CN110570946A - 一种下肢康复机器人康复训练运动功能康复评价方法 - Google Patents

一种下肢康复机器人康复训练运动功能康复评价方法 Download PDF

Info

Publication number
CN110570946A
CN110570946A CN201910834276.2A CN201910834276A CN110570946A CN 110570946 A CN110570946 A CN 110570946A CN 201910834276 A CN201910834276 A CN 201910834276A CN 110570946 A CN110570946 A CN 110570946A
Authority
CN
China
Prior art keywords
evaluation
function
rehabilitation
index
lower limb
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.)
Withdrawn
Application number
CN201910834276.2A
Other languages
English (en)
Inventor
王斐
魏晓童
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN201910834276.2A priority Critical patent/CN110570946A/zh
Publication of CN110570946A publication Critical patent/CN110570946A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118Determining activity level
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/22Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224Measuring muscular strength
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/389Electromyography [EMG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/40Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4005Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
    • A61B5/4023Evaluating sense of balance
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/45For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519Muscles
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/45For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4528Joints
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Rheumatology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明属于运动康复工程领域,公开了一种下肢康复机器人康复训练运动功能康复评价方法。该方法通过层次分析法AHP与模糊分析法FCE进行建模,将临床运动功能评价内容转化成下肢康复机器人评价的指标体系,将下肢运动功能评价指标进行量化,并给出评价指标的评定标准,同时,利用AHP‑FCE分析评价法,在此基础上确定下肢康复机器人评价指标的递阶层次关系及评语体系,建立下肢康复机器人运动功能评价模型,对下肢康复机器人康复训练运动功能进行评价。

Description

一种下肢康复机器人康复训练运动功能康复评价方法
技术领域
本发明涉及运动康复工程领域,具体涉及一种下肢运动功能康复评价方法。
背景技术
行走模式是一种极其复杂的协调运动过程,人类会因为某些疾病或者肢体受损等原因而使得关节活动度受限,活动承重时疼痛,肌肉无力,感觉障碍,协调运动异常等症状出现。这些症状的出现会使得人在步态行走中出现异常步态。依据神经可塑性原理,康复训练能够使病态患肢得到一定程度的康复。相关研究表明,功能恢复过程中,特定的功能训练是必不可少的,而只有尽可能的模拟正常步态才能够最大程度地提高康复训练的效果,而正常步态的模拟则需要对步态运行时的运动学,动力学参数有一个精确的检测和控制,只有依据测得的有效数据,理疗师才能对患者肢体的运动功能有个全面的了解,也能制定出更为精确客观的康复评定方法,从而为下一步的康复训练方案制定有效地参数。肢体运动功能评价是从运动学的角度对四肢及其所连带的关节所进行的功能评价,肢体运动功能障碍是诸如脑卒中等脑损伤疾病最典型,最外在的病理表现,肢体运动功能评价使脑损伤疾病康复治疗的主要依据。以成为临床工作和康复评价的重要组成部分,利用肢体运动功能评价能判断异常步态及其程度,并为肢体行走的能力提供客观依据。
肢体运动功能评价是了解患者肢体功能,残存能力的重要评价方法之一,对判定患者的生活独立程度、制定康复计划,评定康复效果都十分重要。以下是几种医学临床常用的集中康复评价方法:
直接观察法即由医务人员通过目测观察患者的行走过程,然后根据观察的结果进行分析并得出结论。这种评价方法虽然结果可靠,但属于定性分析,存在主观成分较多、评价时间长、不能计量等缺点。尤其对体弱者,更需要进行分次检查,现已基本淘汰。
间接评定法主要是通过量角器、卷尺、秒表等简单测量工具或者肌电图仪、摄像机等设备进行数据采集分析、计算等。属于定性评价,随着测量手段的提高,间接评价法也得到了普遍的应用。
评价能够使康复训练更具有针对性、科学性、准确性,是康复过程中不可缺少的环节。为了使康复评价更具有针对性,避免康复评价的盲目性,一般采用分期评价,即整个康复过程分为早期、中期、后期评价。并且,依据康复评价,可以按患者的肢体功能划分为不同的障碍等级,这样,理疗师可以因人而异,采取不同的训练方法,这更有利于康复训练效果的提高。
对患者训练主要采用“主动训练和被动训练”的方法。只有采用正常的训练模式才能使患者得到康复,错误的训练模式,错误训练方法不但不能够达到康复的目的,还有可能对患者造成二次伤害,因此,治疗师在训练中应特别注意评价与训练相结合,不同训练患者采用不同的训练模式和方法。才能达到康复肢体的目的。正确的肢体运动功能评价不但利于理疗师制定合适的治疗方案,更有利于患者康复效率的提高。
临床上常用的评价肢体康复的方法有①Brunnstrom偏瘫上下肢功能评价法,②上田敏偏瘫上下肢功能及手指评价法,③Fugl-meyer运动功能评价法,④日常生活活动能力(ADL)采用Barthel生活活动指数计分法。
①Brunnstrom偏瘫上下肢功能评价法:Brunnstrom在50年代末,通过对患者的观察研究,提出了对疾病的治疗、预后、家庭护理、自我治疗以及中风的康复都有积极的意义。Brunnstrom运动等级恢复
BRSS运动恢复级
②上田敏偏瘫上下肢功能及手指评价法
上田敏偏瘫上下肢功能评价表
③Fugl-meyer运动功能评价法:
Fugl-mey等级评价表
④日常生活活动能力(ADL)采用Barthel生活活动指数计分法:日常生活活动(Activities of daily living,ADL)是指人们为了维持生活存在及适应生活环境而每天必须反复进行的、最基本、最具共性的生活活动,包括衣、食、住、行、个人卫生等,又称为基本或躯体日日常生活活动[40]。评定方法主要是通过量表法评定,Barthel指数包括十项内容,根据需要帮助及其程度分为0分、5分、10分、15分四个功能等级,总分为100分,得分越高,独立性越好,依赖性越小。加拿大学者对在1989年对Barthel生活活动指数计分法进行了改善。通过等级之间加权,扩展每一项的等级。以此达到了减小相邻等级之间分值差值太大分级不明显的问题。
在临床上,医生仅依靠视觉和经验评估患者的肢体运动能力,其评估结果缺乏客观性,会影响患者异常步态的早期诊断,随着机器人技术的发展,尤其是相关信号采集设备的引入,实时采集接收训练过程中的运动参数已经不再是空想,利用康复机器人技术,既实现下肢康复训练的完成,又能够同步接收采集训练信息,完成肢体运动功能评价。但目前存在的康复机器人、虚拟现实等康复技术评价指标单一,很难对患者下肢康复状态有比较综合、客观的了解,从而可能会由于没有选择合理的康复训练方案而导致患者产生痉挛等二次损伤。因此,人们迫切希望获得一种技术良好的下肢康复机器人康复训练运动功能评价方法。
发明内容
本发明提供了一种下肢康复机器人康复训练运动功能评价方法,通过层次分析法AHP与模糊分析法FCE进行建模,将临床运动功能评价内容转化成下肢康复机器人评价的指标体系,将下肢运动功能评价指标进行量化,并给出评价指标的评定标准,同时,利用AHP-FCE分析评价法,在此基础上确定下肢康复机器人评价指标的递阶层次关系及评语体系,建立下肢康复机器人运动功能评价模型,对下肢康复机器人康复训练运动功能进行评价。其中:
层次分析法(AHP)-综合模糊评价法(FCE)是一种将AHP和FCE融合的综合全面的评价方法,能够解决传统临床评价方法受医师主观因素影响、评价精准度不高等缺点。FCE法是基于Zadeh的模糊集合论,结合模糊关系合成基本原理,通过多指标不同角度的分析来决定被评判事物所处的隶属等级的一种综合性评判方法,一方面它不仅能根据事物的变化范围来区分评价等级,另一方面它还能根据事物所处的各个评价等级给出相应的评价结论。模糊集合通过隶属度理论可以把定性评价结果转变成定量评价结果,使评价的科学性和合理性得到明显提高。AHP法是一种确定指标权重的方法,它的基本思想是把一个多准则目标决策问题分解成若干组成因素,根据因素之间的隶属关系来搭建关联因素的树枝递阶层次结构,分别比较各层间因素的重要性,综合分析得出各因素的权重大小。AHP法不仅可以减少客观赋值法的盲目性,还可以降低主观赋值法的主观因素影响,而且能够从左到右、由下到上对整个决策目标问题进行综合、全面评价。AHP-FCE法是一种定性和定量结合的评价方法,AHP法确定指标权重,FCE法结合AHP法的多层次指标权重来决定评价结果,能够全面、准确地评价目标问题的实际状况。
具体AHP-FCE法建模步骤:
(1)建立因素集U
假设目标层由m个因素影响,则构成目标层的因素集Ui
Ui={U1,U2,…,Um}(i=1,2,…,m) (1)
由于准则层是从目标层划分出来的,准则层的因素集是目标层因素集的构成元素,由uij代表准则层因素,它由k个因素影响,uij={ui1,ui2,…,uij}(j=1,2,…k),多层次依次类推。
(2)建立评价集V:
Vj={V1,V2,…,Vn}(j=1,2,…,n) (2)
根据每个评价因素Ui的不同影响程度可以将评语分为n个评级,Vj是Ui对应的评价等级(j=1,2,…,n)。
(3)由于模糊评价是多因素多层次系统的多级模糊综合评价,一级模糊评价根据评价因素集Ui及其对应的评价等级Vj的隶属度rij,可以得到第i个因素的评价结果ri={ri1ri2…rin},将ri进行一般归一化,有ri>0且满足∑ri=1。假设Ui由m个因素并且有n个评价等级,则Ui对于的综合评价矩阵Ri为:
若单因素Ui对应的权重是Wi={wi1,wi2,…,wim},Wi可由层次分析法求得,则Ui的评价结果向量Si为:
其中,°为模糊算子符号,采用Zadeh算子。Ui的评价结果向量Si一起组成上一层因素集U的模糊矩阵R,即:
(4)二级模糊评价
若整个因素集Ui的权重向量W为:
W={W1,W2,…,Wm} (6)
其中,Wi需满足Wi>0,且∑Wi=1。由式(5)和(6)得因素集Ui的模糊矩阵R,那么可得Ui的评价结果向量S为:
S=W°R=(s1,s2,…,sn) (7)
假如si是S中最大的值,那么说明目标评价处于Vi这一评级,这一评级即为评价目标对应的最终评价结果。
根据上述建模原理,下肢康复机器人康复训练运动功能康复评价方法的具体技术方案包括如下步骤:
步骤1,因素集(评价指标)的确定
将目标层下肢运动功能康复评价内容分为3个部分,分别为运动功能、平衡功能和协调功能,它们组成二级模糊评价因素。其中,运动功能又有肌力、肌张力、关节活动度这三个评价指标,平衡功能和协调功能的评价指标分别有运动速度和肌肉协调性,这五个评价指标共同构成一级模糊评价因素。首先根据准则层的三类评价指标分别进行一级模糊评价,分别得到准则层对应运动功能、平衡功能和协调功能的评价结果,然后把准则层这三个评价结果当做目标层下肢运动功能康复评价的因素,进行二级模糊评价,得到最终的评价结果。
确定目标层的评价指标集Ui={U1,U2,U3},准则层中运动功能的评价指标集uij={u11},准则层中平衡功能评价指标集uij={u21},准则层中协调功能评价指标集uij={u31}。
步骤2,评价指标权值的确定
下肢康复评价模型分两级评价,需要由下往上逐级计算各层评价指标权重。
a.准则层指标权重的确定
根据临床医学相关领域权威专家的分析,下肢康复准则层3类评价指标中,运动功能处于重要的地位,可以从被评价者的肌力、肌张力、各关节活动度等方面反映出被评价者的运动水平,平衡功能和协调功能的重要性比前者稍若,可以从侧面反映出被评价者运动的控制能力和动作灵敏度,起辅助评价作用,其中平衡功能和协调功能重要程度相同,最终得到3类评价指标的权重关系如下所示。表中参数表示准则层三种功能的评价指标因素u11,u21,u31分别在运动功能、平衡功能、协调功能中所占的权重;
准则层评价指标权重关系
可得相应的判断矩阵
先求得矩阵A的特征向量、权值向量以及最大特征根分别为:
W=(0.50 0.25 0.25)、λmax=3.00。
求得一致性指标满足一致性要求。
b.方案层指标权重的确定
肌力是肌肉屈曲时候产生的力气,它是人肢体一些肌肉活动(屈曲或伸张)时突破内外阻力约束的本领。肌张力是肌肉静止松弛状态下的紧张度,痉挛是由于肌张力异常产生,肌力不均或者痉挛又会导致关节活动范围异常,专家们根据经验认为,肌力处于最重要地位,是运动功能评价一个不可缺少的评价指标,而痉挛和关节活动度的重要地位依次相对较低。所以,可得到方案层运动功能类评价指标的权重关系如下表所示。表中参数表示方案层三种功能的评价指标因素肌力、痉挛、关节活动度三个因素分别在运动功能、平衡功能、协调功能所占的权重;
方案层运动功能一级评价指标权重关系
相应的评价矩阵
先求得矩阵A1的特征向量、权值向量以及最大特征根分别为
W1=(0.54 0.30 0.16)、λ1max=3.01。
求得一致性指标满足一致性要求。
此外,还要进行的工作有:
步骤3,各层评价指标评语的确定
结合临床评语,确定每个评价指标的不同等级。康复效果评价分为5个等级
V={V1,V2,V3,V4,V5},即V={很好,良好,一般,较差,极差},这5个等级的评分分别对应5,4,3,2,1这5个分数,如V1=5,依次类推。每个指标因素评价等级对应不同评语。
以临床知识为基础,运动功能的3个评价因数分别对应5个归一化后的评语如下表所示。
运动功能评价指标评语集
同理参考临床医学知识,下肢康复评价的3个指标因素对应评语如下表所示。
下肢康复评价指标评语集
通过对各层指标的分析可得该模型最终的评价结果,如下表所示。
下肢运动功能康复评价效果评语集
步骤4,方案层一级模糊评价
要进行一级模糊评价,就必须先选取评价指标的特征,然后根据各指标特征值得到评价矩阵。根据临床康复相关知识,并参考权威专家经验,通过实验采集各评价指标数据,并统计与五级康复评价评语相符的各级数据分布次数,然后进行归一化得到相应指标的评价矩阵,分布如下表所示,其中Cij表示评价指标的各级数据分布次数;
评价指标的各级数据分布次数
其中j={1,2,3,4,5},将测试结果次数转化成隶属度,得到单指标评价向量为:
ri={Ci1/C Ci2/C … Ci5/C} (10)
①运动功能
肌电信号的积分肌电值(iEMG)与肌肉能量相关,用实测的积分肌电值iEMGa和标准最大积分肌电值iEMGmax的比值来反映肌力的大小程度,即
肌张力的大小程度RMS可用用实测的肌电信号均方根RMSa和标准最大均方根RMSmax比值来反映,肌电信号的RMSa越小,肌肉功能越好,痉挛程度越低,即
关节活动度的大小程度ROM可用运动过程中的最大角度ROMa和标准角度比值ROMmax来表示,即
由式(3)可得运动功能的评价矩阵为
其中,r1,r2,r3分别代表肌力、肌张力、关节活动量的评价向量。
由式(4)可得运动功能的评价向量S1为:
S1=W1°R1 (15)
②平衡功能
从图3-评价层次结构图可以看出,平衡功能只有一个评价因素,所以运动的平衡能力用速度的小波包熵来衡量,小波包熵越大,平衡能力越好,用实测的角速度小波包熵WPESa和标准最大小波包熵WPESmax的比值来反映平衡能力,即
平衡功能的评价矩阵为
R2=[r4] (17)
其中,r4是运动角速度的评价向量。由于平衡功能是单因素评价,故由式(4)得平衡功能的评价结果向量S2
S2=R2 (18)
③协调功能
从说明书附图3-评价层次结构图可以看出,协调功能只有一个评价因素,所以运动的协调能力可用肌电的积分肌电值的协同收缩率衡量,协同收缩率越低,协调能力越好,所以,用实测的肌电的积分肌电值的协同收缩率iEMG_CRa和标准最大积分肌电值的协同收缩iEMG_CRmax的比值来反映平衡能力,即
协调功能的评价矩阵为:R3=[r5] (20)
其中,r5是肌肉协调性的评价向量。
由于平衡功能是单因素评价,故由式(4)得平衡功能的评价结果向量S3
S3=R3 (21)
步骤5,准则层二级模糊评价
由式(5)和(6)可得下肢运动功能评价结果为
假如Si是S中最大的值,那么说明下肢运动功能评价评价处于Vi这一评级,这一评级即为对应的最终评价结果。
本发明的有益效果为,在临床康复知识的基础上确定下肢运动功能评价指标、评语,最后通过层次分析法分别求得各层评价指标权重,综合模糊评价法建立目标评价模型,实现对下肢运动功能的综合、客观、定量评价。
附图说明
图1为本发明的层次分析法-模糊综合评价法的总体算法框图;
图2为层次分析法的递阶层次结构原理示意图;
图3为运动功能康复评价指标层次结构图;
图4为下肢康复机器人分析病患运动功能-采集肌电信号的均方根值RMS特征;
图5为本法中康复评价实例中采集的病患惯性信息IMU和肌电信息EMG。
具体实施方式
为详细说明本发明的技术内容及所实现目的,以下结合实施方式并配合附图予以说明。
实施例1一种下肢康复外骨骼康复训练运动功能评价方法,本发明最关键的构思在于:使用层次分析法-综合模糊分析法,将临床运动功能评价内容转化为下肢康复机器人运动功能评价指标进行量化,给出评价指标的评定标准,在此基础上,确定下肢康复机器人评价指标的递阶层次评语体系,建立下肢康复机器人运动功能评价模型,对下肢康复机器人康复训练运动功能进行评价,包括如下步骤:
(1)首先如图5,采集一个病患样例的惯性信息IMU和肌电信息EMG,然后如图1所示,建立因素集U:假设目标层由3个因素影响,则构成目标层的因素集Ui:Ui={U1,U2,U3}(U1-运动功能,U2-平衡功能,U3-协调功能),由于准则层是从目标层划分出来的,准则层的因素集是目标层因素集的构成元素,由uij代表准则层因素,它由5个因素影响,uij={ui1,ui2,ui3,ui4,ui5}(ui1-肌力,ui2-肌张力,ui3-关节活动度;ui4-运动速度,ui5-肌肉协调性),多层次依次类推。
(2)建立评价集V:Vj={V1,V2,…,Vn}(j=1,2,…,n),根据每个评价因素Ui的不同影响程度可以将评语分为n个评级,Vj是Ui对应的评价等级(j=1,2,…,n)。康复效果评价分为5个等级V={V1,V2,V3,V4,V5},即V={很好,良好,一般,较差,极差},这5个等级的评分分别对应5,4,3,2,1这5个分数,如V1=5,依次类推。每个指标因素评价等级对应不同评语。
(3)一级模糊评价:由于模糊评价是多因素多层次系统的多级模糊综合评价,一级模糊评价根据评价因素集Ui及其对应的评价等级Vj的隶属度rij,可以得到第i个因素的评价结果ri={ri1ri2…rin},将ri进行一般归一化,有ri>0且满足Σri=1。假设Ui由m个因素并且有n个评价等级,则Ui对于的综合评价矩阵Ri为:
若单因素Ui对应的权重是Wi={wi1,wi2,…,wim},Wi可由层次分析法求得,则Ui的评价结果向量Si为:
其中,°为模糊算子符号,采用Zadeh算子。Ui的评价结果向量Si一起组成上一层因素集U的模糊矩阵R,即:
(4)二级模糊评价:若整个因素集Ui的权重向量W为:W={W1,W2,…,Wm},
其中,Wi需满足Wi>0,且ΣWi=1。可得到因素集Ui的评价结果向量S为:
S=W°R=(s1,s2,…,sn)。假如si是S中最大的值,那么说明目标评价处于Vi这一评级,这一评级即为评价目标对应的最终评价结果。
(5)将目标层下肢运动功能康复评价内容分为3个部分,分别为运动功能、平衡功能和协调功能,它们组成二级模糊评价因素。其中,运动功能又有肌力、肌张力、关节活动度这三个评价指标,平衡功能和协调功能的评价指标分别有运动速度和肌肉协调性,这五个评价指标共同构成一级模糊评价因素。首先根据准则层的三类评价指标分别进行一级模糊评价,分别得到准则层对应运动功能、平衡功能和协调功能的评价结果,然后把准则层这三个评价结果当做目标层下肢运动功能康复评价的因素,进行二级模糊评价,得到最终的评价结果。确定目标层的评价指标集Ui={U1,U2,U3}(U1-运动功能,U2-平衡功能,U3-协调功能),准则层中运动功能的评价指标集uij={u11},准则层中平衡功能评价指标集uij={u21},准则层中协调功能评价指标集uij={u31}。
(6)评价指标权值的确定:下肢康复评价模型分两级评价,需要由下往上逐级计算各层评价指标权重。
准则层指标权重的确定:根据临床医学相关领域权威专家的分析,下肢康复准则层3类评价指标中,运动功能处于重要的地位,可以从被评价者的肌力、肌张力、各关节活动度等方面反映出被评价者的运动水平,平衡功能和协调功能的重要性比前者稍若,可以从侧面反映出被评价者运动的控制能力和动作灵敏度,起辅助评价作用,其中平衡功能和协调功能重要程度相同,最终得到3类评价指标(运动功能、平衡功能、协调功能)的权重关系。可得相应的判断矩阵:
先求得矩阵A的特征向量、权值向量以及最大特征根分别为:
W=(0.50 0.25 0.25)、λmax=3.00。
求得一致性指标满足一致性要求。
方案层指标权重的确定:肌力是肌肉屈曲时候产生的力气,它是人肢体一些肌肉活动(屈曲或伸张)时突破内外阻力约束的本领。肌张力是肌肉静止松弛状态下的紧张度,痉挛是由于肌张力异常产生,肌力不均或者痉挛又会导致关节活动范围异常,专家们根据经验认为,肌力处于最重要地位,是运动功能评价一个不可缺少的评价指标,而痉挛和关节活动度的重要地位依次相对较低。所以,可得到方案层运动功能类评价指标(肌力、痉挛、关节活动度)的权重关系。可得相应的评价矩阵:
先求得矩阵A1的特征向量、权值向量以及最大特征根分别为
W1=(0.54 0.30 0.16)、λ1max=3.01。
求得一致性指标满足一致性要求。
(7)各层评价指标评语的确定:结合临床评语,确定每个评价指标的不同等级。
(8)方案层一级模糊评价:要进行一级模糊评价,就必须先选取评价指标的特征,然后根据各指标特征值得到评价矩阵。根据临床康复相关知识,并参考权威专家经验,通过实验采集各评价指标数据,并统计与五级康复评价评语相符的各级数据分布次数,然后进行归一化得到相应指标的评价矩阵,分布如下表所示,其中Cij表示评价指标的各级数据分布次数:
评价指标的各级数据分布次数
其中j={1,2,3,4,5},将测试结果次数转化成隶属度,得到单指标评价向量为:
ri={Ci1/C Ci2/C … Ci5/C}
其中的运动功能:肌电信号的积分肌电值(iEMG)与肌肉能量相关,用实测的积分肌电值iEMGa和标准最大积分肌电值iEMGmax的比值来反映肌力的大小程度,本实例中,根据图5中的肌电信息,计算出积分肌电值:
肌张力的大小程度RMS可用用实测的肌电信号均方根RMSa和标准最大均方根RMSmax比值来反映,肌电信号的RMSa越小,肌肉功能越好,痉挛程度越低:
如图4,用下肢康复外骨骼测得本实例中病患的RMS特征值。关节活动度的大小程度ROM可用运动过程中的最大角度ROMa和标准角度比值ROMmax来表示:
可得运动功能的评价矩阵为:
其中,r1,r2,r3分别代表肌力、肌张力、关节活动量的评价向量。可得运动功能
的评价向量S1为:
其中的平衡功能,从图3可以看出,平衡功能只有一个评价因素,所以运动的平衡能力用速度的小波包熵来衡量,小波包熵越大,平衡能力越好,用实测的角速度小波包熵WPESa和标准最大小波包熵WPESmax的比值来反映平衡能力:
平衡功能的评价矩阵为:R2=[r4],
其中,r4是运动角速度的评价向量。由于平衡功能是单因素评价,故由式(4)得平衡功能的评价结果向量S2为:S2=R2=[0.2501]
其中的协调功能:从图3可以看出,协调功能只有一个评价因素,所以运动的协调能力可用肌电的积分肌电值的协同收缩率衡量,协同收缩率越低,协调能力越好,所以,用实测的肌电的积分肌电值的协同收缩率iEMG_CRa和标准最大积分肌电值的协同收缩iEMG_CRmax的比值来反映平衡能力:
协调功能的评价矩阵为:R3=[r5],其中,r5是肌肉协调性的评价向量。由于平衡功能是单因素评价,可得平衡功能的评价结果向量S3为:S3=R3=[0.1324];
(9)准则层二级模糊评价:
得到下肢运动功能评价结果为:
假如Si是S中最大的值,那么说明下肢运动功能评价评价处于Vi这一评级,这一评级即为对应的最终评价结果。所以对于这一病例来说,患者的运动功能评价处在第四级,相对应医生用医学量表给出的等级也是四级,评价等级相一致。
本实施例通过对临床运动功能评定内容及评定方法进行研究,将临床运动功能评价内容转化为下肢康复机器人评价的指标体系,利用下肢康复机器人数据采集功能,将下肢康复机器人运动功能评价指标进行量化,给出各评价指标的评定标准。同时,本实施例还提出一种层次分析法-模糊综合评价法,并在此基础上确定下肢康复机器人评价指标的递阶层次关系及评语体系,建立了下肢康复机器人运动功能评价模型。通过实例验证,说明本实施例所述层次分析法-模糊综合评价法在下肢康复评价中的可行性和有效性。本实施例具有可预期的较为巨大的经济和社会价值。

Claims (1)

1.一种下肢康复机器人康复训练运动功能康复评价方法,其特征在于,包括如下步骤:
步骤1,因素集评价指标的确定:
将目标层下肢运动功能康复评价内容分为3个部分,分别为运动功能、平衡功能和协调功能,它们组成二级模糊评价因素;其中,运动功能又有肌力、肌张力、关节活动度这三个评价指标,平衡功能和协调功能的评价指标分别有运动速度和肌肉协调性,这五个评价指标共同构成一级模糊评价因素;首先根据准则层的三类评价指标分别进行一级模糊评价,分别得到准则层对应运动功能、平衡功能和协调功能的评价结果,然后把准则层这三个评价结果当做目标层下肢运动功能康复评价的因素,进行二级模糊评价,得到最终的评价结果;确定目标层的评价指标集Ui={U1,U2,U3},准则层中运动功能的评价指标集uij={u11},准则层中平衡功能评价指标集uij={u21},准则层中协调功能评价指标集uij={u31};
步骤2,评价指标权值的确定:
下肢康复评价模型分两级评价,需要由下往上逐级计算各层评价指标权重;
准则层指标权重的确定:下肢康复准则层3类评价指标中,运动功能处于重要的地位,平衡功能和协调功能的重要性比前者稍若,其中平衡功能和协调功能重要程度相同,最终得到3类评价指标的权重关系如下;表中参数表示准则层三种功能的评价指标因素u11,u21,u31分别在运动功能、平衡功能、协调功能中所占的权重;
准则层评价指标权重关系
得相应的判断矩阵
先求得矩阵A的特征向量、权值向量以及最大特征根分别为:
W=(0.50 0.25 0.25)、λmax=3.00;
求得一致性指标满足一致性要求;
方案层指标权重的确定:肌力是肌肉屈曲时候产生的力气,它是人肢体一些肌肉活动(屈曲或伸张)时突破内外阻力约束的本领;肌张力是肌肉静止松弛状态下的紧张度,痉挛是由于肌张力异常产生,肌力不均或者痉挛又会导致关节活动范围异常,肌力处于最重要地位,是运动功能评价一个不可缺少的评价指标,而痉挛和关节活动度的重要地位依次相对较低;表中参数表示方案层三种功能的评价指标因素肌力、痉挛、关节活动度三个因素分别在运动功能、平衡功能、协调功能中所占的权重;
方案层运动功能一级评价指标权重关系
相应的评价矩阵:
先求得矩阵A1的特征向量、权值向量以及最大特征根分别为
W1=(0.54 0.30 0.16)、λ1max=3.01;
求得一致性指标满足一致性要求;
步骤3,各层评价指标评语的确定:
结合临床评语,确定每个评价指标的不同等级;康复效果评价分为5个等级V={V1,V2,V3,V4,V5},即V={很好,良好,一般,较差,极差},这5个等级的评分分别对应5,4,3,2,1这5个分数,如V1=5,依次类推;每个指标因素评价等级对应不同评语;
以临床知识为基础,运动功能的3个评价因数分别对应的5个归一化后的评语如下表所示:
运动功能评价指标评语集
同理参考临床医学知识,下肢康复评价的3个指标因素对应评语如下表所示:
下肢康复评价指标评语集
通过对各层指标的分析可得该模型最终的评价结果,如下表所示:
下肢运动功能康复评价效果评语集
步骤4,方案层一级模糊评价:
要进行一级模糊评价,就必须先选取评价指标的特征,然后根据各指标特征值得到评价矩阵;通过实验采集各评价指标数据,并统计与五级康复评价评语相符的各级数据分布次数,然后进行归一化得到相应指标的评价矩阵,分布如下表所示,其中Cij表示评价指标的各级数据分布次数:
评价指标的各级数据分布次数
其中j={1,2,3,4,5},将测试结果次数转化成隶属度,得到单指标评价向量为:
ri={Ci1/C Ci2/C … Ci5/C}
其中的运动功能:肌电信号的积分肌电值(iEMG)与肌肉能量相关,用实测的积分肌电值iEMGa和标准最大积分肌电值iEMGmax的比值来反映肌力的大小程度:
肌张力的大小程度RMS可用用实测的肌电信号均方根RMSa和标准最大均方根RMSmax比值来反映,肌电信号的RMSa越小,肌肉功能越好,痉挛程度越低:
用下肢康复外骨骼测得本实例中病患的RMS特征值;关节活动度的大小程度ROM用运动过程中的最大角度ROMa和标准角度比值ROMmax来表示:
可得运动功能的评价矩阵为:
其中,r1,r2,r3分别代表肌力、肌张力、关节活动量的评价向量;可得运动功能的评价向量S1为:
其中的平衡功能,只有一个评价因素,所以运动的平衡能力用速度的小波包熵来衡量,小波包熵越大,平衡能力越好,用实测的角速度小波包熵WPESa和标准最大小波包熵WPESmax的比值来反映平衡能力:
平衡功能的评价矩阵为:R2=[r4],
其中,r4是运动角速度的评价向量;由于平衡功能是单因素评价,故由式(4)得平衡功能的评价结果向量S2为:S2=R2
其中的协调功能只有一个评价因素,所以运动的协调能力可用肌电的积分肌电值的协同收缩率衡量,协同收缩率越低,协调能力越好,所以,用实测的肌电的积分肌电值的协同收缩率iEMG_CRa和标准最大积分肌电值的协同收缩iEMG_CRmax的比值来反映平衡能力:
协调功能的评价矩阵为:R3=[r5],其中,r5是肌肉协调性的评价向量;由于平衡功能是单因素评价,可得平衡功能的评价结果向量S3为:S3=R3
步骤5,准则层二级模糊评价:
得到下肢运动功能评价结果为:假如Si是S中最大的值,那么说明下肢运动功能评价评价处于Vi这一评级,这一评级即为对应的最终评价结果;
在临床康复知识的基础上确定下肢运动功能评价指标、评语,最后通过层次分析法分别求得各层评价指标权重,综合模糊评价法建立目标评价模型,实现对下肢运动功能的综合、客观、定量评价。
CN201910834276.2A 2019-09-05 2019-09-05 一种下肢康复机器人康复训练运动功能康复评价方法 Withdrawn CN110570946A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910834276.2A CN110570946A (zh) 2019-09-05 2019-09-05 一种下肢康复机器人康复训练运动功能康复评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910834276.2A CN110570946A (zh) 2019-09-05 2019-09-05 一种下肢康复机器人康复训练运动功能康复评价方法

Publications (1)

Publication Number Publication Date
CN110570946A true CN110570946A (zh) 2019-12-13

Family

ID=68777703

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910834276.2A Withdrawn CN110570946A (zh) 2019-09-05 2019-09-05 一种下肢康复机器人康复训练运动功能康复评价方法

Country Status (1)

Country Link
CN (1) CN110570946A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112043268A (zh) * 2020-09-03 2020-12-08 天津理工大学 一种基于康复运动主动性参与判定的上肢康复评价方法
CN112057040A (zh) * 2020-06-12 2020-12-11 国家康复辅具研究中心 一种上肢运动功能康复评价方法
CN112353407A (zh) * 2020-10-27 2021-02-12 燕山大学 一种基于神经功能康复主动训练的评估系统及方法
CN113662533A (zh) * 2021-07-15 2021-11-19 华中科技大学 一种关节康复运动监测管理系统及使用方法
TWI799223B (zh) * 2022-04-01 2023-04-11 國立臺中科技大學 肌力評估教學虛擬實境系統
CN116098611A (zh) * 2022-12-07 2023-05-12 上海傅利叶智能科技有限公司 肢体运动康复的评估生成系统、方法及介质
CN117133465A (zh) * 2023-10-26 2023-11-28 营动智能技术(山东)有限公司 一种慢性病康复治疗效果评价方法、设备及存储介质
CN117133465B (zh) * 2023-10-26 2024-06-04 营动智能技术(山东)有限公司 一种慢性病康复治疗效果评价方法、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108172297A (zh) * 2018-01-29 2018-06-15 广东工业大学 一种上肢康复训练机器人康复训练功能的评估方法
CN108615558A (zh) * 2018-04-28 2018-10-02 郴州市第人民医院 一种基于冲击疗法治疗痉挛性偏瘫的评估系统及方法
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108172297A (zh) * 2018-01-29 2018-06-15 广东工业大学 一种上肢康复训练机器人康复训练功能的评估方法
CN108615558A (zh) * 2018-04-28 2018-10-02 郴州市第人民医院 一种基于冲击疗法治疗痉挛性偏瘫的评估系统及方法
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏崇钦: "基于肌电-惯性信息的上肢康复评价系统设计", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112057040A (zh) * 2020-06-12 2020-12-11 国家康复辅具研究中心 一种上肢运动功能康复评价方法
CN112057040B (zh) * 2020-06-12 2024-04-12 国家康复辅具研究中心 一种上肢运动功能康复评价方法
CN112043268A (zh) * 2020-09-03 2020-12-08 天津理工大学 一种基于康复运动主动性参与判定的上肢康复评价方法
CN112043268B (zh) * 2020-09-03 2024-01-26 天津理工大学 一种基于康复运动主动性参与判定的上肢康复评价方法
CN112353407A (zh) * 2020-10-27 2021-02-12 燕山大学 一种基于神经功能康复主动训练的评估系统及方法
CN112353407B (zh) * 2020-10-27 2022-02-11 燕山大学 一种基于神经功能康复主动训练的评估系统及方法
CN113662533A (zh) * 2021-07-15 2021-11-19 华中科技大学 一种关节康复运动监测管理系统及使用方法
TWI799223B (zh) * 2022-04-01 2023-04-11 國立臺中科技大學 肌力評估教學虛擬實境系統
CN116098611A (zh) * 2022-12-07 2023-05-12 上海傅利叶智能科技有限公司 肢体运动康复的评估生成系统、方法及介质
CN116098611B (zh) * 2022-12-07 2024-05-24 上海傅利叶智能科技有限公司 肢体运动康复的评估生成系统、方法及介质
CN117133465A (zh) * 2023-10-26 2023-11-28 营动智能技术(山东)有限公司 一种慢性病康复治疗效果评价方法、设备及存储介质
CN117133465B (zh) * 2023-10-26 2024-06-04 营动智能技术(山东)有限公司 一种慢性病康复治疗效果评价方法、设备及存储介质

Similar Documents

Publication Publication Date Title
CN110570946A (zh) 一种下肢康复机器人康复训练运动功能康复评价方法
CN104997523B (zh) 一种上肢康复机器人康复训练运动功能评价方法
US10004455B2 (en) Realtime biofeedback mechanism and data presentation for knee injury rehabilitation monitoring and a soft real time intelligent system thereof
Xiao et al. Motion estimation from surface electromyogram using adaboost regression and average feature values
Wang et al. Quantitative assessment of upper-limb motor function for post-stroke rehabilitation based on motor synergy analysis and multi-modality fusion
CN110322947A (zh) 一种基于深度学习的高血压老年人运动处方推荐方法
Karg et al. Human movement analysis as a measure for fatigue: A hidden Markov-based approach
Bonnefoy-Mazure et al. Identification of gait patterns in individuals with cerebral palsy using multiple correspondence analysis
Pan et al. Motor function assessment of upper limb in stroke patients
Zhang et al. Fuzzy inference system based automatic Brunnstrom stage classification for upper-extremity rehabilitation
CN112057040B (zh) 一种上肢运动功能康复评价方法
Maura et al. Literature review of stroke assessment for upper-extremity physical function via EEG, EMG, kinematic, and kinetic measurements and their reliability
Garza-Rodríguez et al. Pronation and supination analysis based on biomechanical signals from Parkinson’s disease patients
Malik et al. An intelligent recovery progress evaluation system for ACL reconstructed subjects using integrated 3-D kinematics and EMG features
CN115497626A (zh) 基于关节点识别的身体健康评估方法
CN110801231A (zh) 一种针对膝关节炎患者关节功能的交互式评价方法
Dutta et al. Bayesian network aided grasp and grip efficiency estimation using a smart data glove for post-stroke diagnosis
CN113974612B (zh) 一种卒中患者上肢运动功能自动化评估方法与系统
Li et al. Quantitative assessment of hand motor function for post-stroke rehabilitation based on HAGCN and multimodality fusion
Wang et al. Quantitative elbow spasticity measurement based on muscle activation estimation using maximal voluntary contraction
Zhang et al. The design of a hemiplegic upper limb rehabilitation training system based on surface EMG signals
Li et al. Detection of muscle fatigue by fusion of agonist and synergistic muscle semg signals
Ibrahim et al. Fuzzy modelling of knee joint with genetic optimization
Guo et al. A novel fuzzy neural network-based rehabilitation stage classifying method for the upper limb rehabilitation robotic system
Li et al. Rehabilitation Evaluation of Upper Limb Motor Function for Stroke Patients Based on Belief Rule Base

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20191213

WW01 Invention patent application withdrawn after publication