CN110400619A - 一种基于表面肌电信号的手功能康复训练方法 - Google Patents

Abstract

本发明涉及一种基于表面肌电信号的手功能康复训练方法。本方法采用的训练系统包括：Neuracle表面肌电信号采集模块、表面肌电信号在线分析模块和手工能康复训练模块，其中Neuracle表面肌电信号采集模块是通过Neuracle设备获取患者控制手前臂主动完成不同动作的表面肌电信号，然后通过TCP/IP通信协议传输该表面肌电信号至PC端公共缓存区；表面肌电信号在线分析模块对公共缓存区的表面肌电信号进行预处理，特征提取，分类之后，分析出表面肌电信号中的有效成分，并将其转换成控制命令，通过Qt特有的信号与槽机制传输给所述手工能康复训练模块；手工能康复训练模块接收到控制命令之后，根据预先选择好的康复模式进行康复训练。本发明提供了不同的康复动作与康复模式，让患者可以根据自身的情况主动进行有效的康复训练，且该方法具有用户主动参与和沉浸感强的特点，促进中枢神经的重塑，为手功能康复提供新的训练模式。

Description

一种基于表面肌电信号的手功能康复训练方法

技术领域

本发明针对中枢神经损伤引起的手功能障碍设计了一种基于表面肌电信号的手功能康复训练方法，该方法采用的训练系统包括Neuracle表面肌电信号采集模块，表面肌电信号在线分析模块和手工能康复训练模块三部分，能够对采集到的表面肌电信号显示、保存、在线识别，进行不同模式的康复训练并在Qt编写的GUI界面上显示结果。该方法具有用户主动参与和沉浸感强的特点，能夠促进中枢神经的重塑，为手功能康复提供新的训练模式。

背景技术

中枢神经损伤是致残率最高的疾病之一,其中脑卒中、小儿脑瘫和脑外伤为最常见的损伤原因。随着医疗卫生的发展，中枢神经损伤急性期的治疗已取得较大进展，但致残率却逐渐上升，目前已经成为致使患者上肢运动功能障碍的重要因素。患者的上肢功能受损后的临床表现为手部关节活动困难，丧失了运动感知反馈功能，致使患者不能完成抓握、对指等精细手部运动功功能，严重的甚至导致整个手臂运动功能的丧失。这不仅使患者生活质量低下、丧失劳动力，而且也给国家和家庭带来巨大负担。目前，中枢神经损伤临床常用的康复手段包括强制诱发运动作业治疗和机器辅助的运动作业治疗等，主要依赖治疗师与患者一对一进行康复训练的传统疗法来恢复患者简单的手部运动功能，有的会辅以康复器械。但是传统疗法训练时间长、见效慢、过程枯燥无味，难以调动患者的训练积极性，因此康复理疗的作用十分有限。

为了解决以上存在的问题，人们一直在寻求一种更为合理的方案。

发明内容

本发明的目的是考虑到现有康复技术的不足，提供一种基于表面肌电信号的手功能康复训练方法，其基本原理是利用Neuracle表面肌电采集设备采集患者进行手部运动时产生的表面肌电信号，然后采用Matlab自编预处理、特征提取和分类函数处理表面肌电信号，进而完成手工能康复训练。Neuracle表面肌电采集设备是近几年才推出的一款无线表面肌电采集设备，有8个通道可以采集表面肌电信号，采样频率为1000HZ。

为了实现上述目的，本发明采用下述技术方案：

1、一种基于表面肌电信号的手功能康复训练方法，其特征在于：采用由Neuracle表面肌电信号采集模块经表面肌电信号在线分析模块连接手工能康复训练模块构成的手功能康复训练系统进行训练。所述Neuracle表面肌电信号采集模块使用Neuracle设备获取患者控制手前臂主动完成不同动作的表面肌电信号，通过TCP/IP通信协议传输该表面肌电信号至PC端公共缓存区；表面肌电信号在线分析模块从公共缓存区获得表面肌电信号之后，对其同步显示，保存，然后进行预处理、特征提取和分类识别，最终分析出不同手前臂动作对应表面肌电信号中的有效成分，并将其转换成控制指令，通过Qt特有的信号与槽机制传输给所述手工能康复训练模块；手工能康复训练模块包括患者手功能康复部位的精细划分与康复模式的设计，通过接收到控制指令完成相应的康复训练；具体训练操作步骤如下：

（一）对所述Neuracle表面肌电信号采集模块采用Qt软件编写，并使用多线程编程以及TCP/IP通信协议技术；具体实现步骤为：

（1-1)参数设置：需要设置的信息包括采样通道的名称、采样通道数、TCP/IP传输协议的IP地址及端口号、文件保存时间；

（1-2) 由Neuracle表面肌电信号采集模块实现表面肌电信号的实时采集、显示、保存，采用Qt编写：

（1-2-1）采集：开启一个线程通过TCP/IP通信协议接收Neuracle设备采集的表面肌电信号数据，并将接收到的数据保存在公共的缓存区中，由表面肌电信号在线分析模块对缓存区中的数据进行在线分析；

（1-2-2）显示：当采集到的数据存储到公共的缓存区中后，在Qt GUI界面的显示控件中同步显示信号波形；

（1-2-3）保存：将采集到的数据以文本形式存储到指定文件夹中；

（二）对所述表面肌电信号在线分析模块采用Qt和Matlab混合编程实现，识别函数采用Matlab编写；具体实现步骤为：

表面肌电信号在线分析模块对实时采集到的表面肌电信号进行在线识别，在Matlab环境中调用预处理、特征提取以及分类函数实现；

（2-1）调用Matlab预处理函数：在Matlab编译环境下，预处理函数iirFilter.m，对应IIR带通滤波器方法；

（2-2）滤除噪声：通过IIR滤波器方法，滤除掉人体皮肤干扰及工频噪声；

（2-3）调用Matlab特征提取函数：在Matlab编译环境下，自编特征提取函数time_domain.m和frequency_domain.m，分别对应时域模型和频域模型特征提取方法；

（2-4）获得初始特征数组：对信号通过选定的特征提取函数处理，获取对应特征，构建初始特征数组：time_domain.m特征提取函数对信号时域波形提取肌电积分值和过零点率；frequency_domain.m特征提取函数将信号转化到频域，提取中值频率和平均频率，共同组成初始特征数组；

（2-5）调用Matlab模式分类函数：在Matlab编译环境下，自编分类识别函数naiveBayes.m对应朴素贝叶斯分类方法；

（2-6）获得识别结果：将初始特征数组送入分类器分析识别，得到识别结果：naiveBayes.m分类函数将初始特征数组作为朴素贝叶斯分类器的输入，进行模式分类，输出识别结果，识别结果分为各种手前臂运动动作；

（2-7）将反映被试手前臂运动状态的识别结果通过Qt特有的信号与槽机制传输给手工能康复训练模块；

（三）对所述手工能康复训练模块采用Qt编程实现, 包括患者康复部位的精细划分与康复模式的设计；具体实现步骤为：

（3-1)康复部位精细划分：考虑到不同患者手功能损伤状况的不同，共设计包括手腕和手指在内的20种手部康复动作，患者可以根据自身情况合理的选择多种动作进行康复训练；

（3-2）康复模式设计：设计了普通康复模式和娱乐康复模式；

（3-2-1）普通康复模式：在Qt GUI界面的康复结果展示区域根据接收的指令同步展示相应的手部动作视频；

（3-2-2）娱乐康复模式：设置了简单的跑酷游戏，将患者选择的手部动作与游戏人物的左移、右移、上跳与下蹲相绑定，根据接收到控制指令，控制游戏人物的运动；

（3-3）手工能康复训练：通过Qt特有的信号与槽机制接收表面肌电信号在线分析模块发送的控制指令，根据选择的康复模式进行康复训练。

本发明与现有技术相比，具有如下突出的实质性特点和显著的优点：界面友好，操作灵活，便携易推广；是一个具有不同训练模式的用户可深度参与的闭环手功能康复训练方法。在使用该系统进行康复训练时，用户可以根据个人的实际情况选择合适的手部动作和康复模式进行康复训练。这样不仅能够增强用户训练积极性，也能让用户更好的沉浸在训练过程中，产生更加容易识别的表面肌电信号，从而提高康复效率，实现自主主动的康复训练。

附图说明

图1是本发明基于表面肌电信号的手功能康复训练方法采用的训练系统结构框图。

图2是本发明基于表面肌电信号的手功能康复训练方法总流程图。

图3是本发明基于表面肌电信号的手功能康复训练方法在线识别流程图。

图4是本发明的康复训练界面照片图。

图5是本发明的娱乐康复模式照片图。

具体实施方式

本发明的优选实施例结合附图详述如下：

实施例一：

参见图1-图5，本基于表面肌电信号的手功能康复训练方法，其特征在于：采用由Neuracle表面肌电信号采集模块（1）、经表面肌电信号在线分析模块（2）连接手工能康复训练模块（3）构成的手功能康复训练系统进行训练，所述Neuracle表面肌电信号采集模块（1）使用Neuracle设备获取患者控制手前臂主动完成不同动作的表面肌电信号，通过TCP/IP通信协议传输该表面肌电信号至PC端公共缓存区；表面肌电信号在线分析模块（2）从公共缓存区获得表面肌电信号之后，对其同步显示，保存，然后进行预处理、特征提取和分类识别，最终分析出不同手前臂动作对应表面肌电信号中的有效成分，并将其转换成控制指令，通过Qt特有的信号与槽机制传输给所述手工能康复训练模块（3）；手工能康复训练模块（3）包括患者手功能康复部位的精细划分与康复模式的设计，通过接收到控制指令完成相应的康复训练；具体训练操作步骤如下：

（一）对所述Neuracle表面肌电信号采集模块（1）采用Qt软件编写，并使用多线程编程以及TCP/IP通信协议技术；具体实现步骤为：

（1-1)参数设置：需要设置的信息包括采样通道的名称、采样通道数、TCP/IP传输协议的IP地址及端口号、文件保存时间；

（1-2) 由Neuracle表面肌电信号采集模块（1）实现表面肌电信号的实时采集、显示、保存，采用Qt编写：

（1-2-1）采集：开启一个线程通过TCP/IP通信协议接收Neuracle设备采集的表面肌电信号数据，并将接收到的数据保存在公共的缓存区中，由表面肌电信号在线分析模块（2）对缓存区中的数据进行在线分析；

（1-2-2）显示：当采集到的数据存储到公共的缓存区中后，在Qt GUI界面的显示控件中同步显示信号波形；

（1-2-3）保存：将采集到的数据以文本形式存储到指定文件夹中；

（二）对所述表面肌电信号在线分析模块（2）采用Qt和Matlab混合编程实现，识别函数采用Matlab编写；具体实现步骤为：

表面肌电信号在线分析模块（2）对实时采集到的表面肌电信号进行在线识别，在Matlab环境中调用预处理、特征提取以及分类函数实现；

（2-1）调用Matlab预处理函数：在Matlab编译环境下，预处理函数iirFilter.m，对应IIR带通滤波器方法；

（2-2）滤除噪声：通过IIR滤波器方法，滤除掉人体皮肤干扰及工频噪声；

（2-3）调用Matlab特征提取函数：在Matlab编译环境下，自编特征提取函数time_domain.m和frequency_domain.m，分别对应时域模型和频域模型特征提取方法；

（2-4）获得初始特征数组：对信号通过选定的特征提取函数处理，获取对应特征，构建初始特征数组：time_domain.m特征提取函数对信号时域波形提取肌电积分值和过零点率；frequency_domain.m特征提取函数将信号转化到频域，提取中值频率和平均频率，共同组成初始特征数组；

（2-5）调用Matlab模式分类函数：在Matlab编译环境下，自编分类识别函数naiveBayes.m对应朴素贝叶斯分类方法；

（2-6）获得识别结果：将初始特征数组送入分类器分析识别，得到识别结果：naiveBayes.m分类函数将初始特征数组作为朴素贝叶斯分类器的输入，进行模式分类，输出识别结果，识别结果分为各种手前臂运动动作；

（2-7）将反映被试手前臂运动状态的识别结果通过Qt特有的信号与槽机制传输给手工能康复训练模块（3）；

（三）对所述手工能康复训练模块（3）采用Qt编程实现, 包括患者康复部位的精细划分与康复模式的设计；具体实现步骤为：

（3-1)康复部位精细划分：考虑到不同患者手功能损伤状况的不同，共设计包括手腕和手指在内的20种手部康复动作，患者可以根据自身情况合理的选择多种动作进行康复训练；

（3-2）康复模式设计：设计了普通康复模式和娱乐康复模式；

（3-2-1）普通康复模式：在Qt GUI界面的康复结果展示区域根据接收的指令同步展示相应的手部动作视频；

（3-2-2）娱乐康复模式：设置了简单的跑酷游戏，将患者选择的手部动作与游戏人物的左移、右移、上跳与下蹲相绑定，根据接收到控制指令，控制游戏人物的运动；

（3-3）手工能康复训练：通过Qt特有的信号与槽机制接收表面肌电信号在线分析模块（2）发送的控制指令，根据选择的康复模式进行康复训练。

实施例二：

参见图1，本基于表面肌电信号的手功能康复训练的系统框图，系统由Neuracle表面肌电信号采集模块（1）经表面肌电信号在线分析模块（2）连接手工能康复训练模块（3）构成。Neuracle表面肌电信号采集模块（1）采用Qt软件编写，并使用多线程编程以及TCP/IP通信协议技术；表面肌电信号在线分析模块（2）采用Qt和Matlab混合编程实现，具体识别函数采用Matlab编写；手工能康复训练模块（3）采用了Qt编程实现。

参见图2和图3，基于表面肌电信号的手功能康复训练方法，设置好具体康复动作及康复模式之后，Qt采集软件开始采患者表面肌电信号，然后存储在公共缓存区中；表面肌电信号在线分析模块（2）从公共缓存区中接收到表面肌电信号之后，对其显示，保存，同时调用Matlab自编预处理函数iirFilter.m滤除掉人体皮肤干扰及工频噪声、调用Matlab自编特征提取函数time_domain.m和frequency_domain.m获取初始特征数组、调用Matlab自编分类函数naiveBayes.m对已获取的特征数组进行分类，最终分析出表面肌电信号中的有效成分并将其转换成控制指令，传输给手工能康复训练模块（3）完成特定康复模式下的手工能康复训练。

参见图4和图5，基于表面肌电信号的手功能康复训练方法Qt主程序界面图，实现康复参数设置、接收Neuracle采集设备发送的表面肌电信号、表面肌电信号同步显示及保存，表面肌电信号分析处理及通过Qt特有的信号与槽机制给手工能康复训练模块（3）发送控制指令的功能。具体操作步骤如下:

1)康复参数设置：包括康复训练动作的设置和康复模式的设置。在手部动作选择区根据患者个人的实际情况选择适合的手部动作；在‘康复训练’面板设置具体采用的康复模式。

2)信号采集、显示及保存：点击工具栏的‘连接’按钮，Qt开启一个线程开始从Neuracle采集设备采集表面肌电信号数据；同时将接收到的表面肌电信号显示在主界面左侧的‘信号显示’控件当中，可最多同时显示八个通道的数据。点击‘康复训练’面板上的‘开始’按钮，将开始康复训练并同时保存数据，康复训练结束后将自动完成数据的保存；采集的表面肌电信号数据将自动以‘当前测试时间.csv’存储在以患者身份信息建立的文件夹当中。

3)信号在线分析及手工能康复训练：点击‘康复训练’面板的‘开始’按钮，将调用自编预处理、特征提取及分类函数对采集的表面肌电数据进行实时的在线分析，同时将分析结果转换为控制指令通过Qt特有的信号与槽机制发送给手工能康复训练模块完成相应模式下的康复训练。在普通康复模式下，‘手功能预览区域’将根据接收到的控制指令播放相应的手部动作视频；在娱乐康复模式下，会将患者预先选取的手部动作与游戏人物的移动相绑定，例如患者预先选取了‘屈腕’，‘伸腕’，‘握拳’和‘伸掌’四个动作作为接下来康复训练的动作，那么这四个动作将与游戏人物的‘左移’，‘右移’，‘下蹲’和‘上跳’相绑定，患者根据‘手功能预览区域’中游戏的进展，对游戏中出现的障碍物做出判断，完成相应的手部动作，进而控制游戏人物的动作。

实施例三：

参见图2，本基于表面肌电信号的手功能康复训练方法，其特征在于：（一）所述Neuracle表面肌电信号采集模块（1）采用Qt软件编写，并使用多线程编程以及TCP/IP通信协议技术；具体实现步骤为：

（1-1)参数设置：需要设置的信息包括采样通道的名称、采样通道数、TCP/IP传输协议的IP地址及端口号、文件保存时间；

（1-2) 由Neuracle表面肌电信号采集模块（1）实现表面肌电信号的实时采集、显示、保存，采用Qt编写：

（1-2-1）采集：开启一个线程通过TCP/IP通信协议接收Neuracle设备采集的表面肌电信号数据，并将接收到的数据保存在公共的缓存区中，由表面肌电信号在线分析模块（2）对缓存区中的数据进行在线分析；

（1-2-2）显示：当采集到的数据存储到公共的缓存区中后，在Qt GUI界面的显示控件中同步显示信号波形；

（1-2-3）保存：将采集到的数据以文本形式存储到指定文件夹中；

（二）对所述表面肌电信号在线分析模块（2）采用Qt和Matlab混合编程实现，识别函数采用Matlab编写；具体实现步骤为：

表面肌电信号在线分析模块（2）对实时采集到的表面肌电信号进行在线识别，在Matlab环境中调用预处理、特征提取以及分类函数实现；

（2-1）调用Matlab预处理函数：在Matlab编译环境下，预处理函数iirFilter.m，对应IIR带通滤波器方法；

（2-2）滤除噪声：通过IIR滤波器方法，滤除掉人体皮肤干扰及工频噪声；

（2-3）调用Matlab特征提取函数：在Matlab编译环境下，自编特征提取函数time_domain.m和frequency_domain.m，分别对应时域模型和频域模型特征提取方法；

（2-4）获得初始特征数组：对信号通过选定的特征提取函数处理，获取对应特征，构建初始特征数组：time_domain.m特征提取函数对信号时域波形提取肌电积分值和过零点率；frequency_domain.m特征提取函数将信号转化到频域，提取中值频率和平均频率，共同组成初始特征数组；

（2-5）调用Matlab模式分类函数：在Matlab编译环境下，自编分类识别函数naiveBayes.m对应朴素贝叶斯分类方法；

（2-6）获得识别结果：将初始特征数组送入分类器分析识别，得到识别结果：naiveBayes.m分类函数将初始特征数组作为朴素贝叶斯分类器的输入，进行模式分类，输出识别结果，识别结果分为各种手前臂运动动作；

（2-7）将反映被试手前臂运动状态的识别结果通过Qt特有的信号与槽机制传输给手工能康复训练模块（3）；

（三）对所述手工能康复训练模块（3）采用Qt编程实现, 包括患者康复部位的精细划分与康复模式的设计；具体实现步骤为：

（3-1)康复部位精细划分：考虑到不同患者手功能损伤状况的不同，共设计包括手腕和手指在内的20种手部康复动作，患者可以根据自身情况合理的选择多种动作进行康复训练；

（3-2）康复模式设计：设计了普通康复模式和娱乐康复模式；

（3-2-1）普通康复模式：在Qt GUI界面的康复结果展示区域根据接收的指令同步展示相应的手部动作视频；

（3-2-2）娱乐康复模式：设置了简单的跑酷游戏，将患者选择的手部动作与游戏人物的左移、右移、上跳与下蹲相绑定，根据接收到控制指令，控制游戏人物的运动；

（3-3）手工能康复训练：通过Qt特有的信号与槽机制接收表面肌电信号在线分析模块（2）发送的控制指令，根据选择的康复模式进行康复训练。

Claims (1)

1.一种基于表面肌电信号的手功能康复训练方法，其特征在于：采用由Neuracle表面肌电信号采集模块（1）经表面肌电信号在线分析模块（2）连接手工能康复训练模块（3）构成的手功能康复训练系统进行训练，所述Neuracle表面肌电信号采集模块（1）使用Neuracle设备获取患者控制手前臂主动完成不同动作的表面肌电信号，通过TCP/IP通信协议传输该表面肌电信号至PC端公共缓存区；表面肌电信号在线分析模块（2）从公共缓存区获得表面肌电信号之后，对其同步显示，保存，然后进行预处理、特征提取和分类识别，最终分析出不同手前臂动作对应表面肌电信号中的有效成分，并将其转换成控制指令，通过Qt特有的信号与槽机制传输给所述手工能康复训练模块（3）；手工能康复训练模块（3）包括患者手功能康复部位的精细划分与康复模式的设计，通过接收到控制指令完成相应的康复训练；具体训练操作步骤如下：

（一）对所述Neuracle表面肌电信号采集模块（1）采用Qt软件编写，并使用多线程编程以及TCP/IP通信协议技术；具体实现步骤为：

（1-1)参数设置：需要设置的信息包括采样通道的名称、采样通道数、TCP/IP传输协议的IP地址及端口号、文件保存时间；

（1-2) 由Neuracle表面肌电信号采集模块（1）实现表面肌电信号的实时采集、显示、保存，采用Qt编写：

（1-2-1）采集：开启一个线程通过TCP/IP通信协议接收Neuracle设备采集的表面肌电信号数据，并将接收到的数据保存在公共的缓存区中，由表面肌电信号在线分析模块（2）对缓存区中的数据进行在线分析；

（1-2-2）显示：当采集到的数据存储到公共的缓存区中后，在Qt GUI界面的显示控件中同步显示信号波形；

（1-2-3）保存：将采集到的数据以文本形式存储到指定文件夹中；

（二）对所述表面肌电信号在线分析模块（2）采用Qt和Matlab混合编程实现，识别函数采用Matlab编写；具体实现步骤为：

表面肌电信号在线分析模块（2）对实时采集到的表面肌电信号进行在线识别，在Matlab环境中调用预处理、特征提取以及分类函数实现；

（2-1）调用Matlab预处理函数：在Matlab编译环境下，预处理函数iirFilter.m，对应IIR带通滤波器方法；

（2-2）滤除噪声：通过IIR滤波器方法，滤除掉人体皮肤干扰及工频噪声；

（2-3）调用Matlab特征提取函数：在Matlab编译环境下，自编特征提取函数time_domain.m和frequency_domain.m，分别对应时域模型和频域模型特征提取方法；

（2-4）获得初始特征数组：对信号通过选定的特征提取函数处理，获取对应特征，构建初始特征数组：time_domain.m特征提取函数对信号时域波形提取肌电积分值和过零点率；frequency_domain.m特征提取函数将信号转化到频域，提取中值频率和平均频率，共同组成初始特征数组；

（2-5）调用Matlab模式分类函数：在Matlab编译环境下，自编分类识别函数naiveBayes.m对应朴素贝叶斯分类方法；

（2-6）获得识别结果：将初始特征数组送入分类器分析识别，得到识别结果：naiveBayes.m分类函数将初始特征数组作为朴素贝叶斯分类器的输入，进行模式分类，输出识别结果，识别结果分为各种手前臂运动动作；

（2-7）将反映被试手前臂运动状态的识别结果通过Qt特有的信号与槽机制传输给手工能康复训练模块（3）；

（三）对所述手工能康复训练模块（3）采用Qt编程实现, 包括患者康复部位的精细划分与康复模式的设计；具体实现步骤为：

（3-1)康复部位精细划分：考虑到不同患者手功能损伤状况的不同，共设计包括手腕和手指在内的20种手部康复动作，患者可以根据自身情况合理的选择多种动作进行康复训练；

（3-2）康复模式设计：设计了普通康复模式和娱乐康复模式；

（3-2-1）普通康复模式：在Qt GUI界面的康复结果展示区域根据接收的指令同步展示相应的手部动作视频；

（3-2-2）娱乐康复模式：设置了简单的跑酷游戏，将患者选择的手部动作与游戏人物的左移、右移、上跳与下蹲相绑定，根据接收到控制指令，控制游戏人物的运动；

（3-3）手工能康复训练：通过Qt特有的信号与槽机制接收表面肌电信号在线分析模块（2）发送的控制指令，根据选择的康复模式进行康复训练。