CN113576476A - 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法 - Google Patents

基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法 Download PDF

Info

Publication number
CN113576476A
CN113576476A CN202110881562.1A CN202110881562A CN113576476A CN 113576476 A CN113576476 A CN 113576476A CN 202110881562 A CN202110881562 A CN 202110881562A CN 113576476 A CN113576476 A CN 113576476A
Authority
CN
China
Prior art keywords
muscle
signal
rehabilitation training
electromyographic
oxygen saturation
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
Application number
CN202110881562.1A
Other languages
English (en)
Inventor
汪勇波
罗威
白梁宇
李耀龙
谢晶
吕中盛
尹成宇
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110881562.1A priority Critical patent/CN113576476A/zh
Publication of CN113576476A publication Critical patent/CN113576476A/zh
Pending legal-status Critical Current

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
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A61B5/14552—Details of sensors specially adapted therefor
    • 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
    • A61B5/24—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]
    • A61B5/397—Analysis of electromyograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Power Engineering (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法，包括康复训练设备、实时信息采集模块、分析处理模块、显示模块、存储模块和智能云平台，所述康复训练设备用于对使用者进行康复训练；所述实时信息采集模块用于采集肌肉氧饱和度信号和肌电信号；所述分析处理模块用于处理采集到的肌肉氧饱和度信号和肌电信号；所述显示模块用于呈现使用者的康复训练过程；所述存储模块用于存储使用者的训练参数；所述智能云平台用于判断康复训练过程中特定区域肌肉激活度和肌肉疲劳度的激活状态，进而调整训练参数。本发明康复训练系统通过对肌肉氧饱和度和肌电信号的采集和分析，可以智能调节使用者的康复训练方案，以改善用户体验。

Description

基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法
技术领域
本发明涉及手术后肢体康复训练技术领域，具体涉及一种基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法。
背景技术
膝关节是人体下肢重要承重关节之一，但膝关节相对比较表浅，在遭遇外伤时，容易出现骨骼、韧带、软骨等结构的损伤。膝关节肌肉、韧带、骨骼发生损伤或者中枢神经系统损伤时，膝关节往往会因为长时间制动或废用而导致下肢肌肉挛缩、变形。在进行保守治疗或手术后康复时，一般要求患者膝关节稳定有利于患者受损结构的康复，但如果过于固定，又容易引起膝关节发生粘连，导致后期膝关节活动度减小，从而导致肌肉萎缩，严重影响患者生活和工作。
传统的康复设备虽然能够保护膝关节的稳定状态，但不能根据康复状态参数调整康复训练方法，甚至不能灵活的进行康复训练，长期佩戴后可能导致膝关节活动度下降和肌肉萎缩，萎缩的肌肉无力带动膝关节，从而使膝关节活动度愈加减小，造成二次损伤。长时间活动度下降甚至被动制动又可能导致血流动力学紊乱，严重者甚至形成血栓，使肌肉供血严重不足，加重肌肉萎缩，形成恶性循环。传统的康复训练方法主要是由人工或者借助简单器械带动患肢进行，主要依赖医护人员的主观经验或者通过让患者对各个康复训练模式进行逐一尝试，来确定进行哪种训练模式和训练强度。这种康复训练的效果并不太好。
目前，在临床康复训练过程中，常利用肌电信号来评估肌肉疲劳性、重症肌无力及肌萎缩等肌肉功能。肌电信号(Electromyography，EMG)检测是一种简单、无创、容易被受试者接受的肌电检测活动，可用于测试人体较大范围内的肌肉电信号，包括腹部肌肌电信号、盆底肌肌电信号等，并有助于反映运动过程中肌肉生理、生化等方面的改变。肌肉电刺激技术(简称EMS)是指通过脉冲电流代替由大脑发出的神经冲动，使肌肉产生收缩产生生理、生化变化。
细胞在一种叫做氧化磷酸化的过程中产生能量所需的氧气。血红蛋白是红细胞中的一种蛋白质，它结合氧分子从肺输送到所有组织，存在于两种状态，即氧合状态和脱氧状态。氧原饱和度(So2)是指氧合血红蛋白占总血红蛋白的百分比。肌肉氧合(Smo2)是这里用来表示肌肉中氧饱和度的术语。
肌肉在任何时候，尤其是运动时，都需要氧气来产生能量，因此SmO2是封装肌肉代谢状态的参数。具体来说，它描述了肌肉中存在多少氧气以及氧气消耗量何时超过供应量。血液中的乳酸堆积是肌肉处于无氧状态后氧缺乏的间接测量，因为无氧糖酵解会导致乳酸的排出，进入血液strcam。
为解决这一问题，需要在维持膝关节稳定的同时检测下肢肌肉氧饱和度和肌电信号，根据此来调整康复训练方法。因此，本发明提供了一种基于肌肉氧饱和度和肌电信号的康复训练监测系统。
发明内容
本发明的目的是为了针对上述技术问题，提供基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法，以解决用户在下肢康复训练过程中出现的对自身康复状态和肌肉状态难以进行客观量化评估以及难以进行个性化康复的问题。
为实现上述目的，本发明采用如下技术方案：
基于监测肌肉氧饱和度和肌电信号的康复训练系统，包括康复训练设备、实时信息采集模块、分析处理模块、显示模块、存储模块和智能云平台；
康复训练设备用于对使用者肌肉进行训练；
实时信息采集模块包括肌氧信号采集器和表面肌电仪，所述肌氧肌氧信号采集器用于采集肌肉氧饱和度信号，所述表面肌电仪用于采集肌电信号；
分析处理模块用于处理和分析实时信息采集模块所采集到的肌肉氧饱和度信号和肌电信号；
显示模块用于呈现使用者的康复训练过程；
存储模块用于存储使用者康复训练过程中康复训练设备的训练参数；
智能云平台用于接收分析处理模块的处理结果，判断康复训练过程中特定区域肌肉激活度和肌肉疲劳度的激活状态，并在肌肉激活度和肌肉疲劳度低于或高于正常范围时对康复训练设备的训练参数进行调整。
所述肌氧信号采集器包括多个光源发射器、与光源位置和数量相对应的近红外光源探头和控制器，所述光源发射器布置于使用者身体表面，用于发射光源射线；所述近红外光源探头用于接收光源所发出的光源射线；所述控制器与近红外光源探头耦合，用于接收近红外光源探头输出信号。
所述分析处理模块包括：电极片、肌电滤波模块、肌氧信号处理模块、微控制模块和通信模块，所述电极片贴于使用者待监测部位，电极片与肌电滤波模块相连，所述微控制模块分别与肌电滤波模块、肌氧信号处理模块与微控制模块连接；
所述电极片用于将采集的肌电信号传输至肌电滤波模块；
所述肌电滤波模块用于过滤肌电信号的噪声；
所述肌电信号处理模块放大肌电信号，去除接肌电信号的工频噪声，并对去除工频干扰之后的肌电信号进行时域特征与频域特征提取分析；
所述通信模块用于康复训练设备与智能云平台间的通信连接。
一种基于监测肌肉氧饱和度和肌电信号的康复训练方法，包括以下步骤：
步骤1.预先设定康复训练设备的阻力系数和训练时间，并在智能云平台中设置肌肉疲劳度训练阈值T1和肌肉激活度训练阈值T2；
步骤2.将肌氧信号采集器的光源发射器和近红外光源探头布置于使用者下肢和下肢训练支具上，采集使用者下肢肌肉的血氧饱和度和肌电信号；
步骤3.对采集的肌肉氧饱和度信号和肌电信号进行处理，确定使用者的肌肉疲劳度P，如果肌肉疲劳度P＞肌肉疲劳度训练阈值T1，执行步骤7，如果肌肉疲劳度P＜肌肉疲劳度训练阈值T1，执行步骤4；
步骤4.对训练系统采集的肌肉氧饱和度信号和肌电信号进行处理，确定使用者的肌肉激活度F，如果肌肉激活度F＞肌肉激活度训练阈值T2，执行步骤5，如果肌肉激活度F＜肌肉激活度训练阈值T2，执行步骤6；
步骤5.降低阻力系数、训练时间保持不变，然后执行步骤3；
步骤6.提高阻力系数、增加训练时间，然后执行步骤3；
步骤7.结束训练。
具体地，对肌肉氧饱和度信号的处理过程如下：
1)使用复数域的Morlet小波对每个通道的肌氧浓度信号进行小波分析：
将数学分析函数ψ(t)定义为
Figure BDA0003192184340000041
上式中：s——尺度因子；
t0——当前时间位置参数；
2)根据尺度因子s，计算小波频率f：
Figure BDA0003192184340000042
上式中：fc——小波变换中心频率，取1Hz；
δt——设定的采样周期；
f——小波频率；
为使肌氧信号采集器能满足基本的采样需求，采样频率设置为400Hz，对应的δt为0.005s；
3)肌氧饱和度信号通过小波变换得到小波系数：
Figure BDA0003192184340000051
上式中：m(t)——经过滤波处理的肌氧饱和度信号时间序列；
t——时间参数；
G(f,t)——小波系数；
4)对所得小波系数进行时域均值运算得到小波系数频域均值，最后在频域上对所述小波系数频域均值积分得到小波幅值E：
Figure BDA0003192184340000052
上式中：n——采样点数；
tn——是时间序列；
5)确定肌肉激活度指标R：
R＝1/4(E1+E2+…+En) (5)。
具体地，对肌电信号的处理过程如下：
1)肌电信号的时域特征包括积分肌电值IEMG和均方根值RMS；
对积分肌电值IEMG定义式如下：
Figure BDA0003192184340000053
上式中：EMG(t)——去除工频干扰之后的肌电信号；
IEMG——(t-t+T)时间段内肌电信号曲线与时间轴所包围的面积总和；
对均方根值RMS定义式如下；
Figure BDA0003192184340000061
上式中：OMEi——原始肌电信号；
TCi——时间窗的长度；
RMS——肌电信号振幅的平均值的变化；
2)肌电信号的频域特征是将其时域信号通过傅里叶变换转变为频域信号频域特征，包括平均功率频率和中值频率；
对平均功率频率定义如下：
Figure BDA0003192184340000062
对中位频率MF定义式如下:
Figure BDA0003192184340000063
上式中：PS(f)——肌电信号的频谱；
f是肌电信号频率；
f1和f2表示肌电信号的频率范围；
3)根据以上肌电信号特征，建立肌肉激活度和肌肉疲劳度指标如下:
ENA＝C1×IEMG+C2×RMS (10)
TIR＝D1×fPM+D2×fM (11)
上式中：ENA——肌肉激活度；TIR——肌肉疲劳度；
IEMG——肌电积分值；
RMS——均方根值；
fPM——平均功率频率；
fM——中位频率；
C1、C2、D1、D2分别是IEMG、RMS、fPM和fM的权重。
本发明的有益效果为：
1、本发明一种基于肌肉氧饱和度和肌电信号的康复训练监测系统，实现了肌肉氧饱和度和肌电信号的采集、分析和适应，也可以智能化生成治疗方案，改善了用户体验；
2、本发明一种基于肌肉氧饱和度和肌电信号的康复训练监测系统，通过实时信息采集模块采集用户康复过程中肌肉的肌氧、肌电特征指标，并据此实施个性化康复训练方案，提升用户康复效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图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为本发明基于监测肌肉氧饱和度和肌电信号的康复训练系统结构示意图。
图2为本发明基于监测肌肉氧饱和度和肌电信号的康复训练方法流程示意图；
图3为本发明实施例中肌氧信号采集器在使用者下肢的布置位置示意图；
图4为本发明实施例中肌氧信号采集器在下肢训练支具上的布置位置示意图；
图5为本发明实施例中肌肉氧饱和度信号处理流程示意图；
图6为本发明实施例中肌电信号处理流程示意图；
图中的附图标记及说明：1、肌氧信号采集器；2、光源发射器；3、近红外光源探头。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
实施例：参见图1-图6。
如图1所示，一种基于监测肌肉氧饱和度和肌电信号的康复训练系统，包括康复训练设备、实时信息采集模块、分析处理模块、显示模块、存储模块和智能云平台；
康复训练设备用于对使用者下肢肌肉进行训练；
实时信息采集模块包括肌氧信号采集器和表面肌电仪，所述肌氧肌氧信号采集器用于采集肌肉氧饱和度信号，所述表面肌电仪用于采集肌电信号；
分析处理模块用于处理和分析实时信息采集模块所采集到的肌肉氧饱和度信号和肌电信号；
显示模块用于呈现使用者的康复训练过程；
存储模块用于存储使用者康复训练过程中康复训练设备的训练参数；
智能云平台用于接收分析处理模块的处理结果，判断康复训练过程中特定区域肌肉激活度和肌肉疲劳度的激活状态，并在肌肉激活度和肌肉疲劳度低于或高于正常范围时对康复训练设备的训练参数进行调整。
具体地，本实施例中，根据以下方式确定肌肉激活度和疲劳度阈值：
肌肉激活度以及肌肉疲劳度的阈值T1、T2，通过使用者对每隔10日进行一次的康复评估进行确定；对使用者者分别进行不同康复训练模式下的肌肉氧饱和度和肌电信号的康复训练效果进行评估，计算得出不同康复训练模式下的肌肉激活度以及肌肉疲劳度的值，将不同训练模式下的肌肉激活度以及肌肉疲劳度的最大值作为未来10日康复训练的T1、T2的值。
所述肌氧信号采集器包括多个光源发射器、与光源位置和数量相对应的近红外光源探头和控制器，所述光源发射器布置于使用者身体表面，用于发射光源射线；所述近红外光源探头用于接收光源所发出的光源射线；所述控制器与近红外光源探头耦合，用于接收近红外光源探头输出信号。
所述分析处理模块包括：电极片、肌电滤波模块、肌氧信号处理模块、微控制模块和通信模块，所述电极片贴于使用者待监测部位，电极片与肌电滤波模块相连，所述微控制模块分别与肌电滤波模块、肌氧信号处理模块与微控制模块连接；
所述电极片用于将采集的肌电信号传输至肌电滤波模块；
所述肌电滤波模块用于过滤肌电信号的噪声；
所述肌电信号处理模块放大肌电信号，去除接肌电信号的工频噪声，并对去除工频干扰之后的肌电信号进行时域特征与频域特征提取分析；
所述通信模块用于康复训练设备与智能云平台间的通信连接。
如图2所示，一种基于监测肌肉氧饱和度和肌电信号的康复训练方法，包括以下步骤(以对下肢肌肉训练为例)：
步骤1.预先设定康复训练设备的阻力系数和训练时间，并在智能云平台中设置肌肉疲劳度训练阈值T1和肌肉激活度训练阈值T2；
步骤2.将肌氧信号采集器的光源发射器和近红外光源探头布置于使用者下肢和下肢训练支具上，获取使用者下肢肌肉的血氧饱和度和肌电信号，源发射器和近红外光源探头的布置位置如图3、图4所示；
步骤3.对采集的肌肉氧饱和度信号和肌电信号进行处理，确定使用者的肌肉疲劳度P，如果肌肉疲劳度P＞肌肉疲劳度训练阈值T1，执行步骤7，如果肌肉疲劳度P＜肌肉疲劳度训练阈值T1，执行步骤4；
步骤4.对训练系统采集的肌肉氧饱和度信号和肌电信号进行处理，确定使用者的肌肉激活度F，如果肌肉激活度F＞肌肉激活度训练阈值T2，执行步骤5，如果肌肉激活度F＜肌肉激活度训练阈值T2，执行步骤6；
步骤5.降低阻力系数、训练时间保持不变，然后执行步骤3；
步骤6.提高阻力系数、增加训练时间，然后执行步骤3；
步骤7.结束训练。
具体地，如图5所示，对肌肉氧饱和度信号的处理过程如下：
1)使用复数域的Morlet小波对每个通道的肌氧浓度信号进行小波分析：
将数学分析函数ψ(t)定义为
Figure BDA0003192184340000101
上式中：s——尺度因子；
t0——当前时间位置参数；
2)根据尺度因子s，计算小波频率f：
Figure BDA0003192184340000102
上式中：fc——小波变换中心频率，取1Hz；
δt——设定的采样周期；
f——小波频率；
为使肌氧信号采集器能满足基本的采样需求，采样频率设置为400Hz，对应的δt为0.005s；
3)肌氧饱和度信号通过小波变换得到小波系数：
Figure BDA0003192184340000111
上式中：m(t)——经过滤波处理的肌氧饱和度信号时间序列；
t——时间参数；
G(f,t)——小波系数；
4)对所得小波系数进行时域均值运算得到小波系数频域均值，最后在频域上对所述小波系数频域均值积分得到小波幅值E：
Figure BDA0003192184340000112
上式中：n——采样点数；
tn——是时间序列；
5)确定肌肉激活度指标R：
R＝1/4(E1+E2+…+En) (5)。
具体地，如图6所示，对肌电信号的处理过程如下：
1)肌电信号的时域特征包括积分肌电值IEMG和均方根值RMS；
对积分肌电值IEMG定义式如下：
Figure BDA0003192184340000113
上式中：EMG(t)——去除工频干扰之后的肌电信号；
IEMG——(t-t+T)时间段内肌电信号曲线与时间轴所包围的面积总和；
对均方根值RMS定义式如下；
Figure BDA0003192184340000114
上式中：OMEi——原始肌电信号；
TCi——时间窗的长度；
RMS——肌电信号振幅的平均值的变化；
2)肌电信号的频域特征是将其时域信号通过傅里叶变换转变为频域信号频域特征，包括平均功率频率和中值频率；
对平均功率频率定义如下：
Figure BDA0003192184340000121
对中位频率MF定义式如下:
Figure BDA0003192184340000122
上式中：PS(f)——肌电信号的频谱；
f是肌电信号频率；
f1和f2表示肌电信号的频率范围；
3)根据以上肌电信号特征，建立肌肉激活度和肌肉疲劳度指标如下:
ENA＝C1×IEMG+C2×RMS (10)
TIR＝D1×fPM+D2×fM (11)
上式中：ENA——肌肉激活度；TIR——肌肉疲劳度；
IEMG——肌电积分值；
RMS——均方根值；
fPM——平均功率频率；
fM——中位频率；
C1、C2、D1、D2分别是IEMG、RMS、fPM和fM的权重。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种基于监测肌肉氧饱和度和肌电信号的康复训练系统，包括康复训练设备、实时信息采集模块、分析处理模块、显示模块、存储模块和智能云平台，其特征在于：
所述康复训练设备用于对使用者肌肉进行训练；
所述实时信息采集模块包括肌氧信号采集器和表面肌电仪，所述肌氧肌氧信号采集器用于采集肌肉氧饱和度信号，所述表面肌电仪用于采集肌电信号；
所述分析处理模块用于处理和分析实时信息采集模块所采集到的肌肉氧饱和度信号和肌电信号；
所述显示模块用于呈现使用者的康复训练过程；
所述存储模块用于存储使用者康复训练过程中康复训练设备的训练参数；
所述智能云平台用于接收分析处理模块的处理结果，判断康复训练过程中特定区域肌肉激活度和肌肉疲劳度的激活状态，并在肌肉激活度和肌肉疲劳度低于或高于正常范围时对康复训练设备的训练参数进行调整。
2.根据权利要求1所述的一种基于监测肌肉氧饱和度和肌电信号的康复训练系统，其特征在于，所述肌氧信号采集器包括多个光源发射器、与光源位置和数量相对应的近红外光源探头和控制器，所述光源发射器布置于使用者身体表面，用于发射光源射线；所述近红外光源探头用于接收光源所发出的光源射线；所述控制器与近红外光源探头耦合，用于接收近红外光源探头输出信号。
3.根据权利要求1所述的一种基于监测肌肉氧饱和度和肌电信号的康复训练系统，其特征在于，所述分析处理模块包括：电极片、肌电滤波模块、肌氧信号处理模块、微控制模块和通信模块，所述电极片贴于使用者待监测部位，电极片与肌电滤波模块相连，所述微控制模块分别与肌电滤波模块、肌氧信号处理模块与微控制模块连接；
所述电极片用于将采集的肌电信号传输至肌电滤波模块；
所述肌电滤波模块用于过滤肌电信号的噪声；
所述肌电信号处理模块放大肌电信号，去除接肌电信号的工频噪声，并对去除工频干扰之后的肌电信号进行时域特征与频域特征提取分析；
所述通信模块用于康复训练设备与智能云平台间的通信连接。
4.一种基于监测肌肉氧饱和度和肌电信号的康复训练方法，其特征在于，包括以下步骤：
步骤1.预先设定康复训练设备的阻力系数和训练时间，并在智能云平台中设置肌肉疲劳度训练阈值T1和肌肉激活度训练阈值T2；
步骤2.将肌氧信号采集器的光源发射器和近红外光源探头布置于使用者下肢和下肢训练支具上，获取使用者下肢肌肉的血氧饱和度和肌电信号；
步骤3.对采集的肌肉氧饱和度信号和肌电信号进行处理，确定使用者的肌肉疲劳度P，如果肌肉疲劳度P＞肌肉疲劳度训练阈值T1，执行步骤7，如果肌肉疲劳度P＜肌肉疲劳度训练阈值T1，执行步骤4；
步骤4.对训练系统采集的肌肉氧饱和度信号和肌电信号进行处理，确定使用者的肌肉激活度F，如果肌肉激活度F＞肌肉激活度训练阈值T2，执行步骤5，如果肌肉激活度F＜肌肉激活度训练阈值T2，执行步骤6；
步骤5.降低阻力系数、训练时间保持不变，然后执行步骤3；
步骤6.提高阻力系数、增加训练时间，然后执行步骤3；
步骤7.结束训练。
5.根据权利要求4所述的一种基于监测肌肉氧饱和度和肌电信号的康复训练方法，其特征在于，对肌肉氧饱和度信号的处理过程如下：
1)使用复数域的Morlet小波对每个通道的肌氧浓度信号进行小波分析：
将数学分析函数ψ(t)定义为
Figure FDA0003192184330000031
上式中：s——尺度因子；
t0——当前时间位置参数；
2)根据尺度因子s，计算小波频率f：
Figure FDA0003192184330000032
上式中：fc——小波变换中心频率，取1Hz；
δt——设定的采样周期；
f——小波频率；
为使肌氧信号采集器能满足基本的采样需求，采样频率设置为400Hz，对应的δt为0.005s；
3)肌氧饱和度信号通过小波变换得到小波系数：
Figure FDA0003192184330000033
上式中：m(t)——经过滤波处理的肌氧饱和度信号时间序列；
t——时间参数；
G(f,t)——小波系数；
4)对所得小波系数进行时域均值运算得到小波系数频域均值，最后在频域上对所述小波系数频域均值积分得到小波幅值E：
Figure FDA0003192184330000034
上式中：n——采样点数；
tn——是时间序列；
5)确定肌肉激活度指标R：
R＝1/4(E1+E2+…+En) (5)。
6.根据权利要求4所述的一种基于监测肌肉氧饱和度和肌电信号的康复训练方法，其特征在于，对肌电信号的处理过程如下：
1)肌电信号的时域特征包括积分肌电值IEMG和均方根值RMS；
对积分肌电值IEMG定义式如下：
Figure FDA0003192184330000041
上式中：EMG(t)——去除工频干扰之后的肌电信号；
IEMG——(t-t+T)时间段内肌电信号曲线与时间轴所包围的面积总和；
对均方根值RMS定义式如下；
Figure FDA0003192184330000042
上式中：OMEi——原始肌电信号；
TCi——时间窗的长度；
RMS——肌电信号振幅的平均值的变化；
2)肌电信号的频域特征是将其时域信号通过傅里叶变换转变为频域信号频域特征，包括平均功率频率和中值频率；
对平均功率频率定义如下：
Figure FDA0003192184330000043
对中位频率MF定义式如下:
Figure FDA0003192184330000044
上式中：PS(f)——肌电信号的频谱；
f是肌电信号频率；
f1和f2表示肌电信号的频率范围；
3)根据以上肌电信号特征，建立肌肉激活度和肌肉疲劳度指标如下:
ENA＝C1×IEMG+C2×RMS (10)
TIR＝D1×fPM+D2×fM (11)
上式中：ENA——肌肉激活度；TIR——肌肉疲劳度；
IEMG——肌电积分值；
RMS——均方根值；
fPM——平均功率频率；
fM——中位频率；
C1、C2、D1、D2分别是IEMG、RMS、fPM和fM的权重。
CN202110881562.1A 2021-08-02 2021-08-02 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法 Pending CN113576476A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110881562.1A CN113576476A (zh) 2021-08-02 2021-08-02 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110881562.1A CN113576476A (zh) 2021-08-02 2021-08-02 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法

Publications (1)

Publication Number Publication Date
CN113576476A true CN113576476A (zh) 2021-11-02

Family

ID=78253851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110881562.1A Pending CN113576476A (zh) 2021-08-02 2021-08-02 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法

Country Status (1)

Country Link
CN (1) CN113576476A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114271836A (zh) * 2022-01-25 2022-04-05 合肥学院 一种基于小波变换的智能肌电检测处理方法及装置
CN114403904A (zh) * 2021-12-31 2022-04-29 北京津发科技股份有限公司 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
CN115177274A (zh) * 2022-08-03 2022-10-14 浙江大学 盆底肌重点肌群与协同肌群协调性与易疲劳度的评估装置
CN117138233A (zh) * 2023-08-29 2023-12-01 深圳市宏强兴电子有限公司 一种基于数据采集的中低频理疗仪控制方法及其系统
WO2024031851A1 (zh) * 2022-08-10 2024-02-15 中国科学院深圳先进技术研究院 用于外周神经的神经血管耦合分析方法、装置及电子设备
CN117562560A (zh) * 2023-11-20 2024-02-20 北京宜善医学科技有限公司 一种康复训练中的运动效果评估方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130030259A1 (en) * 2009-12-23 2013-01-31 Delta, Dansk Elektronik, Lys Og Akustik Monitoring system
CN109077725A (zh) * 2018-08-09 2018-12-25 江汉大学 一种肌肉疲劳度检测装置
CN109091143A (zh) * 2018-08-09 2018-12-28 江汉大学 一种穿戴设备
CN109833040A (zh) * 2019-01-31 2019-06-04 中国医学科学院生物医学工程研究所 基于光电联合检测的人体运动能力评估装置及其评估方法
CN109846480A (zh) * 2018-08-09 2019-06-07 江汉大学 一种检测肌肉综合性疲劳度的方法、装置及存储介质
CN112932474A (zh) * 2021-01-26 2021-06-11 国家康复辅具研究中心 基于脑血氧和肌电信号的康复训练方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130030259A1 (en) * 2009-12-23 2013-01-31 Delta, Dansk Elektronik, Lys Og Akustik Monitoring system
CN109077725A (zh) * 2018-08-09 2018-12-25 江汉大学 一种肌肉疲劳度检测装置
CN109091143A (zh) * 2018-08-09 2018-12-28 江汉大学 一种穿戴设备
CN109846480A (zh) * 2018-08-09 2019-06-07 江汉大学 一种检测肌肉综合性疲劳度的方法、装置及存储介质
CN109833040A (zh) * 2019-01-31 2019-06-04 中国医学科学院生物医学工程研究所 基于光电联合检测的人体运动能力评估装置及其评估方法
CN112932474A (zh) * 2021-01-26 2021-06-11 国家康复辅具研究中心 基于脑血氧和肌电信号的康复训练方法及系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114403904A (zh) * 2021-12-31 2022-04-29 北京津发科技股份有限公司 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
CN114403904B (zh) * 2021-12-31 2023-01-13 北京津发科技股份有限公司 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
WO2023123864A1 (zh) * 2021-12-31 2023-07-06 北京津发科技股份有限公司 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置
CN114271836A (zh) * 2022-01-25 2022-04-05 合肥学院 一种基于小波变换的智能肌电检测处理方法及装置
CN114271836B (zh) * 2022-01-25 2023-08-29 合肥学院 一种基于小波变换的智能肌电检测处理方法及装置
CN115177274A (zh) * 2022-08-03 2022-10-14 浙江大学 盆底肌重点肌群与协同肌群协调性与易疲劳度的评估装置
WO2024031851A1 (zh) * 2022-08-10 2024-02-15 中国科学院深圳先进技术研究院 用于外周神经的神经血管耦合分析方法、装置及电子设备
CN117138233A (zh) * 2023-08-29 2023-12-01 深圳市宏强兴电子有限公司 一种基于数据采集的中低频理疗仪控制方法及其系统
CN117562560A (zh) * 2023-11-20 2024-02-20 北京宜善医学科技有限公司 一种康复训练中的运动效果评估方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN113576476A (zh) 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法
CN105054927B (zh) 一种下肢康复系统中主动参与度的生物量化评估方法
CN109157202B (zh) 一种基于多生理信号深度融合的心血管疾病预警系统
CN103860180B (zh) 在心肺复苏（cpr）过程中实时识别自主循环恢复（rosc）
CN204931634U (zh) 基于生理信息的抑郁症评估系统
CN113229831B (zh) 基于肌电和肌氧信号的运动功能监测管理方法
CN104055496B (zh) 一种基于心源性信号的运动负荷水平的估计方法
CN108113660B (zh) 一种便携式多生物信号放大器
Yochum et al. Estimation of muscular fatigue under electromyostimulation using CWT
CN105125186B (zh) 一种确定干预治疗方式的方法及系统
CN114648040A (zh) 生命体征多生理信号提取、融合分析方法
CN115607802A (zh) 一种自主神经功能调节及干预的方法、系统和装置
CN113925465B (zh) 一种基于肌氧反馈信息的康复训练评估方法及系统
Yochum et al. A mixed FES/EMG system for real time analysis of muscular fatigue
Herle Movement intention detection from SEMG signals using time-domain features and discriminant analysis classifiers
CN107569215A (zh) 一种无创肝功能多参数测量装置与检测方法
Coupaud et al. Arm-cranking exercise assisted by Functional Electrical Stimulation in C6 tetraplegia: A pilot study
Yousif et al. Assessment of muscles fatigue during 400-meters running strategies based on the surface EMG signals
CN213249040U (zh) 人体健康信息检测评估系统
Gamet et al. Reproducibility of kinetics of electromyogram spectrum parameters during dynamic exercise
CN208659382U (zh) 一种带有血氧监测功能的肌松监测仪
CN214343970U (zh) 基于光电神经调控技术的脊髓损伤修复装置
CN113694376A (zh) 一种自反馈理疗仪及其工作方法
CN111544289A (zh) 一种脑电反馈智能眼部理疗仪
Song et al. Design of a Wireless Distributed Real-time Muscle Fatigue Detection System

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