CN115177215A - 用于外周神经的神经血管耦合分析方法、装置及电子设备 - Google Patents
用于外周神经的神经血管耦合分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115177215A CN115177215A CN202210954315.4A CN202210954315A CN115177215A CN 115177215 A CN115177215 A CN 115177215A CN 202210954315 A CN202210954315 A CN 202210954315A CN 115177215 A CN115177215 A CN 115177215A
- Authority
- CN
- China
- Prior art keywords
- signal
- myooxygen
- muscle
- motor
- target
- 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
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
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4519—Muscles
-
- 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
- A61B5/14542—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 for measuring blood gases
-
- 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
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for 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]
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Optics & Photonics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Rheumatology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了用于外周神经的神经血管耦合分析方法、装置及电子设备。方法包括:接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性;基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果。本实施例提供的方法通过利用对肌氧信号时间和空间响应特性的分析,实现了用于外周神经的神经血管的耦合功能评估,简化了外周神经的神经血管的耦合功能评估难度。
Description
技术领域
本发明涉及神经血管耦合性检测技术领域,尤其涉及用于外周神经的神经血管耦合分析方法、装置及电子设备。
背景技术
神经血管耦合功能反映了神经供给系统功能的高低,对维持神经持续活动非常必要。
目前,神经血管耦合功能检测大多用于脑神经评估神经血管耦合功能,如,采用脑电信号测试、经颅多普勒测试等。但外周神经直径不足1毫米,且包埋在外周组织之中,导致外周神经定位困难,无法利用脑神经神经血管耦合功能评估的方式进行外周神经的神经血管耦合功能评估。
发明内容
本发明提供了一种用于外周神经的神经血管耦合分析方法、装置及电子设备,以解决外周神经定位困难,导致外周神经的神经血管耦合功能评估难以实现的技术问题。
根据本发明的一方面,提供了一种用于外周神经的神经血管耦合分析方法,该方法包括:
接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;
根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性;
基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果。
根据本发明的另一方面,提供了一种用于外周神经的神经血管耦合分析装置,其特征在于,包括:
肌氧信号接收模块,用于接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;
肌氧响应特性模块,用于根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性;
神经血管耦合分析模块,用于基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的用于外周神经的神经血管耦合分析方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的用于外周神经的神经血管耦合分析方法。
本发明实施例的技术方案,通过接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数;基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。本实施例提供的方法通过利用对肌氧信号时间和空间响应特性的分析,实现了用于外周神经的神经血管的耦合功能评估,简化了外周神经的神经血管的耦合功能评估难度。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明实施例一提供的一种用于外周神经的神经血管耦合分析方法的流程图;
图2是本发明实施例二提供的一种用于外周神经的神经血管耦合分析方法的流程图;
图3是本发明实施例三提供的多通道电极和光极的空间排布是示意图;
图4是本发明实施例三提供的sEMG和NIRS信号特征提取及图像重建的流程图;
图5是本发明实施例三提供的计算ROI区域内肌氧信号时间响应特性的示意图;
图6是本发明实施例三提供的运动神经肌肉血管耦合功能评估方法流程图;
图7是本发明实施例四提供的一种用于外周神经的神经血管耦合分析装置的结构示意图;
图8是本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种用于外周神经的神经血管耦合分析方法的流程图,该系统可以用于神经血管的耦合分析的情况,该方法可以由用于外周神经的神经血管耦合分析装置来执行,该用于外周神经的神经血管耦合分析装置可以采用硬件和/或软件的形式实现,该用于外周神经的神经血管耦合分析装置可配置于检测设备中。如图1所示,该方法包括:
S110、接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号。
外周神经包埋在外周组织之中,且直径不足1毫米,对外周神经血管耦合功能评估时,很难无创地定位外周神经位置。外周神经中的运动神经兴奋时,可以支配肌肉收缩,将神经肌肉作为整体,可以通过检测运动神经支配肌肉的电生理活动和血氧状况间接评估运动神经肌肉血管的功能耦合情况。
在本实施例中,可以将外周神经对应的肌肉作为目标检测肌肉,通过被检测对象执行运动任务,触发目标肌肉运动,通过血氧信号采集装置采集目标检测肌肉在运动状态的运动肌氧信号,并将采集的运动肌氧信号发送至用于外周神经的神经血管耦合分析装置,用于外周神经的神经血管耦合分析装置基于接收到的运动肌氧信号对肌肉血管的耦合功能进行评估,从而实现肌肉血管的耦合功能评估。
肌氧信号一般是指可以表示肌肉毛细血管中血氧饱和度的信号,即在肌肉毛细血管中,血液中被氧结合的血红蛋白容量占全部可结合血红蛋白总量的百分比。血氧信号可以理解为表示血氧饱和度的信号,即血液中被氧结合的血红蛋白容量占全部可结合血红蛋白总量的百分比。肌肉运动时,肌肉毛细血管中血氧饱和度随之改变。
可以通过血氧信号采集装置采集肌肉运动状态时的肌氧信号,将采集的肌氧信号发送给用于外周神经的神经血管耦合分析装置,其中,血氧信号采集装置可以贴附在目标检测肌肉的表面。示例性的,血氧信号采集装置可以是智能手环、光-电电极等,可以将采集的肌氧信号通过蓝牙、无线等传输方式传送到神经血管耦合分析装置。
一个实现方式中,血氧信号采集装置通过光-电电极的方式实现。光-电电极可以包括光源和探测器,在进行血氧信号采集时,控制光源发射双波长近红外光,通过探测器探测出射光信号,基于入射光信号和出射光信号能够确定测人体表面组织对近红外光的吸收光度,从而确定血氧饱和度。
S120、根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数。
接收到运动肌氧信号后,对接收到的肌氧信号进行处理,结合运动状态的状态时间信息确定运动肌氧信号的肌氧信号时间响应特性参数,从而确定肌肉血管的耦合功能评估结果。
可选的,肌氧信号时间响应特性参数可以是血氧饱和度等相关参数,可以绘制肌氧信号时间响应特性参数随时间变化的肌氧信号时间响应特性曲线,基于肌氧信号时间响应特性曲线确定目标检测肌肉的外周神经的肌肉血管耦合分析结果,例如,肌肉运动时,将得到肌氧信号时间响应特性曲线与标准的肌氧信号时间响应特性曲线比对,当两个曲线的曲线差值越大时,表示肌肉血管的耦合性越差。
可选的,根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数,包括:确定所述运动肌氧信号与所述状态时间信息关联的目标血红蛋白浓度变化信息;基于所述目标血红蛋白浓度变化信息确定所述运动肌氧信号的响应恢复参数,将所述响应恢复参数作为所述肌氧信号时间响应特性参数。
其中,目标血红蛋白浓度变化信息为含氧血红蛋白浓度变化信息、脱氧血红蛋白浓度变化信息和总血红蛋白浓度变化信息中的至少一种。可以根据实际需求选择上述浓度变化信息中的至少一种作为目标血红蛋白浓度变化信息。
肌氧信号时间响应特性参数可以表征运动状态时肌氧信号随时间的变化。可以先基于运动肌氧信号确定其对应的目标血红蛋白浓度,根据目标血红蛋白浓度变化信息确定运动肌氧信号的响应恢复参数。可以理解的是,运动肌氧信号是随时间变化的信号,因此基于运动肌氧信号确定的目标血红蛋白浓度也是随时间变化的,可以直接通过目标血红蛋白浓度在运动时间段内的变化信息作为与状态时间信息关联的目标血红蛋白浓度变化信息,基于目标血红蛋白浓度变化信息确定运动肌氧信号的响应恢复参数作为肌氧信号时间响应特性参数。
一个实现方式中,可以通过近红外光谱技术(NIRS),使用双波长近红外光照射组织,由于组织内含氧血红素和脱氧血红素吸收光谱的不同,检测到的出射光强不同,可以将检测到的光强信号作为运动肌氧信号,根据出射光强解析出组织内含氧血红蛋白、脱氧血红蛋白和总血红蛋白的浓度变化。具体的,可以根据入射光强值、出射光强值得到光密度值,其中,光密度值=log(入射光强值/出射光强值),根据比尔郎伯定律得到光密度值与光学路径长度的关系,其中,“入射光密度值1=(含氧血红蛋白摩尔消光系数1×含氧血红蛋白浓度变化值+脱氧血红蛋白摩尔消光系数1×脱氧血红蛋白浓度变化值)×光学路径长度×差分路径因子”,“入射光密度值2=(含氧血红蛋白摩尔消光系数2×含氧血红蛋白浓度变化值+脱氧血红蛋白摩尔消光系数2×脱氧血红蛋白浓度变化值)×光学路径长度×差分路径因子”,“总血红蛋白浓度变化值=脱氧血红蛋白浓度变化值+含氧血红蛋白浓度变化值”。
响应恢复参数的参数值能够表征运动状态下肌氧信号的运动响应状态和运动恢复状态,进而表征运动状态下肌肉血管的运动响应状态和运动恢复状态。可选的,可以基于响应恢复参数的参数值确定肌肉血管的耦合状态。示例性的,当响应恢复参数的参数值满足设定值时,可以确定肌肉血管的耦合性神经血管耦合性满足相应要求。
一个实现方式中,响应恢复参数可以包括响应时间、响应幅度、恢复时间和恢复幅度表示,当响应时间越短、响应幅度越高时,可以判定肌肉血管的耦合性较好;当恢复时间越长、恢复幅值越大时,可以判定肌肉血管的耦合性较差,反之,当恢复时间越短、恢复幅值越小时,肌肉血管的耦合性较强。
一个实现方式中,状态时间信息可以基于运动任务下达时间确定。可以通过下达执行任务以使检测对象控制目标肌肉运动。为了简化检测复杂度,可以直接基于任务下达时间和任务结束时间确定状态时间信息。
一个实现方式中,状态时间信息还可以通过测量目标检测肌肉的肌电信号确定。基于此,在根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数之前,还包括:接收表面肌电采集装置采集的所述目标检测肌肉在运动状态的运动肌电信号,其中,所述表面肌电采集装置包括单通道电极,所述单通道电极贴附于所述目标肌肉表面;根据所述运动肌电信号确定所述运动状态的状态时间信息。
可以理解的是,当肌肉运动时肌电信号会发生变化,因此可以通过目标检测肌肉的运动肌电信号确定运动状态的状态时间信息。示例性的,可以将肌电采集装置贴附在目标检测肌肉表面,采集目标检测肌肉的肌电信号作为运动肌电信号,将采集的运动肌电信号发送至用于外周神经的神经血管耦合分析装置。用于外周神经的神经血管耦合分析装置接收表面肌电装置采集的运动肌电信号,根据运动肌电信号确定运动状态的状态时间信息。例如,运动肌电信号可以是表示为一组随时间变化的数据,可以处理成用肌电信号表示运动状态的时间函数,可以确定肌肉运动状态与时间的关系。基于运动肌电信号确定运动开始时间和运动结束时间,结合运动肌氧信号,可以得到各时间点对应的肌氧信号值,根据各时间点以及各时间点对应的肌氧信号值得到肌氧信号的时间曲线。
基于运动肌电信号确定状态时间信息后,结合血氧信号采集装置采集的运动肌氧信号确定运动肌氧信号的时间响应过程,实现肌肉血管的耦合功能分析,进而实现神经血管的耦合功能分析。
当采集的运动肌电信号仅用于确定运动状态的状态时间信息时,表面肌电采集装置可以为单通道电极,只要贴附在目标检测肌肉表面即可,对其与血氧信号采集装置的位置关系不做限定。其中,单通道电极可以理解为只有一个电极。
S130、基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。
在本实施例中,肌氧信号时间响应特性参数能够表征肌肉血管的在时间维度上的耦合性。神经血管的耦合性与肌肉血管的耦合性强相关。因此,可以直接将基于肌氧信号时间响应特性参数确定的肌肉血管的耦合分析结果作为神经血管的耦合分析结果。
一个实现方式中,当根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数,包括:确定所述运动肌氧信号与所述状态时间信息关联的目标血红蛋白浓度变化信息;基于所述目标血红蛋白浓度变化信息确定所述运动肌氧信号的响应恢复参数,将所述响应恢复参数作为所述肌氧信号时间响应特性参数时;所述基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果,包括:基于所述肌氧信号时间响应特性参数确定所述神经血管耦合分析的时间耦合特征分析结果。
神经血管的耦合分析可以分为时间耦合特征分析和空间耦合特征分析。肌氧信号时间响应特性参数可以表征肌氧信号随时间的变化,因此基于肌氧信号时间响应特性参数确定的目标外周神经的神经血管耦合分析结果为神经血管耦合分析的时间耦合特征分析结果。
本实施例的技术方案,通过接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性;基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果。本实施例提供的方法通过利用对肌氧信号时间和空间响应特性的分析,实现了用于外周神经的神经血管的耦合功能评估,简化了外周神经的神经血管的耦合功能评估难度。
实施例二
图2是本发明实施例二提供的一种用于外周神经的神经血管耦合分析方法的流程图,本实施例在上述实施例的基础上进行了进一步优化。如图2所示,该方法包括:
S210、接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号。
S220、根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数。
S230、基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。
S240、接收表面肌电采集装置采集的所述目标检测肌肉在运动状态的运动肌电信号。
在上述方案的基础上,通过多通道电极的表面肌电采集装置采集多通道的运动肌电信号,结合多通道的运动肌氧信号进行肌肉血管耦合的空间耦合特征分析,进而实现对神经血管耦合的空间耦合特征分析。
在本实施例中,所述表面肌电采集装置包括多通道电极,所述多通道电极贴附于所述目标肌肉表面,所述多通道电极中的每个通道的电极的中心位置与所述血氧信号采集装置中关联通道的采集装置的中心位置重合。多通道电极中的每个通道的电极的中心位置与所述血氧信号采集装置中关联通道的采集装置的中心位置重合能够保证肌氧信号和肌电信号位置一致,将血氧信号采集装置设置在相应通道电极之间,多通道电极中的每一个通道电极对应一个血氧信号采集装置。
其中,多通道电极可以是多个电极,即表面肌电采集装置包括多个电极,将多通道电极贴附于目标肌肉表面。通过多通道电极检测目标检测肌肉在运动状态时的运动肌电信号,将检测到的运动肌电信号发送到用于外周神经的神经血管耦合分析装置。
S250、针对每个通道,根据所述通道对应的运动肌电信号生成神经肌电特征图像,根据所述通道对应的运动肌氧信号生成神经肌氧特征图像,基于所述神经肌电特征图像和所述神经肌氧特征图像确定神经血管相关参数。
本实施例中,针对每个通道,结合运动肌氧信号和多通道的运动肌电信号可以实现肌肉血管的空间耦合特征分析。当肌肉血管耦合性强时,在运动状态运动肌氧变化的位置和运动肌电变化的位置基本一致。基于此,可以通过运动时肌电特征图像和肌氧特征图像的相关性判断肌肉血管的耦合程度。可选的,可以通过计算二维相关系数、对比激活面积、对比激活位置等方法判断肌电特征图像和肌氧特征图像的相关性。例如,通过对比激活面积判断肌电特征图像和肌氧特征图像的相关性,当肌电特征图像激活面积与肌氧特征图像激活面积的差值越小时,相关性越大;通过对比激活位置判断肌电特征图像和肌氧特征图像的相关性,可以将中心位置作为参考点,当肌电特征图像激活位置与肌氧特征图像激活位置的距离越小时,相关性越大。
本实施例中,可以通过多通道电极中的每一个通道的电极获取运动肌电信号,将获取的运动肌电信号生成神经肌电特征图像,以及根据接收到的运动肌氧信号生成神经肌氧特征图像。神经肌电特征图像可以是表征肌电信号在时间或空间上的响应情况,可以用二维图像表示,肌电特征图像中横纵坐标表示电荷的分布位置,像素点的像素值表示肌电特征值;神经肌氧特征图像可以是表征肌氧信号在时间或空间上的响应情况,可以用二维图像表示,神经肌氧特征图像横纵坐标表示肌氧信号分布位置,像素点像素值表示目标血红蛋白浓度值。基于神经肌电特征图像和神经肌氧特征图像之间的相关性可以确定肌肉血管的耦合性,进而可以确定神经血管的耦合性。可选的,可以通过上述实施例中计算二维相关系数、对比激活面积、对比激活位置等方法确定神经肌电特征图像和神经肌氧特征图像之间的相关性。以通过二维相关系数确定图像相关性的方法为例,可以采用二维相关性分析方法、皮尔逊相关性分析方法等获取相关系数,根据计算的相关参数确定肌肉血管的的耦合功能分析,进而确定神经血管耦合分析的空间耦合特征分析结果,其中相关系数与神经血管耦合性成正比,相关系数值越大,神经血管耦合性越强。
可选的,所述根据所述通道对应的运动肌电信号生成神经肌电特征图像,根据所述通道对应的运动肌氧信号生成神经肌氧特征图像,包括:对所述运动肌电信号进行特征提取得到肌电特征信号,基于所述肌电特征信号进行插值处理,得到所述神经肌电特征图像;基于所述运动肌氧信号解析得到肌氧特征信号,基于所述肌氧特征信号进行插值处理,得到所述神经肌氧特征图像。
本实施例中,特征提取可以是对某一模式的组测量值进行变换以突出该模式具有代表性特征的一种方法,对肌电信号进行特征提取,可以得到具有代表性的肌电特征信号,对肌氧信号进行特征提取,可以得到具有代表性的肌氧特征信号。例如,对肌电信号进行特征提取时,可以通过信号特征的时域提取方法进行特征提取,包括,均方根、积分值、平均值、标准差等;可以通过信号特征的频域提取方法进行特征提取,包括,平均频率、中值频率等。插值处理可以是在已知基准情况下,估算出基准数据之间替他数据,可以使得数据曲线更加平滑或使得图像的像素值更高,基于肌电特征信号进行插值处理,可以得到更多位置的肌电特征信号,基于肌电特征信号可以构建出神经肌电特征图像;同理,基于肌氧特征信号进行插值处理,可以得到神经肌氧特征图像。
需要说明的是,对肌电信号以及肌氧信号的特征提取可以提取出不同类型的特征,可以基于任一特征生成对应的图像。以肌电信号为例,可以提取出对应的时域特征和频域特征,可以基于时域特征生成作为神经肌电特征图像,或基于频域特征生成神经肌电特征图像。
可选的,可以对原始信号进行滤波,去除生理和系统噪音、运动干扰等。其中,对肌电信号的处理包括空间滤波和特征提取,例如,空间滤波包括了对多通道肌电信号的差分组合,由原始单极信号获取诸如双差分信号,四差分信号、拉普拉斯信号,减少空间串扰。对肌氧信号的处理可以参考上述实施例中的方法,基于肌氧信号值计算得到红蛋白浓度值。
可选的,所述基于所述神经肌电特征图像和所述神经肌氧特征图像确定神经血管相关参数,包括:对所述神经肌电特征图像的原始肌电图像矩阵进行归一化处理,得到目标肌电图像矩阵;对所述神经肌氧特征图像的原始肌氧图像矩阵进行归一化处理,得到目标肌氧图像矩阵;确定所述目标肌电图像矩阵和所述目标肌氧图像矩阵的目标相关系数,将所述目标相关系数作为所述神经血管相关参数。
本实施例中,肌电图像矩阵中的肌电特征信号可以是电压、电流等参数,肌氧图像矩阵中的肌氧特征信号可以是血氧浓度等,由此可见两个图像矩阵中的数据量纲不同,为了保证数据处理准确性,需要对肌电图像矩阵中的肌电特征信号、以及肌氧图像矩阵中的肌氧特征信号进行归一化处理。例如,对肌电图像矩阵中的肌电特征信号进行归一化处理时,可以将肌电特征信号中的最大值作为参考值,归一化后的肌电特征信号可以用原来数值与参考值的比值表示,此时,得到目标肌电图像矩阵;对肌氧图像矩阵中的肌氧特征信号进行归一化处理时,可以将肌氧特征信号中的最大值作为参考值,归一化后的肌氧特征信号可以用原来数值与参考值的比值表示,此时,得到目标肌氧图像矩阵。基于目标肌电图像矩阵和目标肌氧图像矩阵计算目标相关系数,将所述目标相关系数作为神经血管相关参数。相应的,目标相关系数可以按照上述实施例中的二维相关性分析方法、皮尔逊相关性分析方法等计算得到。
S260、基于各通道的神经血管相关参数确定所述神经血管耦合分析的空间耦合特征分析结果。
本实施例的技术方案,通过在上述实施例的基础上增加获取多通道的肌电采集装置采集的多通道运动肌电信号,针对每个通道,根据所述通道对应的运动肌电信号生成神经肌电特征图像,根据所述通道对应的运动肌氧信号生成神经肌氧特征图像,基于所述神经肌电特征图像和所述神经肌氧特征图像确定神经血管相关参数;基于各通道的神经血管相关参数确定所述神经血管耦合分析的空间耦合特征分析结果。通过分析神经血管的空间耦合特征,可以获取神经血管响应的空间分布信息,更直观地展示出了神经血管耦合的特征。
实施例三
图3是本发明实施例三提供的多通道电极和光极的空间排布是示意图。在上述实施例的基础上,本发明实施例提供了一种用于外周神经的神经血管耦合分析方法的优选示例,该方法包括:sEMG信号和NIRS信号的同步、同位采集,按照一定的实验范式采集sEMG和NIRS信号,sEMG和NIRS信号特征提取及图像重建,sEMG和NIRS图像空间相关性计算,以及肌氧信号时间响应特性计算。
(1)sEMG信号和NIRS信号的同步、同位采集
本实施例采用多通道表面肌电(sEMG)采集神经肌肉电信号,用近红外光谱技术(NIRS)采集神经肌肉血氧信号。多通道sEMG电极数量多,排列紧密,因此可得到二维的肌电分布信号。NIRS技术使用双波长近红外光照射组织,由于组织内含氧血红素和脱氧血红素吸收光谱的不同,可根据出射光强解析出组织内含氧血红蛋白(HbO2)、脱氧血红蛋白(Hb)和总血红蛋白(tHb)的浓度变化。多通道的NIRS光极(包括光源和探测器)紧密排列,可得到二维的肌氧分布信号。NIRS的检测通道位于一对光极(一对光源和探测器)之间,而表面肌电检测通道位于电极下方,光信号和电信号不会互相干扰,因此,在一对光极之间布置表面肌电电极,实现电信号和血氧信号的同位采集。为肌电信号和肌氧信号设置同步触发,实现两种生理信号的同步采集。
可以按照一定的实验范式采集sEMG和NIRS信号。不同受试者的力量大小不同,因此本实施例按最大收缩力(MVC)的比例量化运动刺激强度。实验中,受试者需先尽最大力量执行运动任务,连续重复5次,取所测5次力量的平均值作为MVC。然后,按10%MVC、30%MVC、50%MVC、70%MVC的强度递增运动强度,检测不同运动刺激强度下的肌电信号和血氧信号变化。任务时长应充分考虑能否引起受试者的肌氧信号变化及受试者的耐力极限。肌氧信号是慢变信号,因此,任务时长应至少在1s以上。运动刺激任务包含多个试次,两试次之间休息,最终数据分析的是多次任务的平均响应,以排除单次任务的随机干扰。
(2)sEMG和NIRS信号特征提取及图像重建
图4是本发明实施例三提供的sEMG和NIRS信号特征提取及图像重建的流程图,对多通道肌氧特征信号进行二维插值并重建图像。其中,对sEMG信号的处理可以包括空间滤波和特征提取。原始sEMG和NIRS信号经过滤波,去除生理和系统噪音,以及运动干扰,得到滤波后信号。空间滤波包括了对多通道sEMG信号的差分组合,由原始单极信号获取诸如双差分信号,四差分信号、拉普拉斯信号,减少空间串扰。sEMG信号特征提取包括时域特征,如均方根、积分值、平均值、标准差等;频域特征,如平均频率、中值频率等。将经过上述空间滤波和特征值提取的sEMG信号,进行二维插值,形成多种肌电特征空间分布图像。
NIRS信号采集的是神经肌肉血氧浓度变化信号。NIRS信号可以解析出的血氧参数有:含氧血红蛋白浓度变化(ΔHBO)、脱氧血红蛋白浓度变化(ΔHB)、总血红蛋白浓度变化(ΔHBT)。其计算方式如下:
OD是光密度值,I0是入射光强值,I是出射光强值。根据比尔郎伯定律,光密度值与ΔHBO和ΔHB及光学路径长度d有关,两个入射波长分别用下标1和2表示。和分别是含氧血红蛋白和脱氧血红蛋白的摩尔消光系数。DPF是差分路径因子。总血红蛋白浓度变化ΔHBT是ΔHBO和ΔHB之和。
ΔHBT=ΔHBO+ΔHB
(3)sEMG和NIRS图像空间相关性计算
神经肌肉电活动和血液循环活动的空间匹配程度,决定了血液循环是否准确进入神经肌肉活动区域,是判断神经肌肉耦合功能的重要指标之一。本研究拟用二维相关系数corr2表征神经肌肉电活动和血液循环活动的空间相关性。首先,在肌电图像和肌氧图像上选取表示神经肌肉活动的感兴趣区域(ROI);然后,将肌电图像和肌氧图像进行归一化处理;最后,计算二维相关系数corr2,公式如下:
其中,EMG和NIRS分别代表肌电图像和肌氧图像矩阵,m、n代表矩阵的行坐标和列坐标值。
(4)肌氧信号时间响应特性计算
图5是本发明实施例三提供的计算ROI区域内肌氧信号时间响应特性的示意图,图6是本发明实施例三提供的运动神经肌肉血管耦合功能评估方法流程图。任务时间内,肌肉收缩导致血流下降,血氧消耗增加,对应的时间响应参数包括响应时间和响应幅度;任务后休息期,血流和血液恢复,再灌注量高于基线值,对应的时间响应参数包括恢复时间和恢复峰值。
本发明实施例通过联合多通道的表面肌电(sEMG)和近红外光谱技术(NIRS)分别检测肌电和肌氧信息,进行运动神经肌肉血管耦合功能的评估。通过将多通道的sEMG和NIRS同步、同位施用于肌肉组织,可以获取神经肌肉电活动时肌肉血氧的时间和幅度响应,同时可以获取肌电和肌氧的空间分布信息,实现了从时间和空间两个维度进行神经肌肉血管耦合功能的分析。
实施例四
图7是本发明实施例四提供的一种用于外周神经的神经血管耦合分析装置的结构示意图。如图7所示,该装置包括:
肌氧信号接收模块710,用于接收血氧信号采集装置发送的运动肌氧信号;
肌氧响应特性模块720,用于根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性;
神经血管耦合分析模块730,用于基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果。
本实施例的技术方案,通过提供一种用于外周神经的神经血管耦合分析装置,通过接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数;基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。本实施例提供的方法通过利用对肌氧信号时间和空间响应特性的分析,实现了用于外周神经的神经血管的耦合功能评估,简化了外周神经的神经血管的耦合功能评估难度。
在上述实施例的基础上,可选的,肌氧响应特性模块720具体用于:
确定所述运动肌氧信号与所述状态时间信息关联的目标血红蛋白浓度变化信息;基于所述目标血红蛋白浓度变化信息确定所述运动肌氧信号的响应恢复参数,将所述响应恢复参数作为所述肌氧信号时间响应特性参数;
相应的,神经血管耦合分析模块730具体用于:
基于所述肌氧信号时间响应特性参数确定所述神经血管耦合分析的时间耦合特征分析结果。
在上述实施例的基础上,可选的,所述目标血红蛋白浓度变化信息为含氧血红蛋白浓度变化信息、脱氧血红蛋白浓度变化信息和总血红蛋白浓度变化信息中的至少一种。
在上述实施例的基础上,可选的,装置还包括状态时间信息确定模块,用于:
在根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数之前,接收表面肌电采集装置采集的所述目标检测肌肉在运动状态的运动肌电信号,其中,所述表面肌电采集装置包括单通道电极,所述单通道电极贴附于所述目标肌肉表面;
根据所述运动肌电信号确定所述运动状态的状态时间信息。
在上述实施例的基础上,可选的,神经血管空间耦合分析模块,用于:
接收表面肌电采集装置采集的所述目标检测肌肉在运动状态的运动肌电信号,其中,所述表面肌电采集装置包括多通道电极,所述多通道电极贴附于所述目标肌肉表面,所述多通道电极中的每个通道的电极的中心位置与所述血氧信号采集装置中关联通道的采集装置的中心位置重合;
针对每个通道,根据所述通道对应的运动肌电信号生成神经肌电特征图像,根据所述通道对应的运动肌氧信号生成神经肌氧特征图像,基于所述神经肌电特征图像和所述神经肌氧特征图像确定神经血管相关参数;
基于各通道的神经血管相关参数确定所述神经血管耦合分析的空间耦合特征分析结果。
在上述实施例的基础上,可选的,神经血管空间耦合分析模块具体用于:
对所述运动肌电信号进行特征提取得到肌电特征信号,基于所述肌电特征信号进行插值处理,得到所述神经肌电特征图像;
基于所述运动肌氧信号解析得到肌氧特征信号,基于所述肌氧特征信号进行插值处理,得到所述神经肌氧特征图像。
在上述实施例的基础上,可选的,神经血管空间耦合分析模块具体用于:
对所述神经肌电特征图像的原始肌电图像矩阵进行归一化处理,得到目标肌电图像矩阵;
对所述神经肌氧特征图像的原始肌氧图像矩阵进行归一化处理,得到目标肌氧图像矩阵;
确定所述目标肌电图像矩阵和所述目标肌氧图像矩阵的目标相关系数,将所述目标相关系数作为所述神经血管相关参数。
本发明实施例所提供的用于外周神经的神经血管耦合分析装置可执行本发明任意实施例所提供的用于外周神经的神经血管耦合分析方法,具备执行方法相应的功能模块和有益效果。
实施例五
图8是本发明实施例五提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图8所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如用于外周神经的神经血管耦合分析方法。
在一些实施例中,用于外周神经的神经血管耦合分析方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的用于外周神经的神经血管耦合分析方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于外周神经的神经血管耦合分析方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的用于外周神经的神经血管耦合分析方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例六
本发明实施例六还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行一种用于外周神经的神经血管耦合分析方法,该方法包括:
接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;
根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数;
基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种用于外周神经的神经血管耦合分析方法,其特征在于,包括:
接收血氧信号采集装置采集的目标检测肌肉在运动状态的运动肌氧信号;
根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数;
基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数,包括:
确定所述运动肌氧信号与所述状态时间信息关联的目标血红蛋白浓度变化信息;
基于所述目标血红蛋白浓度变化信息确定所述运动肌氧信号的响应恢复参数,将所述响应恢复参数作为所述肌氧信号时间响应特性参数;
相应的,所述基于所述肌氧信号时间响应特性确定所述目标外周神经的神经血管耦合分析结果,包括:
基于所述肌氧信号时间响应特性参数确定所述神经血管耦合分析的时间耦合特征分析结果。
3.根据权利要求2所述的方法,其特征在于,所述目标血红蛋白浓度变化信息为含氧血红蛋白浓度变化信息、脱氧血红蛋白浓度变化信息和总血红蛋白浓度变化信息中的至少一种。
4.根据权利要求1所述的方法,其特征在于,在根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数之前,还包括:
接收表面肌电采集装置采集的所述目标检测肌肉在运动状态的运动肌电信号,其中,所述表面肌电采集装置包括单通道电极,所述单通道电极贴附于所述目标肌肉表面;
根据所述运动肌电信号确定所述运动状态的状态时间信息。
5.根据权利要求1所述的方法,其特征在于,还包括:
接收表面肌电采集装置采集的所述目标检测肌肉在运动状态的运动肌电信号,其中,所述表面肌电采集装置包括多通道电极,所述多通道电极贴附于所述目标肌肉表面,所述多通道电极中的每个通道的电极的中心位置与所述血氧信号采集装置中关联通道的采集装置的中心位置重合;
针对每个通道,根据所述通道对应的运动肌电信号生成神经肌电特征图像,根据所述通道对应的运动肌氧信号生成神经肌氧特征图像,基于所述神经肌电特征图像和所述神经肌氧特征图像确定神经血管相关参数;
基于各通道的神经血管相关参数确定所述神经血管耦合分析的空间耦合特征分析结果。
6.根据权利要求5所述的方法,其特征在于,所述根据所述通道对应的运动肌电信号生成神经肌电特征图像,根据所述通道对应的运动肌氧信号生成神经肌氧特征图像,包括:
对所述运动肌电信号进行特征提取得到肌电特征信号,基于所述肌电特征信号进行插值处理,得到所述神经肌电特征图像;
基于所述运动肌氧信号解析得到肌氧特征信号,基于所述肌氧特征信号进行插值处理,得到所述神经肌氧特征图像。
7.根据权利要求5所述的方法,其特征在于,所述基于所述神经肌电特征图像和所述神经肌氧特征图像确定神经血管相关参数,包括:
对所述神经肌电特征图像的原始肌电图像矩阵进行归一化处理,得到目标肌电图像矩阵;
对所述神经肌氧特征图像的原始肌氧图像矩阵进行归一化处理,得到目标肌氧图像矩阵;
确定所述目标肌电图像矩阵和所述目标肌氧图像矩阵的目标相关系数,将所述目标相关系数作为所述神经血管相关参数。
8.一种用于外周神经的神经血管耦合分析装置,其特征在于,包括:
肌氧信号接收模块,用于接收血氧信号采集装置采集的目标检测肌肉在运动状态运动肌氧信号;
肌氧响应特性模块,用于根据所述运动状态的状态时间信息确定所述运动肌氧信号的肌氧信号时间响应特性参数;
神经血管耦合分析模块,用于基于所述肌氧信号时间响应特性参数确定所述目标外周神经的神经血管耦合分析结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的用于外周神经的神经血管耦合分析方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的用于外周神经的神经血管耦合分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210954315.4A CN115177215A (zh) | 2022-08-10 | 2022-08-10 | 用于外周神经的神经血管耦合分析方法、装置及电子设备 |
PCT/CN2022/129409 WO2024031851A1 (zh) | 2022-08-10 | 2022-11-03 | 用于外周神经的神经血管耦合分析方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210954315.4A CN115177215A (zh) | 2022-08-10 | 2022-08-10 | 用于外周神经的神经血管耦合分析方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115177215A true CN115177215A (zh) | 2022-10-14 |
Family
ID=83523284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210954315.4A Pending CN115177215A (zh) | 2022-08-10 | 2022-08-10 | 用于外周神经的神经血管耦合分析方法、装置及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115177215A (zh) |
WO (1) | WO2024031851A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116350200A (zh) * | 2023-03-02 | 2023-06-30 | 中国科学院深圳先进技术研究院 | 一种电生理信号与血液微循环信号同步检测装置 |
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 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005055815A2 (en) * | 2003-12-09 | 2005-06-23 | San Diego State University Foundation | Systems and methods for dynamic analysis of muscle function and metabolism |
US11324430B2 (en) * | 2018-01-15 | 2022-05-10 | The Johns Hopkins University | Sensor-based ischemia detection |
CN109077725B (zh) * | 2018-08-09 | 2021-03-09 | 江汉大学 | 一种肌肉疲劳度检测装置 |
CN110870769B (zh) * | 2018-09-03 | 2022-08-09 | 香港理工大学深圳研究院 | 一种肌肉疲劳等级的检测方法及设备 |
CN113229831B (zh) * | 2021-05-10 | 2022-02-01 | 燕山大学 | 基于肌电和肌氧信号的运动功能监测管理方法 |
CN113576476A (zh) * | 2021-08-02 | 2021-11-02 | 汪勇波 | 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 |
CN113925465B (zh) * | 2021-10-20 | 2023-06-27 | 佛山科学技术学院 | 一种基于肌氧反馈信息的康复训练评估方法及系统 |
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 |
CN115177215A (zh) * | 2022-08-10 | 2022-10-14 | 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 |
-
2022
- 2022-08-10 CN CN202210954315.4A patent/CN115177215A/zh active Pending
- 2022-11-03 WO PCT/CN2022/129409 patent/WO2024031851A1/zh unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN116350200A (zh) * | 2023-03-02 | 2023-06-30 | 中国科学院深圳先进技术研究院 | 一种电生理信号与血液微循环信号同步检测装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2024031851A1 (zh) | 2024-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115177215A (zh) | 用于外周神经的神经血管耦合分析方法、装置及电子设备 | |
CN107788970B (zh) | 一种基于多生理参数方法融合的脑力负荷评估方法 | |
RU2669616C2 (ru) | Устройство и способ определения показателей жизнедеятельности субъекта | |
Scholkmann et al. | A review on continuous wave functional near-infrared spectroscopy and imaging instrumentation and methodology | |
CN109411041B (zh) | 心电信息处理方法和心电工作站系统 | |
RU2652071C2 (ru) | Устройство и способ определения насыщения кислородом крови объекта исследования | |
CN109411042B (zh) | 心电信息处理方法和心电工作站 | |
KR20180001367A (ko) | 운전자의 생체 신호를 기반으로 하는 운전자의 상태 판별 장치 및 방법 | |
DE102009011381A1 (de) | Diagnostische Messvorrichtung | |
CN111466876B (zh) | 一种基于fNIRS和图神经网络的阿尔兹海默症辅助诊断系统 | |
CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
CN110251064A (zh) | 基于运动视觉诱发电位的视敏度检测方法 | |
CN106580248B (zh) | 基于脑电与功能近红外光谱技术的神经血管耦合分析方法 | |
Naseer et al. | Improving classification accuracy of covert yes/no response decoding using support vector machines: an fNIRS study | |
CN106974660B (zh) | 基于脑功能活动检测中的血氧特征实现性别判定的方法 | |
CN113208613B (zh) | 基于fhls特征选择的多模态bci时序优化方法 | |
Philip et al. | Continous monitoring of blood glucose using photophlythesmograph signal | |
Qureshi et al. | Comparison of classification performance for fNIRS-BCI system | |
CN115486819B (zh) | 一种感知觉神经通路多级联检测量化的方法、系统和装置 | |
KR101919907B1 (ko) | 다중 신경생리신호 기반 사용자 간 상호작용 모니터링 장치 및 방법 | |
CN114903445A (zh) | 一种心脑血管疾病智能监测预警系统 | |
US10653343B2 (en) | System and method for non-invasive glucose monitoring using near infrared spectroscopy | |
Keles et al. | Multimodality mapping approach for evolving functional brain connectivity patterns: A fNIRS-EEG study | |
CN113100776A (zh) | 一种融合肌电和心电信号的疲劳监测系统及方法 | |
Zou et al. | Automatic removal of EEG artifacts using electrode-scalp impedance |
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 |