CN110211691A - 一种用于手指动力学协调性评估的抓握测试分析仪及方法 - Google Patents

一种用于手指动力学协调性评估的抓握测试分析仪及方法 Download PDF

Info

Publication number
CN110211691A
CN110211691A CN201910446573.XA CN201910446573A CN110211691A CN 110211691 A CN110211691 A CN 110211691A CN 201910446573 A CN201910446573 A CN 201910446573A CN 110211691 A CN110211691 A CN 110211691A
Authority
CN
China
Prior art keywords
finger
network
dynamics
dimensional
cooperative network
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
Application number
CN201910446573.XA
Other languages
English (en)
Other versions
CN110211691B (zh
Inventor
李可
刘孟杰
何文晶
王琳
岳寿伟
魏娜
侯莹
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.)
Shandong University
Original Assignee
Shandong University
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 Shandong University filed Critical Shandong University
Priority to CN201910446573.XA priority Critical patent/CN110211691B/zh
Publication of CN110211691A publication Critical patent/CN110211691A/zh
Priority to LU101803A priority patent/LU101803B1/en
Application granted granted Critical
Publication of CN110211691B publication Critical patent/CN110211691B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • A61B5/225—Measuring muscular strength of the fingers, e.g. by monitoring hand-grip force
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/20—Heterogeneous data integration

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Epidemiology (AREA)
  • Surgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种用于手指动力学协调性评估的抓握测试分析仪及方法，可产生抓握过程中不同方向的稳定偏转力矩，建立基于多层复合网络的手指动力学协调性计算方法。该抓握测试分析仪包括测试装置和处理器；所述测试装置用于测量被试者的五指抓举测过程中产生的三维力向量、三维力矩向量以及指尖压力中心点坐标数据；所述处理器用于获取测试装置测得的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，以递归网络为基础，建立多指动力学协同网络；计算多指动力学协同网络的特征参数；利用多指动力学协同网络的特征参数度量多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对手指抓握协调性进行评估。

Description

一种用于手指动力学协调性评估的抓握测试分析仪及方法
技术领域
本公开涉及手指抓握测试技术领域，具体涉及一种用于手指动力学协调性评估的抓握测试分析仪及方法。
背景技术
人类手部最基本和最主要的功能即抓握功能。在抓握物体过程中，多个手指间需要密切配合，使各手指的力量、力矩、压力中心点等动力学信号协调一致，完成抓握动作。对抓握过程中各手指动力学协调性的测试分析可用于观察神经系统的感知运动能力、肌肉骨骼系统的精确运动控制能力、手部技巧性操作能力等，对中枢和外周神经功能测试评估、手部康复治疗效果评估等方面都将发挥重要作用。
当前对于手部抓握评估研究多基于任务完成情况与手抓握力的分析，而对手抓握运动控制的，尚缺乏对精确抓握时五指间动力学参数协调性评估的仪器装置。
发明内容
为了克服上述现有技术的不足，本公开提供了一种用于手指动力学协调性评估的抓握测试分析仪及方法，可产生抓握过程中不同方向的稳定偏转力矩，测量五指指尖所产生的三维力、力矩以及压力中心点信号，建立基于多层复合网络的手指动力学协调性计算方法。
本公开一方面提供的一种用于手指动力学协调性评估的抓握测试分析仪的技术方案是：
一种用于手指动力学协调性评估的抓握测试分析仪，包括测试装置和处理器；
所述测试装置，用于测量被试者的五指抓举测过程中产生的三维力向量、三维力矩向量以及指尖压力中心点坐标数据；
所述处理器，用于获取测试装置测得的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，以递归网络为基础，建立多指动力学协同网络；计算多指动力学协同网络的特征参数；利用多指动力学协同网络的特征参数度量多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对手指抓握协调性进行评估。
进一步的，所述测试装置包括可分离的圆柱形底座、设置在底座上的圆柱形外杯体、位于外杯体内部的圆柱形内杯体以及设置在外杯体顶部的顶盖；
所述底座的中心处设置有用于盛放砝码的圆柱形储物腔体，所述底座的内侧面与储物腔体的外侧面之间连接有多个沿底座中心圆周布置的隔板，形成多个用于盛放砝码的腔体。
进一步的，所述外杯体包括相对设置的第一半圆形接触片和由四个互不接触的弧形接触片组成的第二半圆形接触片。
进一步的，所述内杯体的外侧壁上沿圆周方向敷设有连接片，所述连接片与第一半圆形接触片之间连接有用于检测拇指的力和力矩的六维力/力矩传感器，所述连接片与每个弧形接触片之间连接有用于检测食指、中指、无名指或小指的力和力矩的六维力/力矩传感器。
进一步的，所述处理器包括数据获取模块、网络构建模块、网络特征参数计算模块和网络结构指标计算模块，其中：
所述数据获取模块，用于获取测试装置测得的被试者的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据；
所述网络构建模块，用于将得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据形成时间序列；将时间序列进行相空间重构，并建立递归网络的邻接矩阵；在递归网络的邻接矩阵基础上，建立多指动力学协同网络的整体邻接矩阵。
所述网络特征参数计算模块，用于计算多指动力学协同网络任意两层的相似性，得到多指动力学协同网络的层间互信息；度量多指动力学协同网络结构间的相关性，计算多指动力学协同网络的平均边重叠度；利用多指动力学协同网络的层间相互信息，计算加权聚类系数；利用多指动力学协同网络任意两个结点之间的加权最短路径长度，计算多指动力学协同网络的平均最短路径长度；
所述网络结构指标计算模块，用于将多指动力学协同网络结构间的相关性参数与平均边重叠度相比，得到多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对手指抓握协调性进行评估。
本公开另一方面提供的一种用于手指动力学协调性评估的抓握测试分析仪的技术方案是：
一种用于手指动力学协调性评估的抓握测试分析方法，该方法包括以下步骤：
测量被试者的五指抓举测试装置过程中产生的多方向三维力、三维力矩以及指尖压力中心点坐标数据；
以递归网络为基础，根据得到的五指的多方向三维力、三维力矩以及指尖压力中心点坐标数据，建立多指动力学协同网络；
计算多指动力学协同网络的特征参数；
利用多指动力学协同网络的特征参数度量多指动力学协同网络结构指标，根据多指动力学协同网络结构指标对手指抓握协调性进行评估。
进一步的，所述测量被试者的五指抓举测试装置过程中产生的多方向三维力、三维力矩以及指尖压力中心点坐标数据的步骤包括：
将额定砝码放置于测试装置的底座内一腔体中；
被试者使用五只手指以自然抓握姿态抓举抓握测试装置，将其以自然速度平稳举起至规定高度后做喝水动作，将其平稳举起至设定高度后保持30秒钟抓取姿势不动，结束后将水杯平稳放置于原位；
将额定砝码放置于测试装置的底座内另一腔体中，重复上述步骤，直到得到五指所产生的八个方向上的三维力、三维力矩以及指尖压力中心点坐标数据；
去除最初5秒钟与最后5秒钟测量的数据，得到所需的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据。
进一步的，所述多指动力学协同网络的构建方法为：
根据得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，建立时间序列；
将时间序列进行相空间重构，并建立递归网络的邻接矩阵；
在递归网络的邻接矩阵基础上，建立多指动力学协同网络的整体邻接矩阵。
进一步的，所述多指动力学协同网络的特征参数的计算方法为：
计算多指动力学协同网络任意两层的相似性，得到多指动力学协同网络的层间互信息；
度量多指动力学协同网络结构间的相关性，计算多指动力学协同网络的平均边重叠度；
利用多指动力学协同网络的层间相互信息，计算加权聚类系数；
利用多指动力学协同网络任意两个结点之间的加权最短路径长度，计算多指动力学协同网络的平均最短路径长度。
进一步的，所述多指动力学协同网络结构指标的度量方法为：
将多指动力学协同网络结构间的相关性参数与平均边重叠度相比，得到多指动力学协同网络结构指标；
多指动力学协同网络结构指标越大，手指抓握协调性越强，反之越弱。
通过上述技术方案，本公开的有益效果是：
(1)本公开通过测试装置，实现对各个手指的三维力、三维力矩和压力中心点坐标等动力学实时数据准确测量，测试装置上设置了拇指与四指呈相对位置的五个六维力/力矩传感器，其位置分布符合人手抓握物体时手指放置位置的分布。
(2)本公开可产生多个方向的稳定偏转力矩，设置了一个可分离的圆柱空心底座，底座中心和周围八个位置可放置额定砝码以产生偏转力矩；周围八个位置分别位于以底座为中心，指定半径的圆周上，相邻位置的间隔角度相等；额定砝码位于周边位置时将产生指定方向上的幅度不变的稳定偏转力矩，而额定砝码位于中部时无偏转力矩产生。
(3)本公开实现对抓握中测量的多路实时动力学信号的分析与处理，获得反映手指动力学协调性特征参数与评估指标；以递归网络为基础，建立能够反映多指动力学系统协同工作能力的多层复合网络，通过定义网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数，获得反映多指动力学协同网络结构指标，并以此对抓握手指动力学协调性进行准确评估。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。
图1是实施例一抓握测试分析仪的测试装置外部构造示意图；
图2是实施例一抓握测试分析仪的测试装置内部构造示意图；
图3是实施例一抓握测试分析仪的测试装置底座构造示意图；
图4是实施例一抓握测试分析仪的放置砝码时测试装置状态透视图；
图5是实施例二测试流程图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
本实施例提供一种用于手指动力学协调性评估的抓握测试分析仪，该抓握测试分析仪包括测试装置和处理器，可产生抓握过程中不同方向的稳定偏转力矩，测量五指指尖所产生的三维力、力矩以及压力中心点信号，并对抓握手指动力学协调性进行评估。
请参阅附图1和图2，所述测试装置包括可分离的圆柱形底座11、设置在底座上的圆柱形外杯体、位于外杯体内部的圆柱形内杯体2以及设置在外杯体顶部的顶盖1。
具体地，所述外杯体包括相对设置的第一半圆形接触片10和第二半圆形接触片，所述第二半圆形接触片由四个互不接触的弧形接触片组成，由上至下依次为第一弧形接触片9、第二弧形接触片13、第三弧形接触片14和第四弧形接触片15。
所述内杯体2的中部为中空，可以盛装流体。所述内杯体2的外侧壁上沿圆周方向敷设有连接片3，所述连接片3与第一半圆形接触片10之间连接有用于检测拇指的力和力矩的第一六维力/力矩传感器4，所述连接片3与第一弧形接触片9之间连接有用于检测食指的力和力矩的第二六维力/力矩传感器5，所述连接片3与第二弧形接触片13之间连接有用于检测中指的力和力矩的第三六维力/力矩传感器6，所述连接片3与第三弧形接触片14之间连接有用于检测无名指的力和力矩的第四六维力/力矩传感器7，所述连接片3与第四弧形接触片15之间连接有用于检测小指的力和力矩的第五六维力/力矩传感器8。
所述第一六维力/力矩传感器4与第二六维力/力矩传感器5、第三六维力/力矩传感器6、第四六维力/力矩传感器7、第五六维力/力矩传感器8相对设置，且第一六维力/力矩传感器4、第二六维力/力矩传感器5、第三六维力/力矩传感器6、第四六维力/力矩传感器7、第五六维力/力矩传感器8位置分布符合人手抓握物体时手指放置位置的分布。
请参阅附图4，所述底座11的中心处设置有用于盛放砝码18的圆柱形储物腔体16，所述底座11的内侧面与储物腔体的外侧面之间连接有8个沿底座中心圆周布置的隔板12，形成八个用于盛放砝码的腔体17。
本实施例设置了一个可分离的圆柱形空心底座，底座中心的圆柱形储物盒体16和周围八个腔体17内可放置额定砝码以产生偏转力矩。额定砝码位于八个腔体17内时将产生指定方向上的幅度不变的稳定偏转力矩，而额定砝码位于底座中心的圆柱形储物腔体16内时无偏转力矩产生。
所述处理器，用于获取测试装置测得的测试者的五指抓举测试分析仪过程中产生的多方向三维力向量、三维力矩向量以及指尖压力中心点坐标数据，以递归网络为基础，建立多指动力学协同网络；计算多指动力学协同网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数；利用多指动力学协同网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数，计算多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对抓握手指动力学协调性进行评估。
具体地，所述处理器包括数据获取模块、网络构建模块、网络特征参数计算模块和网络结构指标计算模块，其中：
所述数据获取模块，用于获取测试装置测得的测试者的五指抓举测试分析仪过程中产生的多方向三维力向量、三维力矩向量以及指尖压力中心点坐标数据；
所述网络构建模块，用于以递归网络为基础，根据得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，建立能够反映多指动力学系统协同工作能力的多层复合网络，即多指动力学协同网络。
具体地，所述网络构建模块具体用于：
将得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据形成时间序列
将时间序列进行相空间重构，并建立递归网络的邻接矩阵；
在递归网络的邻接矩阵基础上，建立多指动力学协同网络的整体邻接矩阵。
所述网络特征参数计算模块，用于通过度量多指动力学协同网络第κ层和第γ层的相似性，获得多指动力学协同网络的层间互信息；通过度量多指动力学协同网络结构间的相关性，计算多指动力学协同网络的平均边重叠度；利用多指动力学协同网络的层间相互信息，计算加权聚类系数；利用多指动力学协同网络任意两个结点之间的加权最短路径长度，计算多指动力学协同网络的平均最短路径长度；
所述网络结构指标计算模块，用于将多指动力学协同网络结构间的相关性参数与平均边重叠度相比，得到多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对抓握手指动力学协调性进行评估。
本实施例提出的用于手指动力学协调性评估的抓握测试分析仪，通过测试装置，实现对各个手指的三维力、三维力矩和压力中心点坐标等动力学实时数据准确测量，测试装置上设置了拇指与四指呈相对位置的五个六维力/力矩传感器，其位置分布符合人手抓握物体时手指放置位置的分布。
本实施例提出的用于手指动力学协调性评估的抓握测试分析仪，可产生多个方向的稳定偏转力矩，设置了一个可分离的圆柱空心底座，底座中心和周围八个位置可放置额定砝码以产生偏转力矩；周围八个位置分别位于以底座为中心，指定半径的圆周上，相邻位置的间隔角度相等；额定砝码位于周边位置时将产生指定方向上的幅度不变的稳定偏转力矩，而额定砝码位于中部时无偏转力矩产生。
实施例二
本实施例提供一种用于手指动力学协调性评估的抓握测试分析方法，以递归网络为基础，建立能够反映多指动力学系统协同工作能力的多层复合网络，通过定义网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等，获得反映多指动力学协同网络结构的特征参数，并以此对抓握手指动力学协调性进行评估。
该方法包括以下步骤：
S101，测量测试者的五指抓举测试分析仪过程中产生的多方向三维力与三维力矩数据。
请参阅附图5，所述测量测试者的五指抓举测试分析仪过程中产生的力与力矩信号的步骤包括：
S1011，将额定砝码放置于底座内一腔体中。
S1012，测试者使用五只手指以自然抓握姿态抓举抓握测试分析仪，将其以自然速度平稳举起至规定高度后做喝水动作，将其平稳举起至规定高度后保持30秒钟抓取姿势不动，结束后将水杯平稳放置于原位。
具体地，采用额定砝码放置于底座内指定腔体17模拟产生一定方向的偏转力矩。如图4中(a)为砝码放置于底座内中部，此状态无偏转力矩产生，图4中(b)-(i)分别为砝码放置于以八个腔体17内，此八种状态分别对应产生八种不同方向且幅度不随时间变化的稳定偏转力矩，即绕冠状轴、矢状轴及水平面内对角线轴向的正反方向的偏转力矩。
S1013，将额定砝码放置于底座内另一腔体17中，重复步骤1012，直到得到拇指与四指所产生的八个方向上的三维力与三维力矩信号。
S1014，记录抓举过程中拇指与四指所产生的八个方向上的三维力、三维力矩以及指尖压力中心点坐标数据，除去最初5秒钟与最后5秒钟可能不稳定的信号，得到所需的数据，如下：
其中，Fx1(t)、Fy1(t)、Fz1(t)为拇指的三维力向量，Tx1(t)、Ty1(t)、Tz1(t)为拇指的三维力矩向量，而Px1(t)、Py1(t)为拇指侧的压力中心点坐标，由下式计算而来：Px1(t)＝-Ty1(t)/Fz1(t)、Py1(t)＝-Tx1(t)/Fz1(t)。而剩余四组则分别是是四指侧的食指、中指、无名指与小指的三维力向量、三维力矩向量与压力中心点坐标。
S102，以递归网络为基础，根据得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，建立能够反映多指动力学系统协同工作能力的多层复合网络，即多指动力学协同网络。
本实施例通过建立多指动力学协同网络来分析功能性精准抓握中多指动力学协调性。所述多指动力学协同网络的具体建立方法为：
设为(1)式所示数据集合的m维时间序列，对任意时刻t有 为实数集。将时间序列进行相空间重构，并建立递归网络的邻接矩阵A：
Ai,j(ε)＝Ri,j-δi,j (2)
其中，i,j＝1,...,N，N为向量长度，ε为定义的阈值，δi,j为Kronecker函数，Ri,j＝Θ(ε-||ui-uj||)，Θ为赫维赛德函数，||·||是相空间采用的欧几里得函数。
在传统递归网络的邻接矩阵基础上，建立多指动力学协同网络的整体邻接矩阵:
其中IN为N维单位矩阵。对于第κ层的邻接矩阵定义为若其中第i和第j个节点在第κ层相连，则有否则
S103，计算多指动力学协同网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数。
为了获得多指动力学系统的工作性能，首先，度量网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数。
具体地，所述步骤103中，度量网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数，其具体实现方式如下：
S1031，通过度量多指动力学协同网络第κ层和第γ层的相似性，获得多指动力学协同网络的层间互信息：
其中，P(k)是概率分布函数，P(k[κ])和P(k[γ])是递归网络在第κ层和第γ层的度分布概率。P(k[κ]，k[γ])是节点中在第κ层有k[κ]和第γ层有k[γ]度的联合概率。因此Iκ，γ可以度量多指动力学协同网络信息流和系统特征行为。
S1032，通过度量多指动力学协同网络结构间的相关性，计算多指动力学协同网络的平均边重叠度。
具体地，多指动力学协同网络结构间的相关性参数ω为
其中，为第κ层的邻接矩阵内的值，若其中第i和第j个节点在第κ层相连，则有否则δ为Kronecker函数，式表示为当时，其值为0，否则为1。
该参数可计算协同网络所有各层相同边的平均数，即网络的平均边重叠度ωH。
S1033，考虑到各手指在抓握控制中所处的地位及相互偶联程度不同，因此可计算加权聚类系数为：
其中，kκ是第κ个结点的度；Iκ,γ为网络第κ层和第γ层的相似性，Iκ,β为网络第κ层和第β层的相似性，Iγ,β为网络第γ层和第β层的相似性。
S1034，利用网络任意两个结点之间的加权最短路径长度，计算多指动力学协同网络的平均最短路径长度为：
其中，V是多指动力学协同网络的结点的集合，d(κ,γ)是结点κ和结点γ之间的加权最短路径长度。
S104，利用多指动力学协同网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数，计算多指动力学协同网络结构指标。
具体地，平均边重叠度可描述多指动力学协同网络结构之间的相关性，初步分析手指间抓握控制时的关系，取该参数作为主要分析参数，通过计算统计健康受试者的平均边重叠度ωH，利用平均边重叠度计算多指动力学协同网络结构指标P。
所述多指动力学协同网络结构指标P的计算方法为：
其中，ωH为网络的平均边重叠度；ω为多指动力学协同网络结构间的相关性。
S105，根据多指动力学协同网络结构指标对抓握手指动力学协调性进行评估。
具体地，多指动力学协同网络结构指标P越大时，抓握功能协调性越强，反之越弱。
本实施例提出的用于手指动力学协调性评估的抓握测试分析方法，实现对抓握中测量的多路实时动力学信号的分析与处理，获得反映手指动力学协调性特征参数与评估指标；以递归网络为基础，建立能够反映多指动力学系统协同工作能力的多层复合网络，通过定义网络的层间互信息、平均边重叠度、协同网络加权聚类系数及平均最短路径长度等特征参数，获得反映多指动力学协同网络结构指标，并以此对抓握手指动力学协调性进行准确评估。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种用于手指动力学协调性评估的抓握测试分析仪，其特征是，包括测试装置和处理器；
所述测试装置，用于测量被试者的五指抓举测过程中产生的三维力向量、三维力矩向量以及指尖压力中心点坐标数据；
所述处理器，用于获取测试装置测得的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，以递归网络为基础，建立多指动力学协同网络；计算多指动力学协同网络的特征参数；利用多指动力学协同网络的特征参数度量多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对手指抓握协调性进行评估。
2.根据权利要求1所述的用于手指动力学协调性评估的抓握测试分析仪，其特征是，所述测试装置包括可分离的圆柱形底座、设置在底座上的圆柱形外杯体、位于外杯体内部的圆柱形内杯体以及设置在外杯体顶部的顶盖；
所述底座的中心处设置有用于盛放砝码的圆柱形储物腔体，所述底座的内侧面与储物腔体的外侧面之间连接有多个沿底座中心圆周布置的隔板，形成多个用于盛放砝码的腔体。
3.根据权利要求2所述的用于手指动力学协调性评估的抓握测试分析仪，其特征是，所述外杯体包括相对设置的第一半圆形接触片和由四个互不接触的弧形接触片组成的第二半圆形接触片。
4.根据权利要求3所述的用于手指动力学协调性评估的抓握测试分析仪，其特征是，所述内杯体的外侧壁上沿圆周方向敷设有连接片，所述连接片与第一半圆形接触片之间连接有用于检测拇指的力和力矩的六维力/力矩传感器，所述连接片与每个弧形接触片之间连接有用于检测食指、中指、无名指或小指的力和力矩的六维力/力矩传感器。
5.根据权利要求1所述的用于手指动力学协调性评估的抓握测试分析仪，其特征是，所述处理器包括数据获取模块、网络构建模块、网络特征参数计算模块和网络结构指标计算模块，其中：
所述数据获取模块，用于获取测试装置测得的被试者的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据；
所述网络构建模块，用于将得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据形成时间序列；将时间序列进行相空间重构，并建立递归网络的邻接矩阵；在递归网络的邻接矩阵基础上，建立多指动力学协同网络的整体邻接矩阵；
所述网络特征参数计算模块，用于计算多指动力学协同网络任意两层的相似性，得到多指动力学协同网络的层间互信息；度量多指动力学协同网络结构间的相关性，计算多指动力学协同网络的平均边重叠度；利用多指动力学协同网络的层间相互信息，计算加权聚类系数；利用多指动力学协同网络任意两个结点之间的加权最短路径长度，计算多指动力学协同网络的平均最短路径长度；
所述网络结构指标计算模块，用于将多指动力学协同网络结构间的相关性参数与平均边重叠度相比，得到多指动力学协同网络结构指标；根据多指动力学协同网络结构指标对手指抓握协调性进行评估。
6.一种用于手指动力学协调性评估的抓握测试分析方法，其特征是，该方法包括以下步骤：
测量被试者的五指抓举测试装置过程中产生的多方向三维力、三维力矩以及指尖压力中心点坐标数据；
以递归网络为基础，根据得到的五指的多方向三维力、三维力矩以及指尖压力中心点坐标数据，建立多指动力学协同网络；
计算多指动力学协同网络的特征参数；
利用多指动力学协同网络的特征参数度量多指动力学协同网络结构指标，根据多指动力学协同网络结构指标对手指抓握协调性进行评估。
7.根据权利要求6所述的用于手指动力学协调性评估的抓握测试分析方法，其特征是，所述测量被试者的五指抓举测试装置过程中产生的多方向三维力、三维力矩以及指尖压力中心点坐标数据的步骤包括：
将额定砝码放置于测试装置的底座内一腔体中；
被试者使用五只手指以自然抓握姿态抓举抓握测试装置，将其以自然速度平稳举起至规定高度后做喝水动作，将其平稳举起至设定高度后保持30秒钟抓取姿势不动，结束后将水杯平稳放置于原位；
将额定砝码放置于测试装置的底座内另一腔体中，重复上述步骤，直到得到五指所产生的八个方向上的三维力、三维力矩以及指尖压力中心点坐标数据；
去除最初5秒钟与最后5秒钟测量的数据，得到所需的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据。
8.根据权利要求6所述的用于手指动力学协调性评估的抓握测试分析方法，其特征是，所述多指动力学协同网络的构建方法为：
根据得到的五指的三维力向量、三维力矩向量以及指尖压力中心点坐标数据，建立时间序列；
将时间序列进行相空间重构，并建立递归网络的邻接矩阵；
在递归网络的邻接矩阵基础上，建立多指动力学协同网络的整体邻接矩阵。
9.根据权利要求7所述的用于手指动力学协调性评估的抓握测试分析方法，其特征是，所述多指动力学协同网络的特征参数的计算方法为：
计算多指动力学协同网络任意两层的相似性，得到多指动力学协同网络的层间互信息；
度量多指动力学协同网络结构间的相关性，计算多指动力学协同网络的平均边重叠度；
利用多指动力学协同网络的层间相互信息，计算加权聚类系数；
利用多指动力学协同网络任意两个结点之间的加权最短路径长度，计算多指动力学协同网络的平均最短路径长度。
10.根据权利要求7所述的用于手指动力学协调性评估的抓握测试分析方法，其特征是，所述多指动力学协同网络结构指标的度量方法为：
将多指动力学协同网络结构间的相关性参数与平均边重叠度相比，得到多指动力学协同网络结构指标；
多指动力学协同网络结构指标越大，手指抓握协调性越强，反之越弱。
CN201910446573.XA 2019-05-27 2019-05-27 一种用于手指动力学协调性评估的抓握测试分析仪及方法 Active CN110211691B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910446573.XA CN110211691B (zh) 2019-05-27 2019-05-27 一种用于手指动力学协调性评估的抓握测试分析仪及方法
LU101803A LU101803B1 (en) 2019-05-27 2020-05-19 A device and method for evaluating the dynamic coordination of five-digit forces during precision grip

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910446573.XA CN110211691B (zh) 2019-05-27 2019-05-27 一种用于手指动力学协调性评估的抓握测试分析仪及方法

Publications (2)

Publication Number Publication Date
CN110211691A true CN110211691A (zh) 2019-09-06
CN110211691B CN110211691B (zh) 2021-04-30

Family

ID=67788692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910446573.XA Active CN110211691B (zh) 2019-05-27 2019-05-27 一种用于手指动力学协调性评估的抓握测试分析仪及方法

Country Status (2)

Country Link
CN (1) CN110211691B (zh)
LU (1) LU101803B1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111546345A (zh) * 2020-05-26 2020-08-18 广州纳丽生物科技有限公司 一种基于接触动力学模型的肌肤材质力学性能测量方法
CN112998654A (zh) * 2021-02-23 2021-06-22 山东大学 可分离视觉监督的伸手抓取运动学协调性测试分析系统
CN113110741A (zh) * 2021-04-14 2021-07-13 北京航空航天大学 一种基于按压力的两指协同能力的测量系统及方法
WO2022260638A3 (en) * 2021-06-10 2023-01-19 Trakya Universitesi Rektorlugu A handgrip meter

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130023799A1 (en) * 2011-07-06 2013-01-24 Bernhard Brinkhaus Apparatus and method for detecting the hand force of the hand pressure
CN105769224A (zh) * 2016-03-25 2016-07-20 山东大学 一种基于多向稳定偏转力矩的精确抓握功能测试装置及其分析方法
CN106618487A (zh) * 2016-10-31 2017-05-10 北京城市系统工程研究中心 一种老年人平衡能力评定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130023799A1 (en) * 2011-07-06 2013-01-24 Bernhard Brinkhaus Apparatus and method for detecting the hand force of the hand pressure
CN105769224A (zh) * 2016-03-25 2016-07-20 山东大学 一种基于多向稳定偏转力矩的精确抓握功能测试装置及其分析方法
CN106618487A (zh) * 2016-10-31 2017-05-10 北京城市系统工程研究中心 一种老年人平衡能力评定方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111546345A (zh) * 2020-05-26 2020-08-18 广州纳丽生物科技有限公司 一种基于接触动力学模型的肌肤材质力学性能测量方法
CN111546345B (zh) * 2020-05-26 2021-08-17 广州纳丽生物科技有限公司 一种基于接触动力学模型的肌肤材质力学性能测量方法
CN112998654A (zh) * 2021-02-23 2021-06-22 山东大学 可分离视觉监督的伸手抓取运动学协调性测试分析系统
CN112998654B (zh) * 2021-02-23 2022-08-19 山东大学 可分离视觉监督的伸手抓取运动学协调性测试分析系统
CN113110741A (zh) * 2021-04-14 2021-07-13 北京航空航天大学 一种基于按压力的两指协同能力的测量系统及方法
WO2022260638A3 (en) * 2021-06-10 2023-01-19 Trakya Universitesi Rektorlugu A handgrip meter

Also Published As

Publication number Publication date
LU101803B1 (en) 2020-09-23
CN110211691B (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN110211691B (zh) 一种用于手指动力学协调性评估的抓握测试分析仪及方法
CN109259739B (zh) 一种手腕关节运动力矩的肌电估计方法
US8724861B1 (en) Fingertip force, location, and orientation sensor
CN110211661B (zh) 基于混合现实的手功能训练系统及数据处理方法
CN107225576A (zh) 一种基于软性手指的控制方法
CN110123345B (zh) 基于多向稳定偏转力矩的多指抓握功能测试分析仪及方法
CN110827987B (zh) 一种多抓取模式下腕关节力矩的肌电连续预测方法及系统
CN112603758A (zh) 一种基于sEMG与IMU信息融合的手势识别方法
CN112428308A (zh) 一种机器人触觉动作识别系统及识别方法
CN113011344A (zh) 一种基于机器视觉的引体向上数量计算方法
TW201121525A (en) Training system and upper limb exercise function estimation for hemiplegic stroke patient.
Liu et al. Digitizing human motion via bending sensors toward humanoid robot
CN110123346B (zh) 基于多向扰动力矩控制的多指功能性抓握分析装置及方法
CN105769224B (zh) 一种基于多向稳定偏转力矩的精确抓握功能测试装置及其分析方法
KR20100056254A (ko) 손가락 힘 추정 방법 및 추정 장치, 손가락 힘 추정을 위한근육 판별 방법 및 근육 판별 장치
CN115607899A (zh) 一种基于虚拟现实的脑卒中肢体康复训练系统及方法
CN110197727A (zh) 基于人工神经网络的上肢建模方法及运动机能评估系统
CN113520398A (zh) 多姿势握力量觉测试装置、握力量觉及位置觉测试方法
Liu et al. A biomimetic impedance controller for robotic hand variable stiffness grasping
CN105674927B (zh) 一种关节式坐标测量机的测量姿态优化方法
Kostić et al. The modified drawing test for assessment of arm movement quality
Alò et al. Optimal grip points with human hand
CN102467608A (zh) 免疫数据分析方法和分析装置
CN113729715A (zh) 一种基于手指压力的帕金森病症智能诊断系统
CN110192841B (zh) 基于多方向瞬时突变扰动力矩效应的抓握测试装置及方法

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