验来评估描述性能力。
如图2b所能够观察到的，腕关节的齿轮强直在角速度信号上产生伪像。这种伪像对应于由两个峰值界定的信号的非最小波谷。对于它们的检测，信号的所有波峰和波谷都被提取出来，并且在波谷和包围它的两个波峰之间画出每个可能的三角形。信号的较平滑部分具有定义在绝对最小值和最大值之间的较大的三角形，而齿轮部分则导致较小的倾斜三角形。检测标准公开如下：
Figure GDA0001429623400000072
其中，h表示波谷和侧翼波峰之间的中点之间的距离，△t是三角形的时间跨度，A是其面积，λ是用于检测齿轮伪像的阈值。我们优化了λ，并根据[9]中描述的以下建立的ROC曲线评估了检测精度：30个随机选择的训练信号，其基础事实(ground-truth)事先已经在观察者之间达成。
专家按照0至80％之间的离散十进制等级标记被动的手腕弯曲期间的强直。较高的标签值对应于较低的所感知的腕部强直。Mathworks Matlab R2013a用于分析训练集的48个信号。此后，建立了最接近于所感知的腕部强直的多项式数学模型作为针对每个强直等级的信号描述符
Figure GDA0001429623400000073
的平均值的函数。更高程度的接近可能导致过度拟合，并且对广泛不同的输入信号减少响应度。此外，尽管使用标准机器学习技术可解决这个问题，但是它们需要大量的计算，并且会用本地信号处理来限制未来的实现。训练错误被评估为留一法(leave-one-out)错误。
根据一个实施例，将信号形状描述符和其他运动属性(诸如四元数)集成到该分类模型中以保证更高的强健性和辨别力。根据另一个实施例，在每个刺激设置下将腕部强直与基准强直进行比较。这允许估计每个设置如何减轻腕部强直，降低受试者之间强直变化的影响。根据另一个实施例，该设备和方法可用于其他PD相关的医疗过程，诸如震颤检测和表征或左旋多巴检验。
这里提供的公开有可能成为该领域的重大突破。模拟了DBS手术(具有可靠性，临床相关性和对神经病学家的实时反馈)中手腕强直的评估。为此，设计了舒适、简单和定制的可穿戴运动传感器系统，能够仅使用从陀螺仪数据计算的角速度值来评估在不同刺激设置下的腕部强直。使用多项式数学模型以及基于简单的运动学测量得到的信号描述符，能正确分类超过80％的评估信号。施加的手腕弯曲运动的可能变化以及不变的手位置和方位的影响，不会影响本设备的性能。
根据一个实施例，使用用于评估信号形状和平滑度以及包含四元数信息的信号处理策略。根据获得的信号估计生物力学属性可大大有助于完整描述强直并提供DBS成功的基准信息。此外，根据一个实施例，将要评估的每个信号与基准强直特性进行比较，以准确地估计所感知的强直的降低并监测病状的缓解。
公开了一种关节运动强直评估设备，用于在围绕关节的预定旋转轴线对所述关节的肢体施加弯曲运动时评估关节的强直，所述设备包括：用于附接到所述肢体的单轴角速度传感器，使得测量轴线平行于所施加的弯曲运动的旋转轴线；数据处理器，被配置(即被编程)为处理角速度传感器的信号，并且使用经处理的角速度信号来区分关节的非强直状态和强直状态。
实施例包括用于施加到患者的肢体的皮肤接触贴片，其中，单轴角速度传感器附接到所述皮肤接触贴片。
在一个实施例中，关节是患者的腕关节，并且肢体是相应的手。在一个实施例中，施加的弯曲运动的旋转轴线是腕关节的伸展-弯曲的旋转轴。
在一个实施例中，皮肤接触贴片是用于施加到手掌或手背的皮肤接触贴片。
在一个实施例中，数据处理器被配置为通过角速度信号的平均值乘以角速度信号的平均峰值的平方根来计算非强直指数。
在一个实施例中，数据处理器被配置为通过角速度信号的平均值乘以所述角速度信号的平均峰值的平方根计算所施加的弯曲运动的周期的非强直指数。
在一个实施例中，数据处理器被配置为如果所计算的非强直指数高于预定阈值则通过检测非强直状态来区分非强直状态和强直状态，。
在一个实施例中，数据处理器被配置为使用其输入是非强直指数的多项式函数来计算关节的强直的定量连续等级。
在一个实施例中，数据处理器被配置为通过沿着所施加的弯曲运动的周期检测由非强直指数的两个峰值界定的非最小波谷来检测关节的齿轮强直。
在实施例中，数据处理器被配置为通过检测由非强直指数的两个峰值界定的非最小谷值来检测所述关节的齿轮强直，通过：
沿时间提取所述指数信号的所有波峰和波谷；
在波谷和包围它的两个波峰之间绘制每个可能的三角形；
确定以下计算是否为真：
Figure GDA0001429623400000101
其中，h是所述波谷和两个波峰之间的中点之间的距离，△t是由所述波谷和所述两个波峰形成的三角形的时间跨度，A是三角形面积，λ是用于检测齿轮强直的预定阈值。
在一个实施例中，单轴角速度传感器是单轴陀螺仪。
一个实施例包括三轴陀螺仪，
其中，单轴角速度传感器是虚拟传感器，并且
数据处理器被配置为根据三轴陀螺仪的信号计算等效的单轴角速度虚拟传感器信号。
一个实施例包括加速度计-陀螺仪-磁力计，其中，单轴角速度传感器是虚拟传感器，并且
其中，所述数据处理器被配置为根据所述加速度计-陀螺仪-磁力计的信号计算等效的单轴角速度虚拟传感器信号。
在实施例中，数据处理器被配置为通过以信号的绝对值的移动平均值过滤角速度传感器信号来预处理角速度传感器信号。
在一个实施例中，所述皮肤接触贴片是粘性贴片。
还描述了一种无指手套，其中，所述皮肤接触贴片是所述手套的主要部分。
还描述了一种弹性纺织带，其中，所述皮肤接触贴片是所述带的主要的织物部分。
还描述了一种设备的使用，用于帮助患者的深部脑刺激手术。
一个实施例包括附接到所述数据处理器的显示器，其中，所述数据处理器与所述角速度传感器无线连接。
一个实施例包括无线地连接到所述数据处理器的显示器，其中，所述数据处理器电连接到所述角速度传感器，并且所述数据处理器附接到所述皮肤接触贴片。
附图说明
以下附图提供了本公开的优选实施例，并且不应被视为限制本公开的范围。
图1：在腕部强直评估期间运动传感器的设置及其在手上的放置。所示的坐标系是相对于设备的而不是世界的。
图2a：提取平均角速度(上虚线)和平均峰值(下虚线)以描述被动手腕弯曲运动的运动学特性。还表示了信号描述符
Figure GDA0001429623400000111
的可能值的范围。
图2b：使用根据角速度信号上的基准点定义三角形的几何方法来检测齿轮效应。在左侧，表示信号的平滑部分(较大的三角形)与存在齿轮效应的区域(较小和倾斜的三角形)之间的差异。在右边，描述了从描绘的三角形提取的特征。
图2c：示意性地表示对应于所提到的y轴的手腕关节弯曲-伸展旋转轴线。
图3a：针对训练数据集上的每个强直等级，将手腕强直和信号描述符的平均值最佳相关的多项式函数。
图3b：用于检测角速度信号上的齿轮伪像的ROC曲线。λ＝100的最佳操作。
图4：描绘实施例的主要方块的示意性表示，其中IMU表示惯性测量单元，MCU表示微控制器单元。
图5：描述实施例的数据和工作流程的示意性表示，其中IMU表示惯性测量单元，并且MCU表示微控制器单元。
具体实施方式
根据一个实施例，设计的硬件包括德克萨斯仪器微控制器(MCU)，Invensense的ITG-3200陀螺仪(±2000°/s的范围和6.5mA工作电流)，KXTF9-1026Kionix加速度计(范围2g，4g和8g)和霍尼韦尔的HMC5883L磁力计(罗盘方位精度为1°至2°)。MCU以100Hz从传感器收集数据(构建将以42Hz的速率经由蓝牙传输到同步的设备的数据包)，并可实时计算四元数。
根据一个实施例，在一个英特尔核心i7-4600U CPU@2.70GHz计算机中使用National Instruments Labview 2014，获取并处理传感器信号。
测试经历双侧DBS手术的6名患者(平均年龄：67岁；3名男性和3名女性)，并获得总共48个信号以训练强直分类模型。在手术前12h取出药物，施用局部麻醉剂。将DBS电极插入STN立体定向靶，进行电生理检查以确定最终的刺激部位。刺激频率固定在130Hz，电压和电极位置都有变化，同时在被动手腕弯曲时无副作用的寻找手腕强直的最大降低。两位经验丰富的医师达成了最佳设置。患者在整个手术过程中佩戴开发的系统用于信号记录目的。本公开在可变刺激设置下对另外4名患者(平均年龄：64岁；2名男性和2名女性)的强直进行分类。患者被提交给与训练组相同的医疗过程。根据两名专家医师的协议，对信号分类(总共156个信号)表现进行了评估：如果包含在临床评分的5％余裕内，则分类被接受。
公开了一种定量评估腕部强直并帮助确定最佳刺激设置的设备和方法。在表I中总结的统计分析结果证明了所选运动学测量
Figure GDA0001429623400000131
区分强直和非强直状态的能力。此外，观察到
Figure GDA0001429623400000132
比其对应物(Ρμω＝0.034和PμP＝0.029)具有稍微更多的判别
Figure GDA0001429623400000133
这证实了本公开的两个特征的组合很好地描述了信号幅度和形状之间的相关性，同时保持了简单性。
Figure GDA0001429623400000134
表I-选择的运动学测量和信号描述符都能够区分强直和非强直状态(以°s-1为单位的角速度值)
在图3a中描绘的用于强直分类的导出数学模型与数据具有高度相关性，并呈现8.24±7.95％的训练误差。这个误差范围是可接受的，特别是考虑到使用连续函数来建立离散等级。其他相关的错误源是存在一些不期望的促进患者运动的可能性。
然而，由本公开实施的156个分类中的131个与两个专家医师之间的意见没有不同，其对应于高于80％的接受率。在与分类模型相关性较低的中等强直状态对应的信号的评估中发现了主要的局限性(参见图3a)。相反，本发明检测到更正确的低强直状态，这意味着可以以低误差来识别最佳刺激设置。这样的结果表明，本公开可以是具有临床益处的手腕强直评估(例如，在DBS参数修剪期间)的可靠的辅助意见。
在这种情况下，也可探索额外的生物力学属性，诸如功和脉冲，两者均来自电阻力矩。然而，这些量通常取决于医师无法保证的所施加的运动的速度。
事实上，由医师施加的运动引起的施加的速度的这种变化性可有助于更好地感知腕部的强直。只有通过使用附接到肢体的机械系统才能确保恒定速度，但增加了手术的侵入性和复杂性。
关于齿轮强直的检测，图3b中的ROC曲线表明当前公开的方法的高灵敏度，同时保持假阳性率较低。获得λ＝100的最佳操作点，产生0.93的灵敏度。出于对强直分类的目的，这些结果以及创建和表征计算出的三角形的算术运算所需的低计算成本使得可实时检测齿轮伪像及其量化。
本文中使用的术语“包括”旨在表示所述特征、整体、步骤、组件的存在，但不排除存在或添加一个或多个其它特征、整体、步骤、组件或其组。应当理解，本文所述的本公开的某些实施例可作为驻留在固件中的代码(例如，软件算法或程序)和/或具有控制逻辑的计算机可用介质，以使得能够在具有计算机处理器，诸如本文所述的任何服务器的计算机系统上执行。这样的计算机系统通常包括被配置为提供根据执行来配置处理器的代码执行的输出的存储存储器。代码可布置为固件或软件。如果使用模块实现，则代码可包括单个模块或多个模块，其彼此协作操作以配置被执行以实施本文所述的相关功能的机器。
本公开不应以任何方式被视为限于所描述的实施例，并且本领域的技术人员将预见其修改的许多可能性。上述实施例是可组合的。以下权利要求进一步阐述了本公开的特定实施例。

Claims (20)

1.一种关节强直评估设备，用于当围绕关节的预定旋转轴线对所述关节的肢体施加弯曲运动时评估所述关节的强直，所述设备包括：
单轴角速度传感器，用于附接到所述肢体，使得测量的轴线平行于所施加的弯曲运动的所述旋转轴线；
数据处理器，被配置为处理所述角速度传感器的信号，并且使用经处理的角速度传感器的信号来区分所述关节的非强直状态和强直状态；
其中，所述数据处理器被配置为根据所述角速度传感器的信号的平均值与所述角速度传感器的信号的平均峰值的乘积的平方根来计算非强直指数。
2.根据权利要求1所述的设备，包括用于应用到患者的肢体的皮肤接触贴片，其中，所述角速度传感器附接到所述皮肤接触贴片。
3.根据权利要求1所述的设备，其中，所述关节是患者的腕关节，并且所述肢体是相应的手。
4.根据权利要求3所述的设备，其中，所施加的弯曲运动的所述旋转轴线是所述腕关节的伸展-弯曲的旋转轴线。
5.根据权利要求2所述的设备，其中，所述皮肤接触贴片是用于应用到手掌或手背的皮肤接触贴片。
6.根据权利要求1至5中任一项所述的设备，其中，所述数据处理器被配置为根据所述角速度传感器的信号的平均值与所述角速度传感器的信号的平均峰值的乘积的平方根来计算所施加的弯曲运动的一个周期的非强直指数。
7.根据权利要求1所述的设备，其中，所述数据处理器被配置为如果所计算的所述非强直指数高于预定阈值则通过检测非强直状态来区分非强直状态和强直状态。
8.根据权利要求1所述的设备，其中，所述数据处理器被配置为使用其输入是所述非强直指数的多项式函数来计算所述关节的强直的定量连续等级。
9.根据权利要求1所述的设备，其中，所述数据处理器被配置为通过沿着所施加的弯曲运动的周期检测由所述非强直指数的两个峰界定的非最小谷来检测所述关节的齿轮强直。
10.根据权利要求9所述的设备，其中，所述数据处理器被配置为通过检测由所述非强直指数的两个峰界定的非最小谷来检测所述关节的所述齿轮强直，通过以下步骤来检测由所述非强直指数的两个峰界定的非最小谷：
沿时间提取指数信号的所有峰和谷；
绘制每个可能的在谷和包围它的两个峰之间的三角形；
确定以下计算是否为真：
Figure FDA0002475820070000021
其中，h是所述谷和两个峰之间的中点之间的距离，△t是由所述谷和所述两个峰形成的所述三角形的时间跨度，A是三角形面积，以及λ是用于检测齿轮强直的预定阈值。
11.根据权利要求1所述的设备，其中，所述角速度传感器是单轴陀螺仪。
12.根据权利要求1所述的设备，包括三轴陀螺仪，
其中，所述角速度传感器是虚拟传感器，并且
所述数据处理器被配置为根据所述三轴陀螺仪的信号计算等效的单轴角速度虚拟传感器信号。
13.根据权利要求1所述的设备，包括加速度计-陀螺仪-磁力计，
其中，所述角速度传感器是虚拟传感器，并且
所述数据处理器被配置为根据所述加速度计-陀螺仪-磁力计的信号计算等效的单轴角速度虚拟传感器信号。
14.根据权利要求1所述的设备，其中，所述数据处理器被配置为通过用所述角速度传感器的信号的绝对值的移动平均值过滤所述角速度传感器的信号来预处理所述角速度传感器的信号。
15.根据权利要求2所述的设备，其中，所述皮肤接触贴片是粘性贴片。
16.根据权利要求2所述的设备，包括无指手套，其中，所述皮肤接触贴片是所述手套的主要部分。
17.根据权利要求2所述的设备，包括弹性纺织带，其中，所述皮肤接触贴片是所述带的主要的织物部分。
18.根据权利要求1所述的设备，用于患者的深部脑刺激手术中。
19.根据权利要求1所述的设备，包括附接到所述数据处理器的显示器，其中，所述数据处理器与所述角速度传感器无线连接。
20.根据权利要求2所述的设备，包括无线地连接到所述数据处理器的显示器，其中，所述数据处理器电连接到所述角速度传感器，并且所述数据处理器附接到所述皮肤接触贴片。
CN201680021144.2A 2015-04-14 2016-04-14 用于深层脑刺激手术的手腕强直评估设备 Active CN107427261B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PT10836615 2015-04-14
PT108366 2015-04-14
PCT/IB2016/052135 WO2016166702A1 (en) 2015-04-14 2016-04-14 Wrist rigidity assessment device for use in deep brain stimulation surgery

Publications (2)

Publication Number Publication Date
CN107427261A CN107427261A (zh) 2017-12-01
CN107427261B true CN107427261B (zh) 2020-07-03

Family

ID=56008820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680021144.2A Active CN107427261B (zh) 2015-04-14 2016-04-14 用于深层脑刺激手术的手腕强直评估设备

Country Status (7)

Country Link
US (1) US10856778B2 (zh)
EP (1) EP3282947B1 (zh)
JP (1) JP6683731B2 (zh)
KR (1) KR102314942B1 (zh)
CN (1) CN107427261B (zh)
CA (1) CA2982238C (zh)
WO (1) WO2016166702A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210085244A1 (en) * 2015-04-14 2021-03-25 Inesc Tec- Instituto De Engenharia De Sistemas Ecomputadores, Tecnologia E Ciencia Wrist rigidity assessment device and method for identifying a clinically effective dose
US11253173B1 (en) * 2017-05-30 2022-02-22 Verily Life Sciences Llc Digital characterization of movement to detect and monitor disorders
WO2019210372A1 (en) * 2018-05-04 2019-11-07 The Bionics Institute Of Australia Systems and methods for characterisation of joints
CN108742612B (zh) * 2018-05-24 2023-12-12 王开亮 基于肌电标志物的dbs有效性检测设备
CN110101386B (zh) * 2019-06-05 2024-08-20 温州市中心医院 一种帕金森辅助检测装置
EP4272287A1 (en) * 2020-12-31 2023-11-08 KOC Universitesi A detecting device and a method for evaluating a connector locking status

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060052726A1 (en) * 2004-09-08 2006-03-09 Weisz Donald J Key device to measure pronation and supination of the forearm
US8702629B2 (en) 2005-03-17 2014-04-22 Great Lakes Neuro Technologies Inc. Movement disorder recovery system and method for continuous monitoring
US8187209B1 (en) * 2005-03-17 2012-05-29 Great Lakes Neurotechnologies Inc Movement disorder monitoring system and method
US9265451B2 (en) 2005-03-31 2016-02-23 Mindy Levin Method and apparatus for determining spasticity
US7478009B2 (en) * 2005-07-29 2009-01-13 Wake Forest University Health Sciences Apparatus and method for evaluating a hypertonic condition
EP2305118B1 (en) 2008-06-20 2017-01-04 Osaka University Muscle tone measuring apparatus
DE102008030534A1 (de) * 2008-06-27 2009-12-31 Bort Medical Gmbh Vorrichtung zum Bestimmen der Stabilität eines Kniegelenks
US8421854B2 (en) * 2008-07-24 2013-04-16 Noah Zerkin System and method for motion capture
US9301712B2 (en) 2008-07-29 2016-04-05 Portland State University Method and apparatus for continuous measurement of motor symptoms in parkinson's disease and essential tremor with wearable sensors
US9662502B2 (en) * 2008-10-14 2017-05-30 Great Lakes Neurotechnologies Inc. Method and system for tuning of movement disorder therapy devices
EP2389152A4 (en) * 2009-01-20 2016-05-11 Univ Northeastern MULTI-USER SMARTGLOVE FOR REHABILITATION BASED ON VIRTUAL ENVIRONMENTS
JP2010193936A (ja) 2009-02-23 2010-09-09 Akita Prefecture 筋固縮度定量評価装置
DE102010021498B4 (de) * 2010-05-26 2018-05-03 Deutsches Zentrum für Luft- und Raumfahrt e.V. System zur Steifigkeitsmessung eines Objektes sowie Verfahren
CN101972170B (zh) * 2010-10-22 2012-06-13 广东工业大学 最小二乘支持向量机自适应滤波器及其滤波方法
US8803682B2 (en) * 2010-12-07 2014-08-12 J.T. Labs Limited Sleep-posture sensing and monitoring system
CN102499691A (zh) * 2011-10-28 2012-06-20 中国人民解放军第四军医大学 一种手持式神经功能评价仪
WO2013123263A1 (en) 2012-02-14 2013-08-22 The Regents Of The University Of California Apparatus and method for quantifying stability of the knee
BR102012025421A2 (pt) * 2012-10-05 2014-10-07 Brunian Ltda Me Equipamento de vestir nos membros superiores para captação, tratamento e armazenamento de dados quantitativos da tríade clássica da doença de parkinson
CA2896800A1 (en) 2013-01-21 2014-07-24 Cala Health, Inc. Devices and methods for controlling tremor
CN103251419A (zh) * 2013-04-25 2013-08-21 西安交通大学苏州研究院 用于手功能康复训练与评估的数据手套及其监测方法
EP3068301A4 (en) * 2013-11-12 2017-07-12 Highland Instruments, Inc. Analysis suite
CN104127187B (zh) * 2014-08-05 2017-04-05 戴厚德 用于帕金森病人主要症状定量检测的可穿戴系统
US9983693B2 (en) * 2015-03-13 2018-05-29 Adtile Technologies Inc. Spatial motion-based user interactivity

Also Published As

Publication number Publication date
EP3282947B1 (en) 2020-09-02
US20180116562A1 (en) 2018-05-03
CA2982238A1 (en) 2016-10-20
JP6683731B2 (ja) 2020-04-22
KR20170137122A (ko) 2017-12-12
WO2016166702A1 (en) 2016-10-20
EP3282947A1 (en) 2018-02-21
US10856778B2 (en) 2020-12-08
JP2018515181A (ja) 2018-06-14
CA2982238C (en) 2022-01-04
KR102314942B1 (ko) 2021-10-21
CN107427261A (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
CN107427261B (zh) 用于深层脑刺激手术的手腕强直评估设备
CN109480858B (zh) 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法
Rigas et al. Assessment of tremor activity in the Parkinson’s disease using a set of wearable sensors
CN104127187B (zh) 用于帕金森病人主要症状定量检测的可穿戴系统
Huo et al. A heterogeneous sensing suite for multisymptom quantification of Parkinson’s disease
Angeles et al. Automated assessment of symptom severity changes during deep brain stimulation (DBS) therapy for Parkinson's disease
Costa et al. Wrist rigidity assessment during Deep Brain Stimulation surgery
Andrade et al. Human tremor: origins, detection and quantification
IL291848A (en) Systems and methods for monitoring a disease state using a biological marker, systems and methods for identifying an interesting biological marker for a disease
Dyshel et al. Quantifying levodopa-induced dyskinesia using depth camera
Johnson Detection of Parkinson disease rest tremor
Gong et al. Causality analysis of inertial body sensors for multiple sclerosis diagnostic enhancement
Corona et al. Quantitative assessment of upper limb functional impairments in people with Parkinson's disease
US20210085244A1 (en) Wrist rigidity assessment device and method for identifying a clinically effective dose
Guo et al. Method of gait disorders in Parkinson's disease classification based on machine learning algorithms
JP7536644B2 (ja) 人のパーキンソン病の指標を検出するための電極パッチ、システム、及び方法
Moghadam et al. Quantification of Parkinson tremor intensity based on EMG signal analysis using fast orthogonal search algorithm
Tao et al. Activity selection to distinguish healthy people from parkinson’s disease patients using i-da
Chen et al. Aiding diagnosis of normal pressure hydrocephalus with enhanced gait feature separability
US20220133211A1 (en) Measurement unit and monitoring system for monitoring indicator of parkinson&#39;s disease in person
EP4014840B1 (en) An analysis system with a portable connected device
ES2830175T3 (es) Dispositivo de evaluación de rigidez de muñeca para su uso en cirugía de estimulación cerebral profunda
Ngo et al. Technological evolution in the instrumentation of ataxia severity measurement
EP4445838A1 (en) Device for diagnosing neurological pathologies exhibiting tremor
Grzejszczak et al. Surface Electromyography Data Analysis for Evaluation of Physical Exercise Habits between Athletes and Non-Athletes during Indoor Rowing

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