CN109820482A - 肌肉状态检测方法、装置及计算机可读存储介质 - Google Patents
肌肉状态检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109820482A CN109820482A CN201910165768.7A CN201910165768A CN109820482A CN 109820482 A CN109820482 A CN 109820482A CN 201910165768 A CN201910165768 A CN 201910165768A CN 109820482 A CN109820482 A CN 109820482A
- Authority
- CN
- China
- Prior art keywords
- muscular states
- detected
- signal
- detection method
- muscular
- 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.)
- Pending
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种肌肉状态检测方法、装置及计算机可读存储介质，所述肌肉状态检测方法包括以下步骤：获取待检测部位的运动数据，当基于所述运动数据检测到待检测部位的运动状态属于预设运动状态，则获取待检测部位的肌电信号，并提取所述肌电信号对应的活动段特征值；将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；输出所述肌肉状态识别结果。通过本发明，基于待检测部位的肌电信号，对待检测部位的肌肉状态进行判定，提升了肌肉状态识别的准确性。
Description
技术领域
本发明涉及医学检测领域，尤其涉及肌肉状态检测方法、装置及计算机可读存储介质。
背景技术
人体肌肉组织受伤后，一般是通过药物、手术等方式进行治疗。在肌肉组织手上患者的恢复期，一般是依靠患者的主观感受或是医生的主观判断，这种方式无法科学、准确的得到人体肌肉状态。人为判断的方式，若判断结果出错，则会影响后续的康复治疗，影响肌肉康复效果。
发明内容
本发明的主要目的在于提供一种肌肉状态检测方法、装置及计算机可读存储介质，旨在解决现有技术中对肌肉状态的判定不够准确的技术问题。
为实现上述目的，本发明提供一种肌肉状态检测方法，所述肌肉状态检测方法包括以下步骤：
获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态；
若所述待检测部位的运动状态属于预设运动状态，获取待检测部位的肌电信号，提取所述肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；
输出所述肌肉状态识别结果。
可选的，所述获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态的步骤包括：
获取待检测部位的运动数据，根据所述运行数据，获取待检测部位的运动频率以及运动幅度；
检测所述运动频率是否处于预设频率范围，并检测所述运动幅度是否处于预设幅度范围；
若所述运动频率处于预设频率范围，且所述运动幅度处于预设幅度范围，则所述待检测部位的运动状态属于预设运动状态。
可选的，所述提取所述肌电信号对应的活动段特征值的步骤包括：
对所述肌电信号进行去噪处理；
根据预设差分阈值法提取所述经过去噪处理后的肌电信号对应的活动段特征值。
可选的，所述对所述肌电信号进行去噪处理的步骤包括：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
可选的，所述肌电信号对应的活动段特征值包括以下一种或多种：
所述肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率、能量特征值、均方根、过零点数、平均幅值差。
可选的，所述输出所述肌肉状态识别结果的步骤之后，还包括：
检测所述肌肉状态识别结果是否为肌肉损伤状态；
若所述肌肉状态识别结果为肌肉损伤状态，则输出电刺激提示；
当接收到确认指令时，输出电刺激信号。
可选的，所述当接收到确认指令时，输出电刺激信号的步骤包括：
当接收到确认指令时，根据所述待检测部位，设置电刺激信号的输出电流或输出电压；
输出所述电刺激信号。
可选的，所述当接收到确认指令时，输出电刺激信号的步骤之后，还包括：
当接收到取消指令时，停止输出所述电刺激信号。
此外，为实现上述目的，本发明还提供一种肌肉状态检测装置，所述肌肉状态检测包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肌肉状态检测程序，所述肌肉状态检测程序被所述处理器执行时实现如上所述的肌肉状态检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有肌肉状态检测程序，所述肌肉状态检测程序被处理器执行时实现如上所述的肌肉状态检测方法的步骤。
本发明中，获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态；若所述待检测部位的运动状态属于预设运动状态，获取待检测部位的肌电信号，提取所述肌电信号对应的活动段特征值；将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；输出所述肌肉状态识别结果。通过本发明，通过预置的神经网络模型，基于待检测部位的肌电信号，对待检测部位的肌肉状态进行判定，提升了肌肉状态识别的准确性。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的肌肉状态检测装置结构示意图；
图2为本发明肌肉状态检测方法第一实施例的流程示意图；
图3为本发明肌肉状态检测方法一实施例中输出电刺激提示的场景示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1为本发明实施例方案涉及的硬件运行环境的肌肉状态检测装置结构示意图。
如图1所示，该肌肉状态检测装置可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的肌肉状态检测装置结构并不构成对肌肉状态检测装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及肌肉状态检测程序。
在图1所示的肌肉状态检测装置中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的肌肉状态检测程序，并执行以下操作：
获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态；
若所述待检测部位的运动状态属于预设运动状态，获取待检测部位的肌电信号，提取所述肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；
输出所述肌肉状态识别结果。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
获取待检测部位的运动数据，根据所述运行数据，获取待检测部位的运动频率以及运动幅度；
检测所述运动频率是否处于预设频率范围，并检测所述运动幅度是否处于预设幅度范围；
若所述运动频率处于预设频率范围，且所述运动幅度处于预设幅度范围，则所述待检测部位的运动状态属于预设运动状态。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
对所述肌电信号进行去噪处理；
根据预设差分阈值法提取所述经过去噪处理后的肌电信号对应的活动段特征值。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
所述肌电信号对应的活动段特征值包括以下一种或多种：
所述肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率、能量特征值、均方根、过零点数、平均幅值差。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
检测所述肌肉状态识别结果是否为肌肉损伤状态；
若所述肌肉状态识别结果为肌肉损伤状态，则输出电刺激提示；
当接收到确认指令时，输出电刺激信号。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
当接收到确认指令时，根据所述待检测部位，设置电刺激信号的输出电流或输出电压；
输出所述电刺激信号。
进一步地，处理器1001可以调用存储器1005中存储的肌肉状态检测程序，还执行以下操作：
当接收到取消指令时，停止输出所述电刺激信号。
参照图2，图2为本发明肌肉状态检测方法第一实施例的流程示意图。
在一实施例中，所述肌肉状态检测方法包括：
步骤S10，获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态；
本实施例中，待检测部位的运动数据可由运动数据采集装置采集，然后将采集到的运动数据发送至肌肉状态检测装置。本实施例中，运动数据采集装置与肌肉状态检测装置之间通过有线或无线通讯的方式进行数据通信。本实施例中，运动数据包括运动频率、运动幅度等信息中的一种或多种。
本发明一可选实施例中，需要检测被测人以50至70步/分钟行走时(即预设运动状态为：步数为50至70步/分钟的行走状态)被测人右小腿胫前肌的肌肉状态。本实施例中，由于人在水平步行运动中，垂直和前进两个加速度会呈现周期性变化。在步行收脚的动作中，由于重心向上单只脚触地，垂直方向加速度是呈正向增加的趋势，之后继续向前，重心下移两脚触底，加速度相反。水平加速度在收脚时减小，在迈步时增加。垂直和前进产生的加速度与时间大致为一个正弦曲线，而且在某点有一个峰值。其中，垂直方向的加速度变化最大，通过对轨迹的峰值进行检测计算和加速度阀值决策，即可实时计算用户运动的步数。运动数据采集装置中包含三轴加速度传感器，根据三轴加速度传感器在预设时长内采集到的加速度数据，运动数据采集装置对加速度数据进行分析，得到被测人的步数，然后除以采集时间(即预设时长，本实施例中，可根据实际需要对预设时长进行设置，例如设置为3分钟)，得到被测人每分钟的步数X。然后，检测X是否处于50至70这一区间，若X处于50至70这一区间，则待检测部位的运动状态属于预设运动状态。若X大于70，则待检测部位的运动状态不属于预设运动状态，因此，可发出提示，提示用户放缓步伐，直至根据一采集区间内采集的步数，确定被测人每分钟的步数处于50至70这一区间，进行步骤S20；若X小于50，则待检测部位的运动状态不属于预设运动状态，因此，可发出提示，提示用户加快步伐，直至根据一采集区间内采集的步数，确定被测人每分钟的步数处于50至70这一区间，进行步骤S20。
步骤S20，若所述待检测部位的运动状态属于预设运动状态，获取待检测部位的肌电信号，提取所述肌电信号对应的活动段特征值；
本实施例中，若待检测部位的运动状态属于预设运动状态，则获取待检测部位的肌电信号，并提取肌电信号对应的活动段特征值。
本实施例中，肌肉状态检测装置包括表面电极，表面电极用于采集待检测部位的肌电信号。表面电极可以是干电极、织物电极、微阵列电极等。表面电极通过无线通讯或有线通讯的形式将采集到的肌电信号传输至肌肉状态检测装置的肌电信号处理器中。肌电信号处理器接收到肌电信号后，首先对肌电信号进行去噪处理，在本发明一可选实施例中，可以采用低通或带通(20-450Hz)滤波器滤除0-20Hz低频噪声，采用小波去噪或自适应滤波算法去除50Hz左右工频干扰及其他高频噪声。在本实施例中，提取经过去噪处理后的肌电信号对应的活动段特征值，首先需要确定活动段对应的肌电信号。例如，在本发明一可选实施例中，首先采集被测人在正常站立时右小腿胫前肌的肌电信号，例如采集被测人在正常站立时右小腿胫前肌的肌电信号，将该肌电信号作为阈值(即判断肌肉活动起始点的阈值)。当被测人的步频值在预设范围内时，获取肌电信号采集装置在待检测部位采集的肌电信号，将该肌电信号同阈值比较，大于阈值的部分则为活动段肌电信号。以活动段肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率等作为活动段特征值，在此不作限制，具体根据需要缩减或扩充活动段特征值。
本实施例中，肌电积分值(IEMG)是一种简单的肌电时域特征量，常用于EMG(肌电信号)活动段检测的预处理和一些临床应用中。IEMG被定义为肌电信号在一段时间内的绝对值和：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
绝对值均值(MAV)，是肌电信号幅值在一段时间内的绝对值平均值：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
能量特征值包括幅值平方和(SSI)，均方值(VAR)：
VAR，其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
均方根(RMS)是肌电信号分析常用的时域特征量，其定义如下：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
信号波长度(WL)和平均幅值差(AAC)，WL是描述肌电信号复杂程度的特征量，定义为在一段时间内信号波形的总长度，计算公式如下：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
AAC，表征信号幅值变化的剧烈程度，从计算公式上看，AAC只是信号波长度的平均值，即AAC＝WL/N。
过零点数(ZC)是描述肌电信号频率信息的特征量在时域内的表示方法。ZC是信号幅值经过零值的次数，为了消除低幅值信号或噪声造成的干扰，在计算时一般设定一个阈值，当零点两侧信号差值大于阈值时，该过零点才被认为是有效的。
本实施例中，对活动段特征值可根据实际需要扩充或缩减，在此不作限制。采用的活动段特征值可以是上述全部也可以是上述中一或两种。根据实际情况进行设置。
步骤S30，将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；
本实施例中，预置的神经网络模型预先经过训练。训练过程如下：获取N个右小腿胫前肌处于损伤状态的人体的右小腿胫前肌的活动段特征值，得到N个损伤样本活动段特征值(获取损伤样本肌电信号的方法与步骤S10至步骤S20类似，在此不做赘述)；获取N个右小腿胫前肌处于正常状态的人体的右小腿胫前肌的活动段特征值，得到N个正常样本活动段特征值(获取正常样本肌电信号的方法与步骤S10至步骤S20类似，在此不做赘述)。对神经网络模型中的权重系数进行调整，直至输入N个损伤样本活动段特征值中的任一个活动段特征值，神经网络模型的识别结果均为损伤状态，以及输入N个正常样本活动段特征值中的任一个活动段特征值，神经网络模型的识别结果均为正常状态。便可得到经过训练的预置的神经网络模型。本实施例中，损伤状态指肌肉处于拉伤、挫伤、肌肉萎缩等非正常状态。
本实施例中，根据步骤S10至步骤S20，得到待检测部位的活动段特征值，将活动段特征值发送至预置的神经网络模型，由于预置的神经网络模型预先经过训练，因此可以活动段特征值，对待检测部位的肌肉状态进行识别，并得到肌肉状态识别结果：损伤状态或正常状态。
步骤S40，输出所述肌肉状态识别结果。
本实施例中，肌肉状态识别结果的输出方式可以是：文字输出、语音输出、以灯光闪烁的形式输出。
本发明一可选实施例中，若输出方式为文字输出，则在显示屏上输出肌肉状态识别结果：损伤状态或正常状态；若输出方式为语音输出，则以语音播放的方式播报肌肉状态识别结果：损伤状态或正常状态；若输出方式为以灯光闪烁的形式输出，则在肌肉状态识别结果为损伤状态时，闪烁第一颜色的灯光，在肌肉状态识别结果为正常状态时，闪烁第二颜色的灯光。
本实施例中，获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态；若所述待检测部位的运动状态属于预设运动状态，获取待检测部位的肌电信号，提取所述肌电信号对应的活动段特征值；将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；输出所述肌肉状态识别结果。通过本实施例，通过预置的神经网络模型，基于待检测部位的肌电信号，对待检测部位的肌肉状态进行判定，提升了肌肉状态识别的准确性。
进一步的，本发明肌肉状态检测方法一实施例中，步骤S10包括：
获取待检测部位的运动数据，根据所述运行数据，获取待检测部位的运动频率以及运动幅度；
检测所述运动频率是否处于预设频率范围，并检测所述运动幅度是否处于预设幅度范围；
若所述运动频率处于预设频率范围，且所述运动幅度处于预设幅度范围，则所述待检测部位的运动状态属于预设运动状态。
本实施例中，以右小腿胫前肌作为待检测部位为例。预设运动状态为：以50至70步/分钟行走，且步幅为20cm至30cm。由于，人在水平步行运动中，垂直和前进两个加速度会呈现周期性变化。在步行收脚的动作中，由于重心向上单只脚触地，垂直方向加速度是呈正向增加的趋势，之后继续向前，重心下移两脚触底，加速度相反。水平加速度在收脚时减小，在迈步时增加。在步行运动中，垂直和前进产生的加速度与时间大致为一个正弦曲线，而且在某点有一个峰值。其中，垂直方向的加速度变化最大，通过对轨迹的峰值进行检测计算和加速度阀值决策，即可实时计算人运动的步数。同时，根据位移传感器得到在加速度数据采集时段内，人的位移距离，然后通过位移距离除以人运动的步数，便可得到人的运动幅度。
本实施例中，可以设置采集时间为3分钟，根据上述方法，便可得到3分钟内被测人待检测部位的运动数据，运动数据中包括运动频率(本实施例中指步频)以及运动幅度(本实施例中指步幅)。然后检测运动频率是否处于频率范围，并检测运动幅度是否处于预设幅度范围，若运动频率处于预设频率范围，且运动幅度处于预设幅度范围，则待检测部位的运动状态属于预设运动状态。
本实施例中，采集待检测部位的肌电信号前，首先检测待检测部位的运动状态是否属于预设运动状态，只有在检测到待检测部位的运动状态属于预设运动状态时，进行后续获取待检测部位的肌电信号的步骤。通过本实施例，使得获取的待检测部位的肌电信号能更真实的反映出待检测部位的肌肉状态，提高对肌肉状态进行识别的准确度。
进一步的，本发明肌肉状态检测方法一实施例中，所述提取所述肌电信号对应的活动段特征值的步骤包括：
对所述肌电信号进行去噪处理；
根据预设差分阈值法提取所述经过去噪处理后的肌电信号对应的活动段特征值。
在本发明一可选实施例中，以右小腿胫前肌作为待检测部位为例。
本实施例中，对肌电信号进行去噪处理，可以采用低通或带通(20-450Hz)滤波器滤除0-20Hz低频噪声，采用小波去噪或自适应滤波算法去除50Hz左右工频干扰及其他高频噪声。
根据预设差分阈值法提取活动段特征值的方式为：
预先采集被测人在正常站立时右小腿胫前肌的肌电信号，例如采集被测人在正常站立时右小腿胫前肌的肌电信号，将该肌电信号作为阈值(即判断肌肉活动起始点的阈值)。当被测人的运动状态为预设运动状态时，获取肌电信号采集装置在待检测部位采集的肌电信号，将该肌电信号同阈值比较，大于阈值的部分则为活动段肌电信号。以活动段肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率等作为活动段特征值，在此不作限制，具体根据需要缩减或扩充活动段特征值。
本实施例中，对肌电信号进行去噪处理以及通过预设差分阈值法提取活动段特征值，可剔除噪声以及无用信号对检测结果的影响，提高了后续对肌肉状态进行识别的准确度。
进一步的，本发明肌肉状态检测方法一实施例中，所述对所述肌电信号进行去噪处理的步骤包括：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
本实施例中，对肌电信号进行去噪处理，可以采用低通或带通(20-450Hz)滤波器滤除0-20Hz低频噪声，采用小波去噪或自适应滤波算法去除50Hz左右工频干扰及其他高频噪声。
本实施例中，对肌电信号进行去噪处理，剔除噪声对检测结果的影响，提高了后续对肌肉状态进行识别的准确度。
进一步的，本发明肌肉状态检测方法一实施例中，所述肌电信号对应的活动段特征值包括以下一种或多种：
所述肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率、能量特征值、均方根、过零点数、平均幅值差。
本实施例中，肌电积分值(IEMG)是一种简单的肌电时域特征量，常用于EMG(肌电信号)活动段检测的预处理和一些临床应用中。IEMG被定义为肌电信号在一段时间内的绝对值和：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
绝对值均值(MAV)，是肌电信号幅值在一段时间内的绝对值平均值：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
能量特征值包括幅值平方和(SSI)，均方值(VAR)：
VAR，其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
均方根(RMS)是肌电信号分析常用的时域特征量，其定义如下：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
信号波长度(WL)和平均幅值差(AAC)，WL是描述肌电信号复杂程度的特征量，定义为在一段时间内信号波形的总长度，计算公式如下：
其中EMGi代表肌电信号在时刻i的值，N代表信号段的长度。
AAC，表征信号幅值变化的剧烈程度，从计算公式上看，AAC只是信号波长度的平均值，即AAC＝WL/N。
过零点数(ZC)是描述肌电信号频率信息的特征量在时域内的表示方法。ZC是信号幅值经过零值的次数，为了消除低幅值信号或噪声造成的干扰，在计算时一般设定一个阈值，当零点两侧信号差值大于阈值时，该过零点才被认为是有效的。
本实施例中，对活动段特征值可根据实际需要扩充或缩减，在此不作限制。采用的活动段特征值可以是上述全部也可以是上述中一或两种。根据实际情况进行设置。
在本实施例中，可仅选择肌电信号对应的少数特定信息作为活动段特征值，例如，以肌电信号对应的活动段肌电积分值作为活动段特征值，可简化肌肉状态识别过程。
进一步的，本发明肌肉状态检测方法一实施例中，步骤S40之后，还包括：
检测所述肌肉状态识别结果是否为肌肉损伤状态；
若所述肌肉状态识别结果为肌肉损伤状态，则输出电刺激提示；
当接收到确认指令时，输出电刺激信号。
本实施例中，电刺激可以使神经纤维产生兴奋，且兴奋可传至所支配的肌肉，从而引起肌肉的收缩。应用低频脉冲电流(调制型或非调制型)刺激运动神经或肌肉引起肌肉收缩，用以治疗疾病的方法，称为神经肌肉电刺激疗法。
本实施例中，若肌肉状态识别结果为肌肉损伤状态，则输出电刺激提示。例如以弹出框的形式输出电刺激提示，参照图3，图3为本发明肌肉状态检测方法一实施例中输出电刺激提示的场景示意图。在显示器上输出电刺激提示(以文字形式显示“是否输出电刺激？”)后，若接收到确认指令，例如检测到点击确认按钮的操作，则输出电刺激信号。
本实施例中，当检测到待检测部位属于肌肉损伤状态时，输出电刺激提示，若接收到确认指令，则输出电刺激信号，以供对待检测部位施行神经肌肉电刺激疗法。
进一步的，本发明肌肉状态检测方法一实施例中，所述当接收到确认指令时，输出电刺激信号的步骤包括：
当接收到确认指令时，根据所述待检测部位，设置电刺激信号的输出电流或输出电压；
输出所述电刺激信号。
本实施例中，由于不同部位的肌肉大小不同，引起肌肉收缩所需要的电流或电压便会不同。本实施例中，预先为不同部位设置对应的输出电流或电压，并存储。在接收到确认指令时，从存储的数据中查找待检测部位对应的输出电流或电压，然后以查找得到的输出电流或电压作为电刺激信号的输出电流或输出电压，并输出电刺激信号。
进一步的，本发明肌肉状态检测方法一实施例中，所述当接收到确认指令时，输出电刺激信号的步骤之后，还包括：
当接收到取消指令时，停止输出所述电刺激信号。
本实施例中，在输出电刺激信号时，可能会引起被测人的不适，因此需要设置中断机制。本实施例中，可设置取消按钮(实质按钮或虚拟按钮)，当检测到取消按钮被按下或点击时，触发取消指令，肌肉状态检测装置接收到取消指令时，停止输出电刺激信号。
本实施例中，设置中断机制，被测人可随时停止输出电刺激信号，避免输出的电刺激信号对被测人造成伤害。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有肌肉状态检测程序，所述肌肉状态检测程序被处理器执行时实现如上所述的肌肉状态检测方法的步骤。
本发明计算机可读存储介质的具体实施例与上述肌肉状态检测方法的各个实施例基本相同，在此不做赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种肌肉状态检测方法，其特征在于，所述肌肉状态检测方法包括以下步骤：
获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态；
若所述待检测部位的运动状态属于预设运动状态，获取待检测部位的肌电信号，提取所述肌电信号对应的活动段特征值；
将所述活动段特征值发送至预置的神经网络模型，以供所述神经网络模型根据所述活动段特征值，对所述待检测部位的肌肉状态进行识别，得到肌肉状态识别结果；
输出所述肌肉状态识别结果。
2.如权利要求1所述的肌肉状态检测方法，其特征在于，所述获取待检测部位的运动数据，基于所述运动数据，检测所述待检测部位的运动状态是否属于预设运动状态的步骤包括：
获取待检测部位的运动数据，根据所述运行数据，获取待检测部位的运动频率以及运动幅度；
检测所述运动频率是否处于预设频率范围，并检测所述运动幅度是否处于预设幅度范围；
若所述运动频率处于预设频率范围，且所述运动幅度处于预设幅度范围，则所述待检测部位的运动状态属于预设运动状态。
3.如权利要求1所述的肌肉状态检测方法，其特征在于，所述提取所述肌电信号对应的活动段特征值的步骤包括：
对所述肌电信号进行去噪处理；
根据预设差分阈值法提取所述经过去噪处理后的肌电信号对应的活动段特征值。
4.如权利要求3所述的肌肉状态检测方法，其特征在于，所述对所述肌电信号进行去噪处理的步骤包括：
采用小波去噪算法或自适应滤波算法对所述肌电信号进行去噪处理。
5.如权利要求1至4中任一项所述的肌肉状态检测方法，其特征在于，所述肌电信号对应的活动段特征值包括以下一种或多种：
所述肌电信号对应的肌电积分值、信号波长度、绝对值均值、平均频率、平均功率、能量特征值、均方根、过零点数、平均幅值差。
6.如权利要求1所述的肌肉状态检测方法，其特征在于，所述输出所述肌肉状态识别结果的步骤之后，还包括：
检测所述肌肉状态识别结果是否为肌肉损伤状态；
若所述肌肉状态识别结果为肌肉损伤状态，则输出电刺激提示；
当接收到确认指令时，输出电刺激信号。
7.如权利要求6所述的肌肉状态检测方法，其特征在于，所述当接收到确认指令时，输出电刺激信号的步骤包括：
当接收到确认指令时，根据所述待检测部位，设置电刺激信号的输出电流或输出电压；
输出所述电刺激信号。
8.如权利要求7所述的肌肉状态检测方法，其特征在于，所述当接收到确认指令时，输出电刺激信号的步骤之后，还包括：
当接收到取消指令时，停止输出所述电刺激信号。
9.一种肌肉状态检测装置，其特征在于，所述肌肉状态检测包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肌肉状态检测程序，所述肌肉状态检测程序被所述处理器执行时实现如权利要求1至8中任一项所述的肌肉状态检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有肌肉状态检测程序，所述肌肉状态检测程序被处理器执行时实现如权利要求1至8中任一项所述的肌肉状态检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910165768.7A CN109820482A (zh) | 2019-03-05 | 2019-03-05 | 肌肉状态检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910165768.7A CN109820482A (zh) | 2019-03-05 | 2019-03-05 | 肌肉状态检测方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109820482A true CN109820482A (zh) | 2019-05-31 |
Family
ID=66865416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910165768.7A Pending CN109820482A (zh) | 2019-03-05 | 2019-03-05 | 肌肉状态检测方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109820482A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110238863A (zh) * | 2019-06-17 | 2019-09-17 | 北京国润健康医学投资有限公司 | 基于脑电-肌电信号的下肢康复机器人控制方法及系统 |
| CN110403609A (zh) * | 2019-09-03 | 2019-11-05 | 北京海益同展信息科技有限公司 | 运动速度分析方法、装置和可穿戴设备 |
| CN110693526A (zh) * | 2019-11-11 | 2020-01-17 | 深圳先进技术研究院 | 一种肌肉疾病评估方法、系统及电子设备 |
| CN112288733A (zh) * | 2020-11-06 | 2021-01-29 | 深圳先进技术研究院 | 一种肌肉超声图像检测方法、系统、终端以及存储介质 |
| CN112274163A (zh) * | 2020-11-05 | 2021-01-29 | 北京中科心研科技有限公司 | 一种基于多模态生理数据采集的腕部工作负荷的预测方法和装置 |
| CN112773381A (zh) * | 2019-11-07 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
| CN112827063A (zh) * | 2021-01-11 | 2021-05-25 | 深圳市科瑞康实业有限公司 | 一种肌电刺激电流数据的处理方法和装置 |
| CN114288634A (zh) * | 2022-02-21 | 2022-04-08 | 四川轻化工大学 | 基于肌电信号采集的健身动作自识别与报警系统 |
| CN116985093A (zh) * | 2023-07-31 | 2023-11-03 | 香港理工大学 | 通过肌电信号控制气动肌肉装置的方法、装置及终端设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120150260A1 (en) * | 2005-01-28 | 2012-06-14 | Buehlmann Felix | Independent protection system for an electrical muscle stimulation apparatus and method of using same |
| CN102813998A (zh) * | 2012-08-01 | 2012-12-12 | 上海交通大学 | 中枢神经损伤患者用多功能复合康复系统 |
| CN105997067A (zh) * | 2016-06-21 | 2016-10-12 | 中国计量大学 | 基于分数阶傅立叶变换的自适应肌电信号检测处理方法 |
| CN106974649A (zh) * | 2017-04-12 | 2017-07-25 | 东华大学 | 可穿戴式肌肉运动状态识别和肌肉电刺激运动辅助系统 |
| CN107169432A (zh) * | 2017-05-09 | 2017-09-15 | 深圳市科迈爱康科技有限公司 | 基于肌电的生物识别方法、终端及计算机可读存储介质 |
| CN107252525A (zh) * | 2017-04-28 | 2017-10-17 | 上海交通大学 | 一种基于肌电反馈的多通道电刺激装置 |
| CN107715295A (zh) * | 2016-08-10 | 2018-02-23 | Smk株式会社 | 肌力训练装置 |
| CN109407531A (zh) * | 2018-10-30 | 2019-03-01 | 深圳市心流科技有限公司 | 智能家居控制方法、装置及计算机可读存储介质 |
-
2019
- 2019-03-05 CN CN201910165768.7A patent/CN109820482A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120150260A1 (en) * | 2005-01-28 | 2012-06-14 | Buehlmann Felix | Independent protection system for an electrical muscle stimulation apparatus and method of using same |
| CN102813998A (zh) * | 2012-08-01 | 2012-12-12 | 上海交通大学 | 中枢神经损伤患者用多功能复合康复系统 |
| CN105997067A (zh) * | 2016-06-21 | 2016-10-12 | 中国计量大学 | 基于分数阶傅立叶变换的自适应肌电信号检测处理方法 |
| CN107715295A (zh) * | 2016-08-10 | 2018-02-23 | Smk株式会社 | 肌力训练装置 |
| CN106974649A (zh) * | 2017-04-12 | 2017-07-25 | 东华大学 | 可穿戴式肌肉运动状态识别和肌肉电刺激运动辅助系统 |
| CN107252525A (zh) * | 2017-04-28 | 2017-10-17 | 上海交通大学 | 一种基于肌电反馈的多通道电刺激装置 |
| CN107169432A (zh) * | 2017-05-09 | 2017-09-15 | 深圳市科迈爱康科技有限公司 | 基于肌电的生物识别方法、终端及计算机可读存储介质 |
| CN109407531A (zh) * | 2018-10-30 | 2019-03-01 | 深圳市心流科技有限公司 | 智能家居控制方法、装置及计算机可读存储介质 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110238863A (zh) * | 2019-06-17 | 2019-09-17 | 北京国润健康医学投资有限公司 | 基于脑电-肌电信号的下肢康复机器人控制方法及系统 |
| CN110403609A (zh) * | 2019-09-03 | 2019-11-05 | 北京海益同展信息科技有限公司 | 运动速度分析方法、装置和可穿戴设备 |
| CN112773381A (zh) * | 2019-11-07 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
| CN112773381B (zh) * | 2019-11-07 | 2023-09-22 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
| CN110693526A (zh) * | 2019-11-11 | 2020-01-17 | 深圳先进技术研究院 | 一种肌肉疾病评估方法、系统及电子设备 |
| CN112274163A (zh) * | 2020-11-05 | 2021-01-29 | 北京中科心研科技有限公司 | 一种基于多模态生理数据采集的腕部工作负荷的预测方法和装置 |
| WO2022095254A1 (zh) * | 2020-11-06 | 2022-05-12 | 深圳先进技术研究院 | 一种肌肉超声图像检测方法、系统、终端以及存储介质 |
| CN112288733A (zh) * | 2020-11-06 | 2021-01-29 | 深圳先进技术研究院 | 一种肌肉超声图像检测方法、系统、终端以及存储介质 |
| CN112827063A (zh) * | 2021-01-11 | 2021-05-25 | 深圳市科瑞康实业有限公司 | 一种肌电刺激电流数据的处理方法和装置 |
| CN112827063B (zh) * | 2021-01-11 | 2022-06-14 | 深圳市科瑞康实业有限公司 | 一种肌电刺激电流数据的处理方法和装置 |
| CN114288634B (zh) * | 2022-02-21 | 2023-01-06 | 四川轻化工大学 | 基于肌电信号采集的健身动作自识别与报警系统 |
| CN114288634A (zh) * | 2022-02-21 | 2022-04-08 | 四川轻化工大学 | 基于肌电信号采集的健身动作自识别与报警系统 |
| CN116985093A (zh) * | 2023-07-31 | 2023-11-03 | 香港理工大学 | 通过肌电信号控制气动肌肉装置的方法、装置及终端设备 |
| CN116985093B (zh) * | 2023-07-31 | 2024-07-19 | 香港理工大学 | 通过肌电信号控制气动肌肉装置的方法、装置及终端设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109820482A (zh) | 肌肉状态检测方法、装置及计算机可读存储介质 | |
| Hefftner et al. | The electromyogram (EMG) as a control signal for functional neuromuscular stimulation. I. Autoregressive modeling as a means of EMG signature discrimination | |
| KR101666399B1 (ko) | 다중 채널 표면 근전도에서의 신체 관절 운동학 정보 추출 방법, 이를 수행하기 위한 기록 매체 및 장치 | |
| CN113589920B (zh) | 手势识别方法、人机交互方法、装置、设备及存储介质 | |
| CN107169432A (zh) | 基于肌电的生物识别方法、终端及计算机可读存储介质 | |
| CN100571617C (zh) | 站起想象动作脑电的信号采集和特征提取方法 | |
| CN109453462B (zh) | 一种功能性电刺激装置和系统 | |
| CN106037731A (zh) | 用于提高训练效果的智能服装及其方法 | |
| CN103006212B (zh) | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 | |
| CN113391701B (zh) | 一种融合虚拟现实游戏和意图识别的康复训练方法及系统 | |
| CN107562191A (zh) | 基于混合特征的精细想象动作在线脑‑机接口方法 | |
| Dutta et al. | Ambulation after incomplete spinal cord injury with EMG-triggered functional electrical stimulation | |
| CN112987917A (zh) | 运动想象增强方法、装置、电子设备和存储介质 | |
| CN109407531A (zh) | 智能家居控制方法、装置及计算机可读存储介质 | |
| CN117504133B (zh) | 肌电自适应刺激方法和系统 | |
| CN109464129A (zh) | 肌肉疲劳状态的检测方法、设备及计算机可读存储介质 | |
| CN116831874A (zh) | 一种基于肌电信号的下肢康复器控制方法 | |
| CN116312951A (zh) | 一种基于多模态耦合分析的运动功能评估方法及其系统 | |
| CN100536958C (zh) | 瘫痪病人辅助神经信道恢复系统 | |
| Sun et al. | A fault-tolerant algorithm to enhance generalization of EMG-based pattern recognition for lower limb movement | |
| CN112773381B (zh) | 一种肌电信号的处理方法、处理设备以及存储介质 | |
| CN112773379B (zh) | 一种肌电信号的处理方法、处理设备以及存储介质 | |
| CN112773380B (zh) | 一种肌电信号的处理方法、处理设备以及存储介质 | |
| CN113397528B (zh) | 一种踝泵运动评估方法、设备和系统 | |
| Vasta et al. | Classification of sensory neural signals through deep learning methods |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |
|
| RJ01 | Rejection of invention patent application after publication |