CN110090005B - 医疗数据处理装置 - Google Patents

医疗数据处理装置 Download PDF

Info

Publication number
CN110090005B
CN110090005B CN201910464484.8A CN201910464484A CN110090005B CN 110090005 B CN110090005 B CN 110090005B CN 201910464484 A CN201910464484 A CN 201910464484A CN 110090005 B CN110090005 B CN 110090005B
Authority
CN
China
Prior art keywords
electromyographic
medical data
signal
signals
preset
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
CN201910464484.8A
Other languages
English (en)
Other versions
CN110090005A (zh
Inventor
韩冰
王豫
何蔚
田伟
刘名名
闫硕
陈志刚
张皓程
刘真豪
黄洁
王玉梅
杨华丽
彭琳琳
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.)
Beijing Jishuitan Hospital
Original Assignee
Beijing Jishuitan Hospital
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 Beijing Jishuitan Hospital filed Critical Beijing Jishuitan Hospital
Priority to CN201910464484.8A priority Critical patent/CN110090005B/zh
Publication of CN110090005A publication Critical patent/CN110090005A/zh
Application granted granted Critical
Publication of CN110090005B publication Critical patent/CN110090005B/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
    • A61B5/1107—Measuring contraction of parts of the body, e.g. organ, muscle
    • 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
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • 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
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Abstract

本发明实施例是关于一种医疗数据处理装置，属于医疗大数据处理技术领域，该装置包括：数据接收模块，用于接收通过肌电传感器获取到的肌电信号以及与肌电信号对应的运动轨迹；第一处理模块，用于对肌电信号进行放大以及整流平滑处理得到待采样信号，对待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；第二处理模块，用于对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；第三处理模块，用于根据肌肉的收缩级别以及肌电信号波形变化幅度，判断运动轨迹是否合格；报告生成模块，用于根据收缩次数、运动轨迹以及收缩级别生成病历报告。该装置提高了病历报告的准确性。

Description

医疗数据处理装置
技术领域
本发明实施例涉及医疗大数据处理技术领域，具体而言，涉及一种医疗数据处理装置。
背景技术
肌电信号(Surface Electromyogram，SEMG)是一种重要的人体生物信号，是通过人体表面电极，在人体皮肤表面采集人体肌肉运动时所产生的电位信号。它的来源是人体自主运动时神经肌肉活动发放的生物电信号，这些电信号沿肌纤维传播并经由皮肤、脂肪构成的容积导体滤波后在皮肤表面检测电极处的时间和空间上综合叠加，最终形成肌电信号。
在现有的通过肌电信号进行康复训练的技术中，大多数都是通过用户自行采集肌电信号，然后再间隔一定的时间将采集到的肌电信号发送给医护人员，医护人员再根据肌电信号制定相应的康复计划。
但是，上述方案存在如下缺点：一方面，肌电信号的及时性较低，进而导致康复计划的准确度较低；另一方面，无法及时的将肌电信号与患者的运动情况进行关联，进而导致患者由于错误的运动状态造成肌肉损伤，使得患者在康复训练过程存在安全隐患。
需要说明的是，在上述背景技术部分发明的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种医疗数据处理方法、医疗数据处理装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的导致康复计划的准确度较低的问题。
根据本公开的一个方面，提供一种医疗数据处理方法，包括：
接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹；
对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；
对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；
根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格；
在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
在本公开的一种示例性实施例中，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号包括：
通过A/D转换模块对所述待采样信号进行离散化采样处理；
通过窗函数对离散化采样处理后的待采样信号进行移动平均处理，得到所述肌电采样信号。
在本公开的一种示例性实施例中，所述窗函数为：
Figure GDA0003119559710000021
其中，signal(j)为离散化采样处理后的待采样信号中第j时刻的信号值；signalMAV(i)为第i时刻的肌电采样信号；P为大于1的自然数，i为自然数；j为自然数且i-P+1≤j≤i。
在本公开的一种示例性实施例中，在记录肌肉的收缩次数之后，所述医疗数据处理方法还包括：
获取历史医疗数据，并根据所述历史医疗数据确定所述预设次数；其中，所述历史医疗数据中包括所述病历报告；
建立所述历史医疗数据中包括的用户标识信息与所述预设次数之间的映射关系，并对所述映射关系进行存储。
在本公开的一种示例性实施例中，所述医疗数据处理方法还包括：
间隔预设时间，根据所述用户标识信息获取所述预设时间段内的当前医疗数据；其中，所述当前医疗数据中包括在所述预设时间段内的所述病历报告；
基于所述当前医疗数据，对所述预设次数进行更新。
在本公开的一种示例性实施例中，根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格包括：
在确定所述肌肉的收缩级别介于第一预设阈值以及第二预设阈值之间，并且所述肌电信号波形变化幅度介于第一预设幅度以及第二预设幅度之间时，判断所述运动轨迹合格；
其中，所述第一预设阈值、第二预设阈值、第一预设幅度以及第二预设幅度根据所述历史医疗数据进行确定。
在本公开的一种示例性实施例中，在生成病历报告之后，所述医疗数据处理方法还包括：
建立与用户终端之间的通信连接；
基于所述通信连接，将所述病历报告发送至所述用户终端，使得医疗人员根据所述病历报告通过所述用户终端对所述预设次数进行更新。
根据本公开的一个方面，提供一种医疗数据处理装置，包括：
数据接收模块，用于接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹；
第一处理模块，用于对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；
第二处理模块，用于对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；
第三处理模块，用于根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格；
报告生成模块，用于在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的医疗数据处理方法。
根据本公开的一个方面，提供一种电子设备，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的医疗数据处理方法。
本发明实施例一种医疗数据处理方法及装置，一方面，通过对肌电信号进行放大以及整流平滑处理得到待采样信号，对待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；然后对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；最后再根据肌肉的收缩级别以及肌电信号波形变化幅度，判断运动轨迹是否合格；使得用户可以实时的根据肌肉的收缩级别以及肌电信号波形变化幅度判断运动轨迹是否合格，解决了现有技术中无法及时的将肌电信号与患者的运动情况进行关联，进而导致患者由于错误的运动状态造成肌肉损伤，使得患者在康复训练过程存在安全隐患的问题；另一方面，通过在确定运动轨迹合格时记录肌肉的收缩次数，并在确定收缩次数不小于预设次数后，根据收缩次数、运动轨迹以及收缩级别生成病历报告，提高了病历报告的准确性；再一方面，通过对肌电信号进行放大以及整流平滑处理得到待采样信号，对待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；然后对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度，提高了收缩级别以及肌电信号波形变化幅度的准确率；进一步的，接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹，提高了肌电信号以及运动轨迹接收的实时性，解决了现有技术中由于肌电信号的及时性较低，进而导致康复计划的准确度较低的问题，提高了康复计划的准确性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出根据本公开示例实施例的一种医疗数据处理方法的流程图。
图2示意性示出根据本公开示例实施例的一种肌电信号调理电路的示例框图。
图3示意性示出根据本公开示例实施例的另一种医疗数据处理方法的流程图。
图4示意性示出根据本公开示例实施例的一种医疗数据处理方法的应用场景示例图。
图5示意性示出根据本公开示例实施例的一种医疗数据处理装置的框图。
图6示意性示出根据本公开示例实施例的一种用于实现上述医疗数据处理方法的电子设备。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本示例实施方式中首先提供了一种医疗数据处理方法，该方法可以运行于服务器、服务器集群或云服务器等；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该医疗数据处理方法可以包括以下步骤：
步骤S110.接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹。
步骤S120.对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号。
步骤S130.对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度。
步骤S140.根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格。
步骤S150.在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
上述医疗数据处理方法中，一方面，通过对肌电信号进行放大以及整流平滑处理得到待采样信号，对待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；然后对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；最后再根据肌肉的收缩级别以及肌电信号波形变化幅度，判断运动轨迹是否合格；使得用户可以实时的根据肌肉的收缩级别以及肌电信号波形变化幅度判断运动轨迹是否合格，解决了现有技术中无法及时的将肌电信号与患者的运动情况进行关联，进而导致患者由于错误的运动状态造成肌肉损伤，使得患者在康复训练过程存在安全隐患的问题；另一方面，通过在确定运动轨迹合格时记录肌肉的收缩次数，并在确定收缩次数不小于预设次数后，根据收缩次数、运动轨迹以及收缩级别生成病历报告，提高了病历报告的准确性；再一方面，通过对肌电信号进行放大以及整流平滑处理得到待采样信号，对待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；然后对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度，提高了收缩级别以及肌电信号波形变化幅度的准确率；进一步的，接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹，提高了肌电信号以及运动轨迹接收的实时性，解决了现有技术中由于肌电信号的及时性较低，进而导致康复计划的准确度较低的问题，提高了康复计划的准确性。
下面，将结合附图对本示例实施例中上述医疗数据处理方法中涉及的各步骤进行详细的解释以及说明。
在步骤S110中，接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹。
在本示例实施例中，可以通过肌电传感器获取肌电信号以及与该肌电信号对应的运动轨迹，即在进行某一项运动的过程中，通过该肌电传感器获取肌电信号以及该运动的运动轨迹。比如，在患者复健的过程中，当需要通过步行进行复健时，可以在步行的过程中通过肌电传感器获取该肌电信号，然后通过该肌电传感器中的人体运动刺激陀螺仪检测运动轨迹。
在步骤S120中，对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号。
在本示例实施例中，参考图2所示，通过肌电传感器中的肌电信号调理电路对肌电信号进行处理；其中，肌电信号调理电路200可以包括前置放大器201、高通滤波器202、陷波滤波器203、低通滤波器204以及后级放大器205。具体的，可以通过前置放大器201对该肌电信号进行放大，然后通过高通滤波器202、陷波滤波器203以及低通滤波器204进行整流平滑处理；最后通过后级放大器205进行再次放大，再通过PCI-1710L数据采集卡对放大后的采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号。
其中，对放大后的采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号可以包括：通过A/D转换对所述待采样信号进行离散化采样处理；通过窗函数对离散化采样处理后的待采样信号进行移动平均处理，得到所述肌电采样信号；其中，窗函数为：
Figure GDA0003119559710000081
其中，signal(j)为离散化采样处理后的待采样信号中第j时刻的信号值；signalMAV(i)为第i时刻的肌电采样信号；P为大于1的自然数，i为自然数；j为自然数且i-P+1≤j≤i。
在步骤S130中，对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度。
在本示例实施例中，根据以下表达式对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；
Figure GDA0003119559710000082
其中，signalWL(i)为第i时刻肌电采样信号波形的线段长度和，signalMAV(p-1)以及signalMAV(p)为离散化采样处理后的待采样信号中第p-1时刻和第p时刻的信号值，N为统计波形长度的采样周期数且N为大于1的自然数，i为自然数，p为自然数且i-N+1≤p≤i。此处需要补充说明的是，肌电采样信号波形的线段长度和，可以表征肌电信号在一段时间内的变动程度大小(波形变化幅度)；并且，可以根据变动程度大小即可以确定肌肉的收缩级别。
在步骤S140中，根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格。
在本示例实施例中，在确定所述肌肉的收缩级别介于第一预设阈值以及第二预设阈值之间，并且所述肌电信号波形变化幅度介于第一预设幅度以及第二预设幅度之间时，判断所述运动轨迹合格；其中，所述第一预设阈值、第二预设阈值、第一预设幅度以及第二预设幅度根据所述历史医疗数据进行确定。例如，可以通过记录术前患者的1级-4级的收缩波形，制定各自的响应阈值(预设幅度以及预设预设阈值)；如果达到响应阈值，则可以判断运动轨迹合格。
在步骤S150中，在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
在本示例实施例中，首先，在确定运动轨迹合格时，可以记录肌肉的收缩次数；具体的，可以通过区分不同的收缩级别来记录收缩次数；例如，术后第2天，1级收缩合规后，并持续3秒，记录为有效锻炼1次；术后第3天，1级收缩合规后，并持续5秒，记录为有效锻炼1次；术后第3天，1级收缩合规后，并持续10秒，记录为有效锻炼1次。进一步的，在确定收缩次数不小于预设次数后，可以根据上述收缩次数、运动轨迹以及收缩级别生成病历报告，以供患者以及医生进行查阅，并根据病历报告制定下一次的计划。
图3示意性示出根据本发明示例实施例的另一种医疗数据处理方法。参考图3所示，该医疗数据处理方法还可以包括步骤S310以及步骤S320，以下进行详细说明。
在步骤S310中，获取历史医疗数据，并根据所述历史医疗数据确定所述预设次数；其中，所述历史医疗数据中包括所述病历报告。
在步骤S320中，建立所述历史医疗数据中包括的用户标识信息与所述预设次数之间的映射关系，并对所述映射关系进行存储。
下面，将对步骤S310以及步骤S320进行解释以及说明。首先，当需要为某一患者设置预设次数时，可以获取该患者的历史医疗数据，再根据该历史医疗数据确定预设次数；比如，某一患者在术后第二天，达到一级收缩的运动次数可以为5次；达到二级收缩的运动次数可以达到3次等等；进一步的，为了便于患者可以及时的获取到需要达到的运动次数，可以建立历史医疗数据中包括的用户标识信息与预设次数之间的映射关系，并对映射关系进行存储；当患者需要获取预设次数时，可以直接根据自身的用户标识信息进行获取；该用户标识信息可以患者的住院号码或者身份证号码等等。
进一步的，该医疗数据处理方法还可以包括：间隔预设时间，根据所述用户标识信息获取所述预设时间段内的当前医疗数据；其中，所述当前医疗数据中包括在所述预设时间段内的所述病历报告；基于所述当前医疗数据，对所述预设次数进行更新。通过该方法，使得医疗人员可以及时的根据病历报告对预设次数进行调整，进而使得患者可以得到更好的恢复。
更进一步的，该医疗数据处理方法还可以包括：建立与用户终端之间的通信连接；基于所述通信连接，将所述病历报告发送至所述用户终端，使得医疗人员可以根据所述病历报告通过所述用户终端对所述预设次数进行更新。
以下，结合图4对本示例实施例中的医疗数据处理方法进行进一步的解释以及说明。参考图4所示，该医疗数据处理方法还可以包括以下步骤：
步骤S410，对患者进行肌肉测试，然后根据该测试结果计算患者的肌电信号阈值，并将该肌电信号阈值发送至医疗人员的设备终端401；
步骤S420，当医疗人员接收到该患者的肌电信号阈值后，根据该肌电信号阈值设定收缩级别以及与各收缩级别对应的预设次数，并将收缩级别以及与各收缩级别对应的预设次数发送至患者的设备终端402；
步骤S430，当患者接收到收缩级别以及与各收缩级别对应的预设次数后，进行运动，并在运动过程中通过无线传感器403中的感知模块采集肌电信号，通过人体运动刺激陀螺仪404采集产生该肌电信号的运动轨迹；
步骤S440，通过无线传感器403中的信号处理模块对肌电信号进行放大以及整流平滑处理得到待采样信号；
步骤S450，通过PCI-1710L数据采集卡404对待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；
步骤S460，通过Arduino系统405根据对肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；并根据肌肉的收缩级别以及肌电信号波形变化幅度，判断运动轨迹是否合格；在判断合格时，记录肌肉的收缩次数；
步骤S470，在确定收缩次数不小于预设次数后，通过患者的设备终端402根据收缩次数、运动轨迹、收缩级别和/或患者在运动过程中的具体情况(比如是否难以完成或者完成的较为轻松，以及是否出现什么不适情况等)生成病历报告；
步骤S480，将病历报告发送至医疗人员的设备终端401，以使医疗人员可以根据病历报告及时的对收缩级别以及预设次数进行调整，使得患者可以达到更好的康复效果。
本公开还提供一种医疗数据处理装置。参考图5所示，该医疗数据处理装置可以包括数据接收模块510、第一处理模块520、第二处理模块530、第三处理模块540以及报告生成模块550。其中：
数据接收模块510可以用于接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹。
第一处理模块520可以用于对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号。
第二处理模块530可以用于对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度。
第三处理模块540可以用于根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格。
报告生成模块550可以用于在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
在本公开的一种示例性实施例中，第一处理模块520还可以被配置为：通过A/D转换模块对所述待采样信号进行离散化采样处理；通过窗函数对离散化采样处理后的待采样信号进行移动平均处理，得到所述肌电采样信号。
在本公开的一种示例性实施例中，所述窗函数为：
Figure GDA0003119559710000111
其中，signal(j)为离散化采样处理后的待采样信号中第j时刻的信号值；signalMAV(i)为第i时刻的肌电采样信号；P为大于1的自然数，i为自然数；j为自然数且i-P+1≤j≤i。
在本公开的一种示例性实施例中，所述医疗数据处理装置还包括：
预设次数确定模块，用于获取历史医疗数据，并根据所述历史医疗数据确定所述预设次数；其中，所述历史医疗数据中包括所述病历报告；
映射关系建立模块，用于建立所述历史医疗数据中包括的用户标识信息与所述预设次数之间的映射关系，并对所述映射关系进行存储。
在本公开的一种示例性实施例中，所述医疗数据处理装置还包括：
医疗数据获取模块，用于间隔预设时间，根据所述用户标识信息获取所述预设时间段内的当前医疗数据；其中，所述当前医疗数据中包括在所述预设时间段内的所述病历报告；
预设次数更新模块，用于基于所述当前医疗数据，对所述预设次数进行更新。
在本公开的一种示例性实施例中，第三处理模块还可以被配置为：在确定所述肌肉的收缩级别介于第一预设阈值以及第二预设阈值之间，并且所述肌电信号波形变化幅度介于第一预设幅度以及第二预设幅度之间时，判断所述运动轨迹合格；其中，所述第一预设阈值、第二预设阈值、第一预设幅度以及第二预设幅度根据所述历史医疗数据进行确定。
在本公开的一种示例性实施例中，所述医疗数据处理装置还包括：
通信连接建立模块，用于建立与用户终端之间的通信连接；
病历报告发送模块，用于基于所述通信连接，将所述病历报告发送至所述用户终端，使得医疗人员根据所述病历报告通过所述用户终端对所述预设次数进行更新。
上述医疗数据处理装置中各模块的具体细节已经在对应的医疗数据处理方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤S110：接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹；步骤S120：对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；步骤S130：对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；步骤S140：根据所述肌肉的收缩级别以及所述肌电信号波形变化幅度，判断所述运动轨迹是否合格；步骤S150：在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本发明实施方式的方法。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
根据本发明的实施方式的用于实现上述方法的程序产品，可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。

Claims (6)

1.一种医疗数据处理装置，其特征在于，包括：
数据接收模块，用于接收通过肌电传感器获取到的肌电信号以及与所述肌电信号对应的运动轨迹；
第一处理模块，用于对所述肌电信号进行放大以及整流平滑处理得到待采样信号，对所述待采样信号进行离散化采样处理以及移动平均处理，得到肌电采样信号；
第二处理模块，用于对所述肌电采样信号进行特征提取，得到肌肉的收缩级别以及肌电信号波形变化幅度；
第三处理模块，用于在确定所述肌肉的收缩级别介于第一预设阈值以及第二预设阈值之间，并且所述肌电信号波形变化幅度介于第一预设幅度以及第二预设幅度之间时，判断所述运动轨迹合格；其中，所述第一预设阈值、第二预设阈值、第一预设幅度以及第二预设幅度根据历史医疗数据进行确定；
报告生成模块，用于在确定所述运动轨迹合格时记录肌肉的收缩次数，并在确定所述收缩次数不小于预设次数后，根据所述收缩次数、运动轨迹以及收缩级别生成病历报告。
2.根据权利要求1所述的医疗数据处理装置，其特征在于，所述第一处理模块还被配置为：
通过A/D转换模块对所述待采样信号进行离散化采样处理；通过窗函数对离散化采样处理后的待采样信号进行移动平均处理，得到所述肌电采样信号。
3.根据权利要求2所述的医疗数据处理装置，其特征在于，所述窗函数为：
Figure FDA0003119559700000011
其中，signal(j)为离散化采样处理后的待采样信号中第j时刻的信号值；signalMAV(i)为第i时刻的肌电采样信号；P为大于1的自然数，i为自然数；j为自然数且i-P+1≤j≤i。
4.根据权利要求1所述的医疗数据处理装置，其特征在于，所述医疗数据处理装置还包括：
预设次数确定模块，用于获取历史医疗数据，并根据所述历史医疗数据确定所述预设次数；其中，所述历史医疗数据中包括所述病历报告；
映射关系建立模块，用于建立所述历史医疗数据中包括的用户标识信息与所述预设次数之间的映射关系，并对所述映射关系进行存储。
5.根据权利要求4所述的医疗数据处理装置，其特征在于，所述医疗数据处理装置还包括：
医疗数据获取模块，用于间隔预设时间，根据所述用户标识信息获取所述预设时间段内的当前医疗数据；其中，所述当前医疗数据中包括在所述预设时间段内的所述病历报告；
预设次数更新模块，用于基于所述当前医疗数据，对所述预设次数进行更新。
6.根据权利要求1所述的医疗数据处理装置，其特征在于，所述医疗数据处理装置还包括：
通信连接建立模块，用于建立与用户终端之间的通信连接；
病历报告发送模块，用于基于所述通信连接，将所述病历报告发送至所述用户终端，使得医疗人员根据所述病历报告通过所述用户终端对所述预设次数进行更新。
CN201910464484.8A 2019-05-30 2019-05-30 医疗数据处理装置 Active CN110090005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910464484.8A CN110090005B (zh) 2019-05-30 2019-05-30 医疗数据处理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910464484.8A CN110090005B (zh) 2019-05-30 2019-05-30 医疗数据处理装置

Publications (2)

Publication Number Publication Date
CN110090005A CN110090005A (zh) 2019-08-06
CN110090005B true CN110090005B (zh) 2021-09-28

Family

ID=67449683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910464484.8A Active CN110090005B (zh) 2019-05-30 2019-05-30 医疗数据处理装置

Country Status (1)

Country Link
CN (1) CN110090005B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114676737B (zh) * 2022-05-26 2022-09-27 深圳市心流科技有限公司 一种肌电信号的采样频率的动态调节方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002074167A1 (en) * 2001-03-21 2002-09-26 Tmg-Bmc D.O.O. Method for selective and non-invasive detection of skeletal muscles contraction process
US8032210B2 (en) * 2005-10-06 2011-10-04 Spinematrix, Inc. EMG diagnostic system and method
WO2012129304A9 (en) * 2011-03-22 2013-01-31 University Of Vermont And State Agricultural College Methods of predicting and monitoring labor
CN104337666A (zh) * 2014-11-05 2015-02-11 中山大学 多肌肉协同肌电反馈康复训练系统和方法
CN104873202A (zh) * 2015-06-12 2015-09-02 合肥市徽腾网络科技有限公司 一种人体运动轨迹检测方法
CN105263569A (zh) * 2011-12-19 2016-01-20 梅恩斯塔伊医疗公司 用于康复肌肉和评估康复进程的装置
CN205094792U (zh) * 2015-11-10 2016-03-23 北京积水潭医院 智能康复弹力袜
US9402579B2 (en) * 2010-02-05 2016-08-02 The Research Foundation For The State University Of New York Real-time assessment of absolute muscle effort during open and closed chain activities
CN107233663A (zh) * 2017-06-28 2017-10-10 湖南融和微电子有限公司 便携式电子康复仪、控制方法及控制装置
CN107898470A (zh) * 2017-10-31 2018-04-13 广东美的安川服务机器人有限公司 数据获取方法及装置、存储介质和医疗设备
JP2018134189A (ja) * 2017-02-21 2018-08-30 国立大学法人電気通信大学 信号測定装置、及び信号測定方法
CN208492093U (zh) * 2017-08-08 2019-02-15 北京积水潭医院 一种肌电图检查支撑架
CN109661252A (zh) * 2016-07-05 2019-04-19 梅恩斯塔伊医疗公司 用于使腰椎恢复肌肉功能的系统和方法以及用于植入该系统和方法的套件

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8386026B2 (en) * 2010-04-12 2013-02-26 Reproductive Research Technologies, L.P. System and method for acquiring and displaying abdominal EMG signals
ITMI20120494A1 (it) * 2012-03-27 2013-09-28 B10Nix S R L Apparato e metodo per l'acquisizione ed analisi di una attivita' muscolare
KR101501661B1 (ko) * 2013-06-10 2015-03-12 한국과학기술연구원 착용형 근전도 센서 시스템
CN105181998B (zh) * 2015-08-03 2018-10-26 简极科技有限公司 一种检测投篮时手臂的semg与动作轨迹的方法
CN105288933B (zh) * 2015-11-20 2017-07-07 武汉理工大学 并联下肢康复机器人自适应训练控制方法及康复机器人
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
EP3421081B1 (en) * 2017-06-30 2020-04-15 GTX medical B.V. A system for neuromodulation
CN207769080U (zh) * 2018-01-15 2018-08-28 北京积水潭医院 一种颈椎肌肉训练器
CN109446972B (zh) * 2018-10-24 2021-08-31 电子科技大学中山学院 基于肌电信号的步态识别模型建立方法、识别方法及装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002074167A1 (en) * 2001-03-21 2002-09-26 Tmg-Bmc D.O.O. Method for selective and non-invasive detection of skeletal muscles contraction process
US8032210B2 (en) * 2005-10-06 2011-10-04 Spinematrix, Inc. EMG diagnostic system and method
US9402579B2 (en) * 2010-02-05 2016-08-02 The Research Foundation For The State University Of New York Real-time assessment of absolute muscle effort during open and closed chain activities
WO2012129304A9 (en) * 2011-03-22 2013-01-31 University Of Vermont And State Agricultural College Methods of predicting and monitoring labor
CN105263569A (zh) * 2011-12-19 2016-01-20 梅恩斯塔伊医疗公司 用于康复肌肉和评估康复进程的装置
CN104337666A (zh) * 2014-11-05 2015-02-11 中山大学 多肌肉协同肌电反馈康复训练系统和方法
CN104873202A (zh) * 2015-06-12 2015-09-02 合肥市徽腾网络科技有限公司 一种人体运动轨迹检测方法
CN205094792U (zh) * 2015-11-10 2016-03-23 北京积水潭医院 智能康复弹力袜
CN109661252A (zh) * 2016-07-05 2019-04-19 梅恩斯塔伊医疗公司 用于使腰椎恢复肌肉功能的系统和方法以及用于植入该系统和方法的套件
JP2018134189A (ja) * 2017-02-21 2018-08-30 国立大学法人電気通信大学 信号測定装置、及び信号測定方法
CN107233663A (zh) * 2017-06-28 2017-10-10 湖南融和微电子有限公司 便携式电子康复仪、控制方法及控制装置
CN208492093U (zh) * 2017-08-08 2019-02-15 北京积水潭医院 一种肌电图检查支撑架
CN107898470A (zh) * 2017-10-31 2018-04-13 广东美的安川服务机器人有限公司 数据获取方法及装置、存储介质和医疗设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Muscle activity estimation through surface EMG analysis during salat;F. Khanam, S. Islam, M. A. Rahman and M. Ahmad;《2015 International Conference on Electrical Engineering and Information Communication Technology》;20151029;第1-6页 *
基于表面肌电信号的下肢肌力预测研究;邹琳;《中国优秀硕士学位论文全文数据库》;20180115;第E060-658页 *
骨间掌侧神经嵌压综合征的肌电图诊断;金亚娣,王丽华;《中华物理医学与康复杂志》;20060725;第498页 *

Also Published As

Publication number Publication date
CN110090005A (zh) 2019-08-06

Similar Documents

Publication Publication Date Title
US11147500B2 (en) Electrocardiogram processing system for delineation and classification
US10226195B2 (en) Electronic system to control the acquisition of an electrocardiogram
CN107647860B (zh) 一种心率检测方法、装置、电子设备及存储介质
US20140142448A1 (en) Apparatus and methods for remote cardiac disease management
CN107485844A (zh) 一种肢体康复训练方法、系统及嵌入式设备
CN108471973A (zh) 用于宽带相位梯度信号采集的方法和装置
WO2015066597A4 (en) Systems and methods for compound motor action potential monitoring with neuromodulation of pelvis and other body regions
CN105581786A (zh) 一种健康监测系统
CN110090005B (zh) 医疗数据处理装置
CN111358460A (zh) 心律失常的识别方法、装置及电子设备
CN113362946A (zh) 视频处理装置、电子设备及计算机可读存储介质
CN113577555A (zh) 基于多模态数据的配置信息获取装置及相关设备
CN105726016B (zh) 一种心电输出方法及装置
CN210408421U (zh) 康复训练系统
US20150265174A1 (en) Non-Invasive Evaluation of Cardiac Repolarisation Instability for Risk Stratification of Sudden Cardiac Death
CN107280662A (zh) 一种便携式远程心电监护系统
CN105326482B (zh) 记录生理信号的方法和装置
JP2021079007A (ja) 生体情報処理装置およびその制御方法
CN204557479U (zh) 数据采集与标定装置
US20230118209A1 (en) Learning method, learning system, device, learning apparatus and program
CN114587301A (zh) 体征信号的解析方法、装置以及存储介质
Dan et al. Sensor selection and miniaturization limits for detection of interictal epileptiform discharges with wearable EEG
CN113146618A (zh) 机械臂的控制方法、系统、电子设备及存储介质
CN107562209B (zh) 适用于残疾人的电脑控制设备
CN111627538A (zh) 护理任务的质量监测方法及装置、系统、设备和介质

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