CN115486818A - 一种运动神经通路检测量化的方法、系统和装置 - Google Patents

Abstract

本发明提供了一种运动神经通路检测量化的方法、系统和装置，通过静息态、运动想象、运动执行和运动平复等多个状态时期环节设置，实现从大脑中枢运动调节、自主神经协同反馈、脊髓&脊神经运动神经下行、肌肉系统运动控制输出、执行过程中的感觉反馈等多层次检测量化和综合分析，更系统地分析被试或患者的运动神经通路的状态水平和系统能力，更精确地识别运动神经通路的损伤部位、损伤程度和康复治疗效果，从而进一步临床诊断和康复治疗提供有力可靠的证据。

Description

一种运动神经通路检测量化的方法、系统和装置

技术领域

本发明涉及运动神经通路检测量化领域，特别涉及一种运动神经通路检测量化的方法、系统和装置。

背景技术

运动功能是人类赖以生存的最基本生存功能之一，运动功能或运动神经通路的损伤严重影响着我们的生活工作和心理情绪。运动分为自主随意运动和被动运动，尤其是自主随意运动至关重要。主随意运动由大脑初级和高级运动皮质，经脑深部结构和小脑、脑干下行至脊柱脊髓，经脊神经和运动神经，输出到肌肉系统，完成躯体部位的动作执行并通过感觉神经通路逆行向上反馈至大脑中枢相关皮层。运动指令下行、执行输出和执行反馈的整个过程常常受到心理认知过程、自主神经调控和脊髓脊神经反射等共同影响。日常生活工作中众多因素，都可能会带来运动功能或运动神经通路的不同程度的损伤症状和功能障碍，并在临床检验检查后能够得到一定程度上的功能维持、功能恢复和机体康复。但运动功能或运动神经通路的严重损伤，可能会带来长期的功能障碍甚至永久性失能。四肢意外骨折或重大创伤，会带来四肢局部的短时或长时的麻木和肌无力；帕金森综合征、亨廷顿舞蹈症、脊髓损伤和脊髓综合征等则是更为严重的运动功能障碍状态或完全失能，由意外创伤、颅内感染、脑卒中和脑血管疾病等造成运动皮质损伤也将带来同样严重的运动功能的障碍状态或完全失能；最后，脊髓横断、闭锁综合征和植物人则呈现出最严重的、隔绝的、阻断的运动功能失能。

现有临床诊断检查和康复治疗中，通常有病情问询、周围神经系统检查、X射线、CT或MRI检查等手段，这些手段分离且无法进行运动全过程观察和运动神经通路全路径检查分析，缺乏对整个运动神经通路和伴随反应的系统性功能水平的检测量化手段，在损伤点的定位、损伤程度的确定和康复治疗效果的评价方面都缺乏更加有效且直接的临床证据。

现有专利CN114748080A中公开了一个感觉运动功能的检测量化方法、系统，实现对感觉功能和运动功能的初步检测和评估，主要通过对肌肉运动执行肌肉群和大脑皮层的生理状态信号的均值和相对变化量的分析计算，得到生理特征反馈曲线与刺激强度曲线的函数相近性分析，来评估感觉功能和运动功能的生理性障碍程度；其方案同样缺乏对运动全过程观察和运动神经通路全路径检查分析，难以对运动功能的损伤点的更具体定位、损伤程度的更全面评价和康复治疗效果的更精确评价。

发明内容

本发明提供了一种运动神经通路检测量化的方法，通过静息态、运动想象、运动执行和运动平复等多个状态时期环节设置，实现从大脑中枢运动调节、自主神经协同反馈、脊髓&脊神经运动神经下行、肌肉系统运动控制输出、执行过程中的感觉反馈等多层次检测量化和综合分析，更系统地分析被试或患者的运动神经通路的状态水平和系统能力，更精确地识别运动神经通路的损伤部位、损伤程度和康复治疗效果，从而进一步临床诊断和康复治疗提供有力可靠的证据。本发明还提供了一种运动神经通路检测量化的系统，用于实现上述方法。本发明还提供了一种运动神经通路检测量化的装置，用于实现上述系统。

根据本发明的目的，本发明提出了一种运动神经通路检测量化的方法，该方法包括：

获取待检测对象在不同运动状态时期完成预先设置的指定运动行为后的链路生理状态信号，提取链路运动生理状态时期时效特征；

对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集；

对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成所述待检测对象的运动神经通路检测量化报告。

优选的，所述获取待检测对象在不同运动状态时期完成预先设置的指定运动行为后的链路生理状态信号，提取链路运动生理状态时期时效特征的步骤包括：

根据所述待检测对象的基本信息，设计并确定运动神经通路检测量化方案并启动检测；

进行指定运动行为提示，要求所述待检测对象完成所述预先设置的指定运动行为，获取所述待检测对象不同运动状态时期的所述链路生理状态信号；

对所述链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据；

从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成所述链路运动生理状态时期时效特征。

优选的，所述指定运动行为提示至少包括检测开始提示、运动想象提示、运动动作提示、运动结束提示、检测结束提示；其中，所述运动想象提示至少包括运动想象的执行动作描述和动作维持时长，所述运动动作提示至少包括执行动作描述和动作维持时长。

优选的，所述运动状态时期至少包括静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期。

优选的，所述运动执行期至少包括脑中枢调控时效区间、自主神经协同时效区间、脊运动下行时效区间、肌运动执行时效区间；其中，所述时效区间至少包括神经电生理观察区间、血液动力学观察区间、动态代谢动力学观察区间。

优选的，所述链路生理状态信号至少包括大脑中枢皮质第一目标部位的第一生理数字信号、自主神经功能第二目标部位的第二生理数字信号、脊髓运动下行节段第三目标部位的第三生理数字信号、肌肉运动执行通路第四目标部位的第四生理数字信号。

优选的，所述第一目标部位至少包括前额叶皮质区、背侧额叶皮质区、顶叶皮质区、中央区皮质区、颞叶皮质区；所述第一生理数字信号至少包括脑电生理信号、血氧水平依赖

信号和皮肤电信号；所述脑电生理信号由脑电图采集设备或传感器、脑磁图设备或传感器采集生成。

优选的，所述第二目标部位至少包括血氧水平依赖采集部位、心电采集部位、脉搏采集部位、呼吸采集部位、血氧采集部位、体温采集部位和皮肤电采集部位；所述第二生理数字信号至少包括血氧水平依赖

信号、心电信号、脉搏信号、呼吸信号、血氧信号、体温信号和皮肤电信号。

优选的，所述第三目标部位根据指定运动行为确定，选择所述指定运动行为所涉及运动肌肉部位感觉运动神经-脊神经的同节段或近节段支配的肌肉群体表区域；所述第三生理数字信号至少包括血氧水平依赖

信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。

优选的，所述第四目标部位根据所述指定运动行为确定，选择所述指定运动行为所涉及运动执行相关紧邻紧密肌肉群体表区域；所述第四生理数字信号至少包括血氧水平依赖

信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。

优选的，所述运动神经通路检测量化方案至少包括检测方案名称、检测目的目标、所述指定运动行为、运动强度队列、运动维持时长、检测间隔时间和所述指定运动行为提示；其中，所述检测间隔时间根据所述运动强度队列和所述运动维持时长确定。

优选的，所述信号分析处理至少包括数字信号预处理、信号矫正处理和信号融合处理；其中，所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波；所述信号矫正处理具体为对所述链路生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理；所述信号融合处理是对所述链路生理状态信号中同一部位的、同一信号类型的、多通道的、同一运动强度的生理数字信号进行数字信号融合；所述数字信号融合方法至少包括平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。

优选的，所述从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成所述链路运动生理状态时期时效特征的步骤还包括：

根据所述指定运动行为提示的时点，按照所述运动状态时期对所述链路运动生理状态信号数据进行区间划分和截断提取，生成链路运动生理状态信号时期时效数据；

对所述链路运动生理状态信号时期时效数据进行运动生理状态特征提取，生成所述链路运动生理状态时期时效特征。

优选的，所述链路运动生理状态时期时效特征至少包括血氧水平依赖

信号区间特征、肌电信号区间特征、皮肤电信号区间特征、加速度信号区间特征、心电信号区间特征、脉搏信号区间特征、呼吸信号区间特征、血氧信号区间特征、皮肤温度信号区间特征、体温信号区间特征、脑电生理信号区间特征。

优选的，所述信号区间特征至少包括区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征；其中，所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度；所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率；所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度。

优选的，所述区间非线性特征至少包括熵特征、分形特征和复杂度特征；

其中，所述熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵；

所述分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数；

所述复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。

优选的，所述对所述链路运动生理状态时期时效特征进行量化处理的步骤还包括：

对所述链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征；

对所述链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征；

对所述链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征；

对所述链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征。

优选的，所述节点运动响应量化特征至少包括节点运动生理功能量化特征、节点运动生理响应特征。

优选的，所述节点运动生理功能量化特征至少包括脑中枢调控生理功能量化特征、自主神经协同生理功能量化特征、脊运动下行生理功能量化特征、肌运动执行生理功能量化特征。

优选的，所述生理功能量化特征至少包括血氧水平依赖

量化特征、肌电量化特征、皮肤电量化特征、加速度量化特征、心电量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、体温量化特征、脑电生理量化特征。

优选的，所述量化特征由不同部位的、不同运动强度下的、不同所述运动状态时期的、不同生理数字信号的、多个时效区间特征组成的量化曲线。

优选的，所述节点运动生理响应特征至少包括节点运动生理响应指数、节点运动生理响应指数曲线。

优选的，所述节点运动生理响应指数至少包括脑中枢调控生理响应指数、自主神经协同生理响应指数、脊运动下行生理响应指数、肌运动执行生理响应指数。

优选的，所述节点运动生理响应指数曲线至少包括脑中枢调控生理响应指数曲线、自主神经协同生理响应指数曲线、脊运动下行生理响应指数曲线、肌运动执行生理响应指数曲线。

优选的，所述节点运动峰时效应特征至少包括节点运动响应峰值序列、节点运动响应峰延时序列、节点运动响应峰时效应序列、节点运动峰时效应指数、节点运动峰时效应指数曲线。

优选的，所述节点运动链路效率特征至少包括运动链路效率特征、运动链路效率指数、运动链路效率曲线。

优选的，所述运动链路效率特征至少包括脑脊运动下行链路特征、脑肌运动下行链路特征、脑自运动下行链路特征、脊肌运动下行链路特征、脊自运动下行链路特征、肌自运动下行链路特征。

优选的，所述链路特征至少包括一个神经电生理特征和一个神经电生理特征的链路相关系数、一个血液动力学特征和一个血液动力学特征的链路相关系数、一个动态代谢动力学特征和一个动态代谢动力学特征的链路相关系数、一个神经电生理特征和一个血液动力学特征的链路相关系数、一个神经电生理特征和一个动态代谢动力学特征的链路相关系数、一个血液动力学特征和一个动态代谢动力学特征的链路相关系数。

优选的，所述运动链路效率指数至少包括脑脊运动下行链路指数、脑肌运动下行链路指数、脑自运动下行链路指数、脊肌运动下行链路指数、脊自运动下行链路指数、肌自运动下行链路指数。

优选的，所述运动链路效率指数曲线至少包括脑脊运动下行链路指数曲线、脑肌运动下行链路指数曲线、脑自运动下行链路指数曲线、脊肌运动下行链路指数曲线、脊自运动下行链路指数曲线、肌自运动下行链路指数曲线。

优选的，所述时期运动能力转移特征至少包括运动能力转移特征指数、运动能力转移特征指数曲线。

优选的，所述运动能力转移特征指数至少包括运动想象能力转移指数、运动执行能力转移指数、运动平复能力转移指数。

优选的，所述运动能力转移特征指数曲线至少包括运动想象能力转移指数曲线、运动执行能力转移指数曲线、运动平复能力转移指数曲线。

优选的，所述运动神经通路评价指数特征至少包括运动神经通路评价系数、运动神经通路评价系数曲线、运动神经通路综合指数。

优选的，所述运动神经通路特征数据至少包括所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征。

优选的，所述生成响应特征量化的第一数据集的步骤包括分别计算脑中枢调控生理响应指数和所述脑中枢调控生理响应指数曲线、所述自主神经协同生理响应指数和所述自主神经协同生理响应指数曲线、所述脊运动下行生理响应指数和所述脊运动下行生理响应指数曲线、所述肌运动执行生理响应指数和所述肌运动执行生理响应指数曲线。

优选的，所述脑中枢调控生理响应指数和所述脑中枢调控生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取大脑中枢皮质所述第一目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述脑中枢调控时效区间的信号区间特征，生成脑中枢调控时期时效区间特征集；

依次对所述脑中枢调控时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成脑中枢调控时期时效区间特征相对变化量集；

对所述脑中枢调控时期时效区间特征集和所述脑中枢调控时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述脑中枢调控生理响应指数；

计算得到全部运动强度下的所述脑中枢调控生理响应指数，生成所述脑中枢调控生理响应指数曲线。

优选的，所述自主神经协同生理响应指数和所述自主神经协同生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取自主神经功能所述第二目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述自主神经协同时效区间的信号区间特征，生成自主神经协同时期时效区间特征集；

依次对所述自主神经协同时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成自主神经协同时期时效区间特征相对变化量集；

对所述自主神经协同时期时效区间特征集和所述自主神经协同时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述自主神经协同生理响应指数；

计算得到全部运动强度下的所述自主神经协同生理响应指数，生成所述自主神经协同生理响应指数曲线。

优选的，所述脊运动下行生理响应指数和所述脊运动下行生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取脊髓运动下行节段所述第三目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述脊运动下行时效区间的信号区间特征，生成脊运动下行时期时效区间特征集；

依次对所述脊运动下行时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成脊运动下行时期时效区间特征相对变化量集；

对所述脊运动下行时期时效区间特征集和所述脊运动下行时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述脊运动下行生理响应指数；

计算得到全部运动强度下的所述脊运动下行生理响应指数，生成所述脊运动下行生理响应指数曲线。

优选的，所述肌运动执行生理响应指数和所述肌运动执行生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取肌肉运动执行通路所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述肌运动执行时效区间的信号区间特征，生成肌运动执行时期时效区间特征集；

依次对所述肌运动执行时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成肌运动执行时期时效区间特征相对变化量集；

对所述肌运动执行时期时效区间特征集和所述肌运动执行时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述肌运动执行生理响应指数；

计算得到全部运动强度下的所述肌运动执行生理响应指数，生成所述肌运动执行生理响应指数曲线。

优选的，所述特征相对变化量的计算方法，如下：

对于特征YFE，相对变化量计算公式

，如下

其中，

为静息基线期的特征值，

为任一时效区间的特征值。

优选的，所述生成峰时效应特征量化的第二数据集的步骤包括分别计算出节点运动响应峰值序列和所述节点运动响应峰延时序列、所述节点运动响应峰时效应序列、所述节点运动峰时效应指数和所述节点运动峰时效应指数曲线。

优选的，所述节点运动响应峰值序列和所述节点运动响应峰延时序列的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位的所述脑中枢调控时效区间的、所述第二目标部位的所述自主神经协同时效区间的、所述第三目标部位的所述脊运动下行时效区间的、所述第四目标部位的所述肌运动执行时效区间的、不同运动强度下的、不同生理数字信号的、所述信号区间特征中的所述区间包络特征中的包络信号，生成生理数字信号包络特征集；

依次计算得到所述第四目标部位的所述脑中枢调控时效区间的、所述第三目标部位的所述自主神经协同时效区间的、所述第二目标部位的所述脊运动下行时效区间的、所述第一目标部位的所述肌运动执行时效区间的、同一运动强度下的、不同生理数字信号的包络信号的最大值和最大值对应的索引时间，得到最大值索引时间序列，生成所述节点运动响应峰值序列；

根据所述最大值索引时间序列，结合运动执行开始时点和运动执行结束时点，生成所述节点运动响应峰延时序列。

优选的，所述节点运动响应峰时效应序列、所述节点运动峰时效应指数和所述节点运动峰时效应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位的所述脑中枢调控时效区间的、所述第二目标部位的所述自主神经协同时效区间的、所述第三目标部位的所述脊运动下行时效区间的、所述第四目标部位的所述肌运动执行时效区间的、不同运动强度下的、不同生理数字信号的、全部所述运动状态时期的、所述信号区间特征中的所述区间包络特征中的包络信号，生成生理数字信号包络特征集；

计算得到同一运动强度下的所述节点运动响应峰值序列和所述节点运动响应峰延时序列，经峰时效应值计算，生成所述节点运动响应峰时效应序列；

对所述节点运动响应峰时效应序列中多峰时效应值的进行多参数加权计算，生成当前运动强度下的所述节点运动峰时效应指数；

计算得到全部运动强度下的所述节点运动峰时效应指数，生成所述节点运动峰时效应指数曲线。

优选的，所述峰时效应的计算方法，如下：

其中，PEC为一生理数字信号的峰时效应（值），

为一生理数字信号的包络信号峰值；

为一生理数字信号的包络信号峰延时；

为一生理数字信号的、静息基线期的包络信号振幅均值。

优选的，所述生成链路特征量化的第三数据集的步骤包括分别计算所述脑脊运动下行链路特征、所述脑脊运动下行链路指数和所述脑脊运动下行链路指数曲线、所述脑肌运动下行链路特征、所述脑肌运动下行链路指数和所述脑肌运动下行链路指数曲线、所述脑自运动下行链路特征、所述脑自运动下行链路指数和所述脑自运动下行链路指数曲线、所述脊肌运动下行链路特征、所述脊肌运动下行链路指数和所述脊肌运动下行链路指数曲线、所述脊自运动下行链路特征、所述脊自运动下行链路指数和所述脊自运动下行链路指数曲线、所述肌自运动下行链路特征、所述肌自运动下行链路指数和所述肌自运动下行链路指数曲线。

优选的，所述脑脊运动下行链路特征、所述脑脊运动下行链路指数和所述脑脊运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质所述第一目标部位的所述脑中枢调控时效区间和脊髓运动下行节段所述第三目标部位的所述脊运动下行时效区间的、所述区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和脊运动下行生理数字包络信号集；

分别对所述脑中枢调控生理数字包络信号集和所述脊运动下行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和脊运动下行生理数字相对包络信号集；

依次计算同一运动强度下的、所述脑中枢调控生理数字相对包络信号集中一包络信号和所述脊运动下行生理数字相对包络信号集中一包络信号的关系特征，生成所述脑脊运动下行链路特征；

对所述脑脊运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脑脊运动下行链路指数；

计算得到全部运动强度下的所述脑脊运动下行链路指数，生成所述脑脊运动下行链路指数曲线。

优选的，所述脑肌运动下行链路特征、所述脑肌运动下行链路指数和所述脑肌运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质所述第一目标部位的所述脑中枢调控时效区间和肌肉运动执行通路所述第四目标部位的所述肌运动执行时效区间的、所述区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和肌运动执行生理数字包络信号集；

分别对所述脑中枢调控生理数字包络信号集和所述肌运动执行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和肌运动执行生理数字相对包络信号集；

依次计算同一运动强度下的、所述脑中枢调控生理数字相对包络信号集中一包络信号和所述肌运动执行生理数字相对包络信号集中一包络信号的关系特征，生成所述脑肌运动下行链路特征；

对所述脑肌运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脑肌运动下行链路指数；

计算得到全部运动强度下的所述脑肌运动下行链路指数，生成所述脑肌运动下行链路指数曲线。

优选的，所述脑自运动下行链路特征、所述脑自运动下行链路指数和所述脑自运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质所述第一目标部位的所述脑中枢调控时效区间和自主神经功能所述第二目标部位的所述自主神经协同时效区间的、所述区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和自主神经协同生理数字包络信号集；

分别对所述脑中枢调控生理数字包络信号集和所述自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、所述脑中枢调控生理数字相对包络信号集中一包络信号和所述自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成所述脑自运动下行链路特征；

对所述脑自运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脑自运动下行链路指数；

计算得到全部运动强度下的所述脑自运动下行链路指数，生成所述脑自运动下行链路指数曲线。

优选的，所述脊肌运动下行链路特征、所述脊肌运动下行链路指数和所述脊肌运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、脊髓运动下行节段所述第三目标部位的所述脊运动下行时效区间和肌肉运动执行通路所述第四目标部位的所述肌运动执行时效区间的、所述区间包络特征中的包络信号，分别生成脊运动下行生理数字包络信号集和肌运动执行生理数字包络信号集；

分别对所述脊运动下行生理数字包络信号集和所述肌运动执行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成所述脊运动下行生理数字相对包络信号集和肌运动执行生理数字相对包络信号集；

依次计算同一运动强度下的、所述脊运动下行生理数字相对包络信号集中一包络信号和所述肌运动执行生理数字相对包络信号集中一包络信号的关系特征，生成所述脊肌运动下行链路特征；

对所述脊肌运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脊肌运动下行链路指数；

计算得到全部运动强度下的所述脊肌运动下行链路指数，生成所述脊肌运动下行链路指数曲线。

优选的，所述脊自运动下行链路特征、所述脊自运动下行链路指数和所述脊自运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、脊髓运动下行节段所述第三目标部位的所述脊运动下行时效区间和自主神经功能所述第二目标部位的所述自主神经协同时效区间的、所述区间包络特征中的包络信号，分别生成脊运动下行生理数字包络信号集和自主神经协同生理数字包络信号集；

分别对所述脊运动下行生理数字包络信号集和所述自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脊运动下行生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、所述脊运动下行生理数字相对包络信号集中一包络信号和所述自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成所述脊自运动下行链路特征；

对所述脊自运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脊自运动下行链路指数；

计算得到全部运动强度下的所述脊自运动下行链路指数，生成所述脊自运动下行链路指数曲线。

优选的，所述肌自运动下行链路特征、所述肌自运动下行链路指数和所述肌自运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、肌肉运动执行通路所述第四目标部位的所述肌运动执行时效区间和自主神经功能所述第二目标部位的所述自主神经协同时效区间的、所述区间包络特征中的包络信号，分别生成肌运动执行生理数字包络信号集和自主神经协同生理数字包络信号集；

分别对所述肌运动执行生理数字包络信号集和所述自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成肌运动执行生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、所述肌运动执行生理数字相对包络信号集中一包络信号和所述自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成所述肌自运动下行链路特征；

对所述肌自运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述肌自运动下行链路指数；

计算得到全部运动强度下的所述肌自运动下行链路指数，生成所述肌自运动下行链路指数曲线。

优选的，所述去基线均值化处理的方法，如下：

对于一时效区间的包络特征中的信号

，其去基线均值化处理的计算公式如下：

其中，

为

的相对包络信号，

为静息基线期的包络信号振幅均值。

优选的，所述关系特征至少包括关联特征和距离特征。

优选的，所述关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。

优选的，所述距离特征的计算方法，如下：

对于数值序列

和数值序列

，距离序列

定义为

距离性特征为距离序列

的数值特征，至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度。

优选的，所述生成能力转移指数量化的第四数据集的步骤包括分别计算所述运动想象能力转移指数和所述运动想象能力转移指数曲线、所述运动执行能力转移指数和所述运动执行能力转移指数曲线、所述运动平复能力转移指数和所述运动平复能力转移指数曲线。

优选的，所述运动想象能力转移指数和所述运动想象能力转移指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位、所述第二目标部位、所述第三目标部位、所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述运动想象期的信号区间特征，生成运动想象时期时效区间转移特征集；

依次对所述运动想象时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动想象时期时效区间转移特征相对变化量集；

对所述运动想象时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算，得到当前运动强度下的所述运动想象能力转移指数；

计算得到全部运动强度下的所述运动想象能力转移指数，生成所述运动想象能力转移指数曲线。

优选的，所述运动执行能力转移指数和所述运动执行能力转移指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位、所述第二目标部位、所述第三目标部位、所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述运动执行期的信号区间特征，生成运动执行时期时效区间转移特征集；

依次对所述运动执行时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动执行时期时效区间转移特征相对变化量集；

对所述运动执行时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算，得到当前运动强度下的所述运动执行能力转移指数；

计算得到全部运动强度下的所述运动执行能力转移指数，生成所述运动执行能力转移指数曲线。

优选的，所述运动平复能力转移指数和所述运动平复能力转移指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位、所述第二目标部位、所述第三目标部位、所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述运动平复期的信号区间特征，生成运动平复时期时效区间转移特征集；

依次对所述运动平复时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动平复时期时效区间转移特征相对变化量集；

对所述运动平复时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算，得到当前运动强度下的所述运动平复能力转移指数；

计算得到全部运动强度下的所述运动平复能力转移指数，生成所述运动平复能力转移指数曲线。

优选的，所述生成功能评价指数量化的第五数据集的步骤包括计算所述运动神经通路评价系数和所述运动神经通路评价系数曲线。

优选的，所述运动神经通路评价系数和所述运动神经通路评价系数曲线的计算方法，如下：

依次计算得到所述节点运动生理响应指数曲线、所述节点运动峰时效应指数曲线、所述运动链路效率指数曲线和所述运动能力转移特征指数曲线，生成运动神经通路生理表征特征集；

从所述运动神经通路生理表征特征集中，提取同一运动强度下的所述节点运动生理响应指数、所述节点运动峰时效应指数和所述运动链路效率指数，生成运动神经通路生理表征指数集；

对运动神经通路生理表征指数集中的多个生理表征指数进行多参数加权计算，生成所述运动神经通路评价系数；

计算得到全部运动强度下的所述运动神经通路评价系数，生成所述运动神经通路评价系数曲线。

优选的，所述运动神经通路生理表征指数集至少包括脑中枢调控生理响应指数、自主神经协同生理响应指数、脊运动下行生理响应指数、肌运动执行生理响应指数、脑脊运动下行链路指数、脑肌运动下行链路指数、脑自运动下行链路指数、脊肌运动下行链路指数、脊自运动下行链路指数、肌自运动下行链路指数、运动想象能力转移指数、运动执行能力转移指数、运动平复能力转移指数、节点运动峰时效应指数。

优选的，所述运动神经通路综合指数的计算步骤具体为：

计算得到所述运动神经通路评价系数曲线，得到运动神经通路评价系数队列；

分析计算所述运动神经通路评价系数队列与所述运动强度队列的关系特征，生成运动神经通路综合表征系数集；

对所述运动神经通路综合表征系数集的多个综合表征系数进行多参数加权计算，得到所述运动神经通路综合指数。

优选的，所述对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成所述待检测对象的运动神经通路检测量化报告的步骤包括：对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征进行综合分析，识别所述待检测对象运动神经通路的健全状况和损伤部位；

根据所述运动神经通路检测量化方案，对健康人群和功能障碍人群的运动神经通路进行检测和量化，得到健康人群和功能障碍人群的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，结合健康人群和功能障碍人群的基本信息，预先构建得到所述运动神经通路特征对比库；

结合所述运动神经通路特征对比库，对比分析所述待检测对象的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，确定所述待检测对象运动神经通路的损伤程度和康复治疗效果；

根据所述待检测对象运动神经通路的所述健全状况、所述损伤部位、所述损伤程度和所述康复治疗效果，生成所述待检测对象的运动神经通路分析报告。

根据本发明的目的，本发明还提出了一种运动神经通路检测量化的系统，所述系统包括如下模块：

检测执行管理模块，用于根据待检测对象的基本信息，编辑和管理运动神经通路检测量化方案，执行管理所述运动神经通路检测量化方案并进行指定运动行为提示；

生理采集处理模块，用于采集获取所述待检测对象不同运动状态时期的链路生理状态信号并进行信号分析处理，生成链路运动生理状态信号数据；

时期特征提取模块，用于从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成链路运动生理状态时期时效特征；

通路功能分析模块，用于对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集；

功能报告分析模块，用于对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成基于所述待检测对象的运动神经通路检测量化报告；

数据运行管理模块，用于对所述系统的全部数据进行可视化展现管理和统一存储管理。

优选的，所述检测执行管理模块至少包括以下功能单元：

检测方案管理单元，用于编辑和管理运动神经通路检测量化方案，所述运动神经通路检测量化方案至少包括检测方案名称、检测目的目标、所述指定运动行为、运动强度队列、运动维持时长、检测间隔时间和所述指定运动行为提示；

检测执行管理单元，用于执行管理所述运动神经通路检测量化方案并记录不同运动状态时期和所述指定运动行为提示的执行时间点，所述运动状态时期至少包括静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期；

行为提示执行单元，用于进行所述指定运动行为提示，要求所述待检测对象完成指定运动行为，所述指定运动行为提示至少包括检测开始提示、运动想象提示、运动动作提示、运动结束提示、检测结束提示；

人员信息管理单元，用于编辑、记录和管理所述待检测对象的基本信息，所述基本信息至少包括姓名、性别、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。

优选的，所述生理采集处理模块至少包括以下功能单元：

生理信号采集单元，用于连接生理状态信号采集设备或传感器，采集获取所述待检测对象的链路生理状态信号，所述链路生理状态信号至少包括大脑中枢皮质第一目标部位的第一生理数字信号、自主神经功能第二目标部位的第二生理数字信号、脊髓运动下行节段第三目标部位的第三生理数字信号、肌肉运动执行通路第四目标部位的第四生理数字信号；

信号基础处理单元，用于对所述链路生理状态信号进行数字信号预处理，所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波；

信号矫正处理单元，用于对所述链路生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理；

信号融合处理单元，用于对所述链路生理状态信号中同一部位的、同一信号类型的、多通道的、同一运动强度的生理数字信号进行数字信号融合，生成所述链路运动生理状态信号数据。

优选的，所述时期特征提取模块至少包括以下功能单元：

时期区间划分单元，用于根据所述指定运动行为提示的时点，按照所述运动状态时期对所述链路运动生理状态信号数据进行区间划分；

区间数据提取单元，用于对时期区间划分后所述链路运动生理状态信号数据进行截断提取，生成所述链路运动生理状态信号时期时效数据；

数值特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间数值特征，所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度；

功率谱特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间功率谱特征，所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率；

包络特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间包络特征，所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度；

非线性特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间非线性特征，所述区间非线性特征至少包括熵特征、分形特征和复杂度特征；

区间特征融合单元，用于对所述区间数值特征、所述区间功率谱特征、所述区间包络特征和所述区间非线性特征进行整合，生成所述链路运动生理状态时期时效特征，所述链路运动生理状态时期时效特征至少包括血氧水平依赖

信号区间特征、肌电信号区间特征、皮肤电信号区间特征、皮肤温度信号区间特征、加速度信号区间特征、心电信号区间特征、脉搏信号区间特征、呼吸信号区间特征、血氧信号区间特征、体温信号区间特征、脑电生理信号区间特征。

优选的，所述通路功能分析模块至少包括以下功能单元：

节点响应分析单元，用于对所述链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征，所述节点运动响应量化特征至少包括节点运动生理功能量化特征、节点运动生理响应特征；

峰时效应分析单元，用于对所述链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征，所述节点运动峰时效应特征至少包括节点运动响应峰值序列、节点运动响应峰延时序列、节点运动响应峰时效应序列、节点运动峰时效应指数、节点运动峰时效应指数曲线；

链路效率分析单元，用于对所述链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征，所述节点运动链路效率特征至少包括运动链路效率特征、运动链路效率指数、运动链路效率曲线；

能力转移分析单元，用于对所述链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征，所述时期运动能力转移特征至少包括运动能力转移特征指数、运动能力转移特征指数曲线；

指标融合分析单元，用于对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征和所述时期运动能力转移特征进行指标融合分析，提取运动神经通路评价指数特征，并整合生成运动神经通路特征数据。

优选的，所述功能报告分析模块至少包括以下功能单元：

特征对比库单元，用于根据所述运动神经通路检测量化方案，对健康人群和功能障碍人群的运动神经通路进行检测和量化，构建得到所述运动神经通路特征对比库，并进行持续更新和运行管理；

损伤部位分析单元，用于对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征进行综合分析，识别所述待检测对象运动神经通路的健全状况和损伤部位；

损伤程度识别单元，用于结合健康人群和功能障碍人群的运动神经通路特征对比库，对比分析所述待检测对象的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，确定所述待检测对象运动神经通路的损伤程度和康复治疗效果；

功能报告生成单元，用于根据所述待检测对象运动神经通路的所述健全状况、所述损伤部位、所述损伤程度和所述康复治疗效果，生成所述待检测对象的运动神经通路分析报告。

优选的，所述数据运行管理模块至少包括以下功能单元：

数据可视化展示单元，用于所述系统的全部数据的可视化展示管理；

数据存储管理单元，用于所述系统的全部数据的统一存储和数据管理。

根据本发明的目的，本发明还提出了一种运动神经通路检测量化的装置，所述装置包括如下模组：

运行控制界面，用于提供可视化操作界面，待检测对象的基本信息的编辑和管理，运动神经通路检测量化方案的编辑和管理，指定运动行为提示和检测过程执行管理，数据可视化展现和数据可视化管理；

数据采集器，用于连接生理信号采集设备或传感器，采集获取所述待检测对象不同运动状态时期的链路生理状态信号；

数据处理器，用于对所述链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据；从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成链路运动生理状态时期时效特征；对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集；对所述链路运动生理状态时期时效特征进行综合量化分析，提取节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征和时期运动能力转移特征，生成运动神经通路评价指数特征，并整合得到运动神经通路特征数据；对所述运动神经通路特征数据进行综合分析，识别所述待检测对象运动神经通路的健全状况和损伤部位，并结合健康人群和功能障碍人群的运动神经通路特征对比库，确定所述待检测对象运动神经通路的损伤程度和康复治疗效果，生成所述待检测对象的运动神经通路分析报告；

数据存储器，用于对所述装置的全部数据进行统一存储管理。

本发明还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序实现运动神经通路检测量化方法的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行实现运动神经通路检测量化方法的步骤。

本发明提供了运动神经通路检测量化的方法、系统和装置，通过静息态、运动想象、运动执行和运动平复等多环节设置，实现从大脑中枢运动调节、自主神经协同反馈、脊髓&脊神经运动神经下行、肌肉系统运动控制输出、执行过程中的感觉反馈等多层次检测量化和综合分析，更系统地分析被试或患者的运动神经通路的状态水平和系统能力。本发明中，所述节点运动响应量化特征反映了运动神经通路上肌肉系统执行、脊髓结构传导和自主神经协同和脑中枢调控等关键运动支撑响应状态，是运动行为实施的最基本生理指标；所述节点运动峰时效应特征反映了运动神经通路各节点对于运动指令的最大激发能力和时间传导效率，是运动行为正常与否的关键观察指标；所述节点运动链路效率特征反映了运动神经通路各节点之间的协同传导和链路效应，是运动神经通路传导效应效能的关键分析指标；所述时期运动能力转移特征反映了不同运动阶段（所述运动状态时期）和运动场景下运动神经通路的生理激发/平复能力和能力转移效率，是各类不同损伤程度运动障碍和各类运动无能的主要分析指标，尤其是所述运动想象期和所述运动执行期的能力转移对比体现了脑中枢调控能力和自主神经协同能力；所述运动神经通路评价指数特征反映了整个运动神经通路的功能完整程度和能力健全状态，是运动神经通路的综合分析评价指标。

本发明中，通过对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征进行综合分析，更精确地识别待检测对象运动神经通路的健全状况和损伤部位，尤其是在所述运动想象期和所述运动执行期中对脑中枢调控、自主神经协同和脊运动下行（脊髓脊神经反射）的观察特征，能够直接反应出待检测对象的运动神经通路完整程度和健全状态；通过结合健康人群和功能障碍人群被试的运动神经通路特征对比库，对比分析待检测对象的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，更准确地评估待检测对象运动神经通路的损伤程度和康复治疗效果，尤其是在所述运动执行期中所述节点运动峰时效应特征和所述时期运动能力转移特征，能够直观体现待检测对象运动神经通路的损伤程度。在实际应用场景中，对指定运动行为、运动强度队列、运动维持时长等所述运动神经通路检测量化方案的灵活设计，加上所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征的多角度综合分析，使得本发明提供的运动神经通路检测量化的方法、系统和装置能够满足运动神经通路的不同程度的损伤症状或功能障碍的检测量化，尤其是在帕金森综合征、亨廷顿舞蹈症、脊髓损伤及脊髓综合征、脊髓横断、闭锁综合征和植物人等患者人群中能够更准确、稳定和高效地运动神经通路评估分析，为临床诊断和康复治疗提供有力可靠的证据，使得临床医生和康复师能够给出高效或有效诊疗方案和评估治疗康复效果。

附图说明

附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。

图1是本发明提出的运动神经通路检测量化方法的基本流程图。

图2是本发明提出的运动神经通路检测量化系统的模块组成图。

图3是本发明提出的运动神经通路检测量化装置模组构成图。

具体实施方式

为了更清楚地说明本发明的目的和技术方案，下面将结合本发明申请实施例中的附图，对本发明进行进一步介绍说明。显而易见地，下面描述的实施例仅是本发明一部分实施例，而不是全部的实施例。在没有创造性劳动前提下，本领域普通技术人员基于本发明的实施例所得到的其他实施例，都应属于本发明的保护范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

如图1所示，本发明实施例提供的一种运动神经通路检测量化的方法，包括如下步骤：

P100：获取待检测对象在不同运动状态时期完成预先设置的指定运动行为后的链路生理状态信号，提取链路运动生理状态时期时效特征。

第一步：根据待检测对象的基本信息，设计并确定运动神经通路检测量化方案并启动检测。

本实施例中，以脊髓上胸椎断轻度损伤患者（待检测对象）的手指拉力力量测试进行检测量化和评估分析上肢运动神经通路的功能为例，来阐述说明本发明内容。在检测场景中，待检测对象的右手臂放于水平支撑面上，要求其使用右食指手指将不同克数砝码（经过水平-滑轮-垂直结构）拉升到一定高度，并保持一小段时间。此高度应适中（1-2cm），应根据待检测对象的手指长度来设定，且检测过程中手臂和手掌无位移或受迫运动。

本实施例中，需要完成运动神经通路检测量化方案的输入和编辑，至少包括检测方案名称、检测目的目标、指定运动行为、运动强度队列、运动维持时长、检测间隔时间和指定运动行为提示。其中，指定运动行为为手指拉提动作；运动强度由拉提的克数和高度决定，拉升高度固定设置为1.5cm，则克数队列[5、25、50、100、150]，单位为克，可以代表运动强度队列；运动维持时长为15秒；检测间隔时间为60秒，来保证待检测对象的肌肉状态能够得到充足休息恢复。

第二步：进行指定运动行为提示，要求待检测对象完成所述预先设置的指定运动行为，获取待检测对象不同运动状态时期的所述链路生理状态信号。

本实施例中，链路生理状态信号包括大脑中枢皮质第一目标部位的第一生理数字信号、自主神经功能第二目标部位的第二生理数字信号、脊髓运动下行节段第三目标部位的第三生理数字信号、肌肉运动执行通路第四目标部位的第四生理数字信号。

本实施例中，第一目标部位包括前额叶皮质区和中央区皮质区；第一生理数字信号包括脑电图新信号（脑电生理信号）、血氧水平依赖

信号和皮肤电信号。第二目标部位包括左上臂（血氧水平依赖采集部位）、左胸V6导联（心电采集部位）、左小臂（脉搏采集部位）、左手食指（血氧采集部位）、左胸（体温采集部位）、左手中指和无名指（皮肤电采集部位）；第二生理数字信号包括血氧水平依赖

信号、心电信号、脉搏信号、血氧信号、体温信号和皮肤电信号。第三目标部位为右上臂的肱二头肌和肱三头肌之间的中心区域；第三生理数字信号包括血氧水平依赖

信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。第四目标部位为右小臂屈指肌中心区域；第四生理数字信号包括血氧水平依赖

信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。

本实施例中，链路生理状态信号中的同一类型的生理信号采用相同采集设备和采集参数：肌电信号，使用肌电传感器，采样率为500Hz，单通道；皮肤电信号，使用皮肤电传感器，采样率为250Hz，单通道；皮肤温度信号和体温信号，使用接触式热敏传感器，采样率为64Hz，单通道；心电信号，使用动态心电仪，采样率为250Hz，单导联-导联V6；脉搏信号，使用压电式脉搏采集设备，采样率为64Hz，单通道；血氧信号，使用指尖血氧检测仪，采样率为64Hz，单通道；脑电生理信号，使用EEG脑电图机，采样率为1000Hz，四通道，基于国际10-20系统脑电电极位置放置标准的采集电极点

，参考电极为左右耳垂

；血氧水平依赖

信号，采用连续波-功能性近红外光谱成像设备

，采样率为10Hz ，四通道（1个光源S1、4个探测器D1~D4组成的采样组，光源和探测器的距离SDD为2.5cm），光源放置于右侧中央区皮质区

形成区域的中心位置，注意光源、探测器与脑电电极位置错开。

本实施例中，肌电信号、脑电生理信号、心电信号属于神经电生理信号；血氧水平依赖

信号属于血液动力学信号；皮肤电信号、脉搏信号、血氧信号、体温信号、皮肤温度信号属于动态代谢动力学信号。

本实施例中，运动状态时期包括静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期。其中，运动执行期又包括脑中枢调控时效区间、自主神经协同时效区间、脊运动下行时效区间、肌运动执行时效区间；由于生理反馈延时不同带来了不同生理信号的延时时效，时效区间又细分为神经电生理观察区间、血液动力学观察区间、动态代谢动力学观察区间。

本实施例中，通过语音+视频图片的方式，向待检测对象进行指定运动行为提示，指定运动行为提示包括检测开始提示、运动想象提示、运动动作提示、运动结束提示、检测结束提示；其中，运动想象提示包括运动想象的执行动作描述和动作维持时长，运动动作提示包括执行动作描述和动作维持时长。

本实施例中，静息基线期为检测开始提示至运动想象提示的时间长度，设置为20秒；运动想象期为运动想象提示至运动动作提示的时间长度，设置为20秒；运动执行期为运动动作提示至运动结束提示的时间长度，设置为15秒；运动平复期为运动结束提示至检测结束提示的时间长度，设置为40秒；检测间歇期为60秒。

本实施例中，检测前需要给待检测对象严格规范地穿戴好所有采集设备以及采集电极或光极。准备工作做好之后，先启动所有链路生理状态信号的采集，一直持续到运动神经通路检测量化方案中全部运动强度队列和全部指定运动行为都全部执行完毕后，再停止所有链路生理状态信号的采集。

本实施例中，一个运动强度（克数）下的指定运动行为提示、指定运动行为执行的整体采集检测过程如下：

通过电脑屏幕图片和语音向待检测对象提示检测开始，持续采集所有链路生理状态信号，记录当前提示时间点。

通过电脑屏幕图片和语音向待检测对象提示运动想象（提拉当前运动强度相应克数，并维持20秒），持续采集所有链路生理状态信号，记录当前提示时间点。

通过电脑屏幕图片和语音向待检测对象提示运动执行（提拉当前运动强度相应克数，并维持15秒），持续采集链路生理状态信号，记录当前提示时间点。

通过电脑屏幕图片和语音向待检测对象提示运动结束（手指展开到原始水平位置，无拉力），持续采集所有链路生理状态信号，记录当前提示时间点。

通过电脑屏幕图片和语音向待检测对象提示检测结束，持续采集所有链路生理状态信号，记录当前提示时间点。

通过电脑屏幕图片和语音向待检测对象提示检测间隔，持续采集所有链路生理状态信号，记录当前提示时间点。

休息计时提示60秒钟（检测间隔的时间），使得待检测对象的肌肉状态能够得到充足休息恢复。

进入运动强度队列中下一个运动强度的采集检测过程,重复以上8个步骤。

最终，运动神经通路检测量化方案中全部运动强度队列和全部指定运动行为都全部执行完毕后，获得整个检测量化过程的所有链路生理状态信号。

第三步：对所述链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据。

本实施例中，对链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据，信号分析处理包括数字信号预处理、信号矫正处理和信号融合处理。

本实施例中，数字信号预处理包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波；信号矫正处理是对链路生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理。首先，对全部链路生理状态信号进行统一重采样处理，重采样率为250Hz。然后，链路生理状态信号中的同一类型的生理信号采用相同采的数字信号预处理策略进行其他数字信号预处理：对血氧水平依赖

信号的预处理主要是进行获取光强度并转换为光密度(OD)，去除坏通道，去伪迹，信号矫正，小波降噪，使用修正的比尔-朗伯定律将光密度或吸光度的变化会转化为含氧血红蛋白

、脱氧血红蛋白HbR和总血红蛋白HbT的浓度，通过

窗、零相位的FIR数字滤波器完成0.01-0.35Hz的带通滤波，提取

、HbR和HbT的浓度变化信号；对肌电信号的预处理主要是进行去伪迹，信号矫正，小波降噪，通过

窗、零相位的FIR数字滤波器完成50Hz工频陷波滤波，20~100Hz带通滤波；对脑电生理信号的预处理主要是进行去伪迹，信号矫正，小波降噪，通过

窗、零相位的FIR数字滤波器完成50Hz工频陷波滤波，0.5~70Hz带通滤波；对心电信号的预处理主要是进行去伪迹，信号矫正，小波降噪，通过

窗、零相位的FIR数字滤波器完成50Hz工频陷波滤波，0.1~35Hz带通滤波；对皮肤电信号、皮肤温度信号、体温信号、脉搏信号、血氧信号的预处理主要是进行去伪迹，信号矫正，通过

窗、零相位的FIR数字滤波器完成2Hz低通滤波。

本实施例中，信号融合处理是对链路生理状态信号中同一部位的、同一信号类型的、多通道的、同一运动强度的生理数字信号进行数字信号融合。数字信号融合方法包括平均叠加，即多通道信号进行平均叠加作为融合信号。最后，对数字信号预处理后的链路生理状态信号进行信号矫正处理和信号融合处理，生成链路运动生理状态信号数据。

第四步：从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成所述链路运动生理状态时期时效特征。

本实施例中，根据指定运动行为提示所记录的不同运动状态时期（静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期）的时点，以及运动执行期中不同时效区间（脑中枢调控时效区间、自主神经协同时效区间、脊运动下行时效区间、肌运动执行时效区间）和不同信号观察区间（神经电生理观察区间、血液动力学观察区间、动态代谢动力学观察区间），对链路运动生理状态信号数据进行区间划分和截断提取，生成链路运动生理状态信号时期时效数据；

对链路运动生理状态信号时期时效数据进行运动生理状态特征提取，生成链路运动生理状态时期时效特征。链路运动生理状态时期时效特征由不同生理信号的信号区间特征组成，包括血氧水平依赖

信号区间特征、肌电信号区间特征、皮肤电信号区间特征、皮肤温度信号区间特征、体温信号区间特征、心电信号区间特征、脉搏信号区间特征、血氧信号区间特征、脑电生理信号区间特征。信号区间特征包括区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征。其中，区间数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度；区间功率谱特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率；区间包络特征包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度；区间非线性特征至少包括熵特征、分形特征和复杂度特征，熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵，分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数，复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。

P200：对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集。

本实施例中，从链路运动生理状态时期时效特征中统一选择若干个神经电生理特征、血液动力学特征和动态代谢动力学特征，来说明运动神经通路的量化特征分析过程，具体如下：

1）神经电生理特征：肌电信号的包络均方根、包络变异系数、包络信号；脑电生理信号的选择β-γ节律（20-100Hz）的特征频带功率及特征频带功率占比、包络信号；心电信号的心率平均值及变异系数、包络信号。

2）血液动力学特征：血氧水平依赖

信号的含氧血红蛋白浓度的平均值和变异系数、包络信号。

3）动态代谢动力学特征：皮肤电信号的皮肤电导反应SCR的包络均方根、包络变异系数、包络信号；脉搏信号的脉搏平均值及变异系数、包络信号；血氧信号的血氧平均值及变异系数、包络信号；体温信号的体温平均值及变异系数、包络信号；皮肤温度信号的温度平均值及变异系数、包络信号。

本实施例中，在不同运动时期中，运动神经通路的不同链路节点发挥的主要功能作用不一样，生理表现也完全不一样，如运动想象期集中在脑中枢（感觉运动中央皮质区），运动执行期则更偏重于脊运动下行和肌运动执行的生理反馈。同时，也考虑到不同生理信号对于运动神经通路的表征程度不一样，所以在选择链路运动生理状态时期时效特征、以及不同时期时效特征的加权计算权重时，会根据具体方案的设计和检测目的目标进行偏向性选择。

在本实施例中，对链路运动生理状态时期时效特征进行量化处理的步骤还包括：对链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征；对链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征；对链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征；对链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征。

以下阐述对链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由第一数据集、第二数据集、第三数据集、第四数据集和第五数据集组成运动神经通路检测量化的结果数据集步骤的具体内容。

第一步：对链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征，生成响应特征量化的第一数据集。

本实施例中，节点运动响应量化特征反映了运动神经通路上肌肉系统执行、脊髓结构传导和自主神经协同和脑中枢调控等关键运动支撑响应状态，是运动行为实施的最基本生理指标。节点运动响应量化特征包括节点运动生理功能量化特征、节点运动生理响应特征。

本实施例中，节点运动生理功能量化特征由运动神经通路中各个节点的、不同生理信号的生理功能量化特征组成，至少包括脑中枢调控生理功能量化特征、自主神经协同生理功能量化特征、脊运动下行生理功能量化特征、肌运动执行生理功能量化特征。其中，生理功能量化特征又包括血氧水平依赖

量化特征、肌电量化特征、皮肤电量化特征、加速度量化特征、心电量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、体温量化特征、脑电生理量化特征。量化特征由不同部位的、不同运动强度下的、不同运动状态时期的、不同生理数字信号的、多个时效区间特征组成的量化曲线。

本实施例中，节点运动生理响应特征包括节点运动生理响应指数、节点运动生理响应指数曲线。节点运动生理响应指数包括脑中枢调控生理响应指数、自主神经协同生理响应指数、脊运动下行生理响应指数、肌运动执行生理响应指数；节点运动生理响应指数曲线包括脑中枢调控生理响应指数曲线、自主神经协同生理响应指数曲线、脊运动下行生理响应指数曲线、肌运动执行生理响应指数曲线。

本实施例中，脑中枢调控生理响应指数和脑中枢调控生理响应指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取大脑中枢皮质第一目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和脑中枢调控时效区间的信号区间特征，生成脑中枢调控时期时效区间特征集（包括脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根）；

依次对脑中枢调控时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成脑中枢调控时期时效区间特征相对变化量集；

对脑中枢调控时期时效区间特征集和脑中枢调控时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算（以相对变化量集中的多特征参数为主，脑电特征的权重为0.6，含氧血红蛋白浓度特征的权重为0.3，皮肤电导反应SCR的权重为0.1），得到当前运动强度下的脑中枢调控生理响应指数；

计算得到全部运动强度下的脑中枢调控生理响应指数，生成脑中枢调控生理响应指数曲线。

本实施例中，自主神经协同生理响应指数和自主神经协同生理响应指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取自主神经功能第二目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和自主神经协同时效区间的信号区间特征，生成自主神经协同时期时效区间特征集（包括心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值）；

依次对自主神经协同时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成自主神经协同时期时效区间特征相对变化量集；

对自主神经协同时期时效区间特征集和自主神经协同时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算（以相对变化量集中的多特征参数为主，心电特征的权重为0.2，含氧血红蛋白浓度特征的权重为0.5，皮肤电导反应SCR的权重为0.2，脉搏特征的权重为0.1），得到当前运动强度下的自主神经协同生理响应指数；

计算得到全部运动强度下的自主神经协同生理响应指数，生成自主神经协同生理响应指数曲线。

本实施例中，脊运动下行生理响应指数和脊运动下行生理响应指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取脊髓运动下行节段第三目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和脊运动下行时效区间的信号区间特征，生成脊运动下行时期时效区间特征集（包括肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根）；

依次对脊运动下行时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成脊运动下行时期时效区间特征相对变化量集；

对脊运动下行时期时效区间特征集和脊运动下行时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算（以相对变化量集中的多特征参数为主，肌电特征的权重为0.6，含氧血红蛋白浓度特征的权重为0.3，皮肤电导反应SCR的权重为0.1），得到当前运动强度下的脊运动下行生理响应指数；

计算得到全部运动强度下的脊运动下行生理响应指数，生成脊运动下行生理响应指数曲线。

本实施例中，肌运动执行生理响应指数和肌运动执行生理响应指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取肌肉运动执行通路第四目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和肌运动执行时效区间的信号区间特征，生成肌运动执行时期时效区间特征集（包括肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根）；

依次对肌运动执行时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成肌运动执行时期时效区间特征相对变化量集；

对肌运动执行时期时效区间特征集和肌运动执行时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算（以相对变化量集中的多特征参数为主，肌电特征的权重为0.6，含氧血红蛋白浓度特征的权重为0.3，皮肤电导反应SCR的权重为0.1），得到当前运动强度下的肌运动执行生理响应指数；

计算得到全部运动强度下的肌运动执行生理响应指数，生成肌运动执行生理响应指数曲线。

本实施例中，特征相对变化量的计算方法，如下：

对于特征YFE，相对变化量计算公式

，如下

其中，

为静息基线期的特征值，

为任一时效区间的特征值。

第二步：对链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征，生成峰时效应特征量化的第二数据集。

本实施例中，节点运动峰时效应特征反映了运动神经通路各节点对于运动指令的最大激发能力和时间传导效率，是运动行为正常与否的关键观察指标。节点运动峰时效应特征包括节点运动响应峰值序列、节点运动响应峰延时序列、节点运动响应峰时效应序列、节点运动峰时效应指数、节点运动峰时效应指数曲线。

本实施例中，节点运动响应峰值序列和节点运动响应峰延时序列的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取第一目标部位的脑中枢调控时效区间的、第二目标部位的自主神经协同时效区间的、第三目标部位的脊运动下行时效区间的、第四目标部位的肌运动执行时效区间的、不同运动强度下的、不同生理数字信号的、信号区间特征中的区间包络特征中的包络信号，生成生理数字信号包络特征集（包括第一目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第二目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号；第三目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第四目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

依次计算得到第四目标部位的脑中枢调控时效区间的、第三目标部位的自主神经协同时效区间的、第二目标部位的脊运动下行时效区间的、第一目标部位的肌运动执行时效区间的、同一运动强度下的、不同生理数字信号的包络信号的最大值和最大值对应的索引时间，得到最大值索引时间序列，生成节点运动响应峰值序列；

根据最大值索引时间序列，结合运动执行开始时点和运动执行结束时点，生成节点运动响应峰延时序列。

本实施例中，节点运动响应峰时效应序列、节点运动峰时效应指数和节点运动峰时效应指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取第一目标部位的脑中枢调控时效区间的、第二目标部位的自主神经协同时效区间的、第三目标部位的脊运动下行时效区间的、第四目标部位的肌运动执行时效区间的、不同运动强度下的、不同生理数字信号的、全部运动状态时期的、信号区间特征中的区间包络特征中的包络信号，生成生理数字信号包络特征集（包括第一目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第二目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号；第三目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第四目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

计算得到同一运动强度下的节点运动响应峰值序列和节点运动响应峰延时序列，经峰时效应值计算，生成节点运动响应峰时效应序列；

对节点运动响应峰时效应序列中多峰时效应值的进行多参数加权计算（权重均衡分布：第一目标部位，脑电特征的权重为0.15，含氧血红蛋白浓度特征的权重为0.1，皮肤电导反应SCR的权重为0.05；第二目标部位，心电特征的权重为0.1，含氧血红蛋白浓度特征的权重为0.05，皮肤电导反应SCR的权重为0.05，脉搏特征的权重为0.05；第三目标部位，肌电特征的权重为0.1，含氧血红蛋白浓度特征的权重为0.1，皮肤电导反应SCR的权重为0.05；第四目标部位，肌电特征的权重为0.1，含氧血红蛋白浓度特征的权重为0.1，皮肤电导反应SCR的权重为0.05），生成当前运动强度下的节点运动峰时效应指数；

计算得到全部运动强度下的节点运动峰时效应指数，生成节点运动峰时效应指数曲线。

本实施例中，峰时效应的计算方法，如下：

其中，PEC为一生理数字信号的峰时效应（值），

为一生理数字信号的包络信号峰值；

为一生理数字信号的包络信号峰延时；

为一生理数字信号的、静息基线期的包络信号振幅均值。

第三步：对链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征，生成链路特征量化的第三数据集。

本实施例中，节点运动链路效率特征反映了运动神经通路各节点之间的协同传导和链路效应，是运动神经通路传导效应效能的关键分析指标。节点运动链路效率特征至少包括运动链路效率特征、运动链路效率指数、运动链路效率曲线。

本实施例中，运动链路效率特征由不同链路节点间的多个链路特征组成，包括脑脊运动下行链路特征、脑肌运动下行链路特征、脑自运动下行链路特征、脊肌运动下行链路特征、脊自运动下行链路特征、肌自运动下行链路特征。其中，链路特征必须包括一个神经电生理特征和一个神经电生理特征的链路相关系数、一个血液动力学特征和一个血液动力学特征的链路相关系数、一个动态代谢动力学特征和一个动态代谢动力学特征的链路相关系数、一个神经电生理特征和一个血液动力学特征的链路相关系数、一个神经电生理特征和一个动态代谢动力学特征的链路相关系数、一个血液动力学特征和一个动态代谢动力学特征的链路相关系数。

本实施例中，运动链路效率指数包括脑脊运动下行链路指数、脑肌运动下行链路指数、脑自运动下行链路指数、脊肌运动下行链路指数、脊自运动下行链路指数、肌自运动下行链路指数。

本实施例中，运动链路效率指数曲线包括脑脊运动下行链路指数曲线、脑肌运动下行链路指数曲线、脑自运动下行链路指数曲线、脊肌运动下行链路指数曲线、脊自运动下行链路指数曲线、肌自运动下行链路指数曲线。

本实施例中，对关系特征-链路特征的多参数权重计算中采用统一的权重策略：以同类属的交叉耦合关系特征为主，即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2，血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2，动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1，其他交叉特征的距离特征和关联特征的权重都为0，生成统一的相关关系特征权重策略。

本实施例中，脑脊运动下行链路特征、脑脊运动下行链路指数和脑脊运动下行链路指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质第一目标部位的脑中枢调控时效区间和脊髓运动下行节段第三目标部位的脊运动下行时效区间的、区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和脊运动下行生理数字包络信号集（包括第一目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第三目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

分别对脑中枢调控生理数字包络信号集和脊运动下行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和脊运动下行生理数字相对包络信号集；

依次计算同一运动强度下的、脑中枢调控生理数字相对包络信号集中一包络信号和脊运动下行生理数字相对包络信号集中一包络信号的关系特征，生成脑脊运动下行链路特征；

对脑脊运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的脑脊运动下行链路指数；

计算得到全部运动强度下的脑脊运动下行链路指数，生成脑脊运动下行链路指数曲线。

本实施例中，脑肌运动下行链路特征、脑肌运动下行链路指数和脑肌运动下行链路指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质第一目标部位的脑中枢调控时效区间和肌肉运动执行通路第四目标部位的肌运动执行时效区间的、区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和肌运动执行生理数字包络信号集（包括第一目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第四目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

分别对脑中枢调控生理数字包络信号集和肌运动执行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和肌运动执行生理数字相对包络信号集；

依次计算同一运动强度下的、脑中枢调控生理数字相对包络信号集中一包络信号和肌运动执行生理数字相对包络信号集中一包络信号的关系特征，生成脑肌运动下行链路特征；

对脑肌运动下行链路特征中的多个链路特征值进行多参数加权计算（按相关关系特征权重策略），得到当前运动强度下的脑肌运动下行链路指数；

计算得到全部运动强度下的脑肌运动下行链路指数，生成脑肌运动下行链路指数曲线。

本实施例中，脑自运动下行链路特征、脑自运动下行链路指数和脑自运动下行链路指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质第一目标部位的脑中枢调控时效区间和自主神经功能第二目标部位的自主神经协同时效区间的、区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和自主神经协同生理数字包络信号集（包括第一目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第二目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号）；

分别对脑中枢调控生理数字包络信号集和自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、脑中枢调控生理数字相对包络信号集中一包络信号和自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成脑自运动下行链路特征；

对脑自运动下行链路特征中的多个链路特征值进行多参数加权计算（按相关关系特征权重策略），得到当前运动强度下的脑自运动下行链路指数；

计算得到全部运动强度下的脑自运动下行链路指数，生成脑自运动下行链路指数曲线。

本实施例中，脊肌运动下行链路特征、脊肌运动下行链路指数和脊肌运动下行链路指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、脊髓运动下行节段第三目标部位的脊运动下行时效区间和肌肉运动执行通路第四目标部位的肌运动执行时效区间的、区间包络特征中的包络信号，分别生成脊运动下行生理数字包络信号集和肌运动执行生理数字包络信号集（包括第三目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号；第四目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

分别对脊运动下行生理数字包络信号集和肌运动执行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脊运动下行生理数字相对包络信号集和肌运动执行生理数字相对包络信号集；

依次计算同一运动强度下的、脊运动下行生理数字相对包络信号集中一包络信号和肌运动执行生理数字相对包络信号集中一包络信号的关系特征，生成脊肌运动下行链路特征；

对脊肌运动下行链路特征中的多个链路特征值进行多参数加权计算（按相关关系特征权重策略），得到当前运动强度下的脊肌运动下行链路指数；

计算得到全部运动强度下的脊肌运动下行链路指数，生成脊肌运动下行链路指数曲线。

本实施例中，脊自运动下行链路特征、脊自运动下行链路指数和脊自运动下行链路指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、脊髓运动下行节段第三目标部位的脊运动下行时效区间和自主神经功能第二目标部位的自主神经协同时效区间的、区间包络特征中的包络信号，分别生成脊运动下行生理数字包络信号集和自主神经协同生理数字包络信号集（包括第二目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号；第三目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

分别对脊运动下行生理数字包络信号集和自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脊运动下行生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、脊运动下行生理数字相对包络信号集中一包络信号和自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成脊自运动下行链路特征；

对脊自运动下行链路特征中的多个链路特征值进行多参数加权计算（按相关关系特征权重策略），得到当前运动强度下的脊自运动下行链路指数；

计算得到全部运动强度下的脊自运动下行链路指数，生成脊自运动下行链路指数曲线。

本实施例中，肌自运动下行链路特征、肌自运动下行链路指数和肌自运动下行链路指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、肌肉运动执行通路第四目标部位的肌运动执行时效区间和自主神经功能第二目标部位的自主神经协同时效区间的、区间包络特征中的包络信号，分别生成肌运动执行生理数字包络信号集和自主神经协同生理数字包络信号集（包括第二目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号；第四目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号）；

分别对肌运动执行生理数字包络信号集和自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成肌运动执行生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、肌运动执行生理数字相对包络信号集中一包络信号和自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成肌自运动下行链路特征；

对肌自运动下行链路特征中的多个链路特征值进行多参数加权计算（按相关关系特征权重策略），得到当前运动强度下的肌自运动下行链路指数；

计算得到全部运动强度下的肌自运动下行链路指数，生成肌自运动下行链路指数曲线。

本实施例中，去基线均值化处理的方法，如下：

对于一时效区间的包络特征中的信号

，其去基线均值化处理的计算公式如下：

其中，

为

的相对包络信号，

为静息基线期的包络信号振幅均值。

本实施例中，关系特征至少包括关联特征和距离特征。

本实施例中，关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。

本实施例中，距离特征的计算方法，如下：

对于数值序列

和数值序列

，距离序列

定义为

距离性特征为距离序列

的数值特征，主要包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度。

第四步：对链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征，生成能力转移指数量化的第四数据集。

本实施例中，时期运动能力转移特征反映了不同运动阶段（运动状态时期）和运动场景下运动神经通路的生理激发/平复能力和能力转移效率，是各类不同损伤程度运动障碍和各类运动无能的主要分析指标，尤其是运动想象期和运动执行期的能力转移对比体现了脑中枢调控能力和自主神经协同能力。

本实施例中，时期运动能力转移特征包括运动能力转移特征指数、运动能力转移特征指数曲线。其中，运动能力转移特征指数包括运动想象能力转移指数、运动执行能力转移指数、运动平复能力转移指数；运动能力转移特征指数曲线包括运动想象能力转移指数曲线、运动执行能力转移指数曲线、运动平复能力转移指数曲线。

本实施例中，运动想象能力转移指数和运动想象能力转移指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取第一目标部位、第二目标部位、第三目标部位、第四目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和运动想象期的信号区间特征，生成运动想象时期时效区间转移特征集（包括第一目标部位的脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根；第二目标部位的心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值；第三目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根；第四目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根）；

依次对运动想象时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动想象时期时效区间转移特征相对变化量集；

对运动想象时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算（运动想象期，以脑中枢调控反应为主：第一目标部位，脑电特征的权重为0.3，含氧血红蛋白浓度特征的权重为0.3，皮肤电导反应SCR的权重为0.1；第二目标部位，心电特征的权重为0.05，含氧血红蛋白浓度特征的权重为0.05，皮肤电导反应SCR的权重为0.05，脉搏特征的权重为0.05；第三目标部位，肌电特征的权重为0.05，含氧血红蛋白浓度特征的权重为0.0，皮肤电导反应SCR的权重为0.0；第四目标部位，肌电特征的权重为0.05，含氧血红蛋白浓度特征的权重为0.0，皮肤电导反应SCR的权重为0.0），得到当前运动强度下的运动想象能力转移指数；

计算得到全部运动强度下的运动想象能力转移指数，生成运动想象能力转移指数曲线。

本实施例中，运动执行能力转移指数和运动执行能力转移指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取第一目标部位、第二目标部位、第三目标部位、第四目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和运动执行期的信号区间特征，生成运动执行时期时效区间转移特征集（包括第一目标部位的脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根；第二目标部位的心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值；第三目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根；第四目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根）；

依次对运动执行时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动执行时期时效区间转移特征相对变化量集；

对运动执行时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算（运动执行期，以脊运动下行和肌运动输出反应为主：第一目标部位，脑电特征的权重为0.15，含氧血红蛋白浓度特征的权重为0.05，皮肤电导反应SCR的权重为0.0；第二目标部位，心电特征的权重为0.05，含氧血红蛋白浓度特征的权重为0.00，皮肤电导反应SCR的权重为0.05，脉搏特征的权重为0.0；第三目标部位，肌电特征的权重为0.15，含氧血红蛋白浓度特征的权重为0.05，皮肤电导反应SCR的权重为0.05；第四目标部位，肌电特征的权重为0.25，含氧血红蛋白浓度特征的权重为0.15，皮肤电导反应SCR的权重为0.05），得到当前运动强度下的运动执行能力转移指数；

计算得到全部运动强度下的运动执行能力转移指数，生成运动执行能力转移指数曲线。

本实施例中，运动平复能力转移指数和运动平复能力转移指数曲线的计算方法，如下：

从链路运动生理状态时期时效特征中，选择并提取第一目标部位、第二目标部位、第三目标部位、第四目标部位、不同运动强度下的、不同生理数字信号的、静息基线期和运动平复期的信号区间特征，生成运动平复时期时效区间转移特征集（包括第一目标部位的脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根；第二目标部位的心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值；第三目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根；第四目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根）；

依次对运动平复时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动平复时期时效区间转移特征相对变化量集；

对运动平复时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算（运动平复期，以脑中枢调控和肌运动输出反应为主：第一目标部位，脑电特征的权重为0.15，含氧血红蛋白浓度特征的权重为0.1，皮肤电导反应SCR的权重为0.05；第二目标部位，心电特征的权重为0.05，含氧血红蛋白浓度特征的权重为0.05，皮肤电导反应SCR的权重为0.0，脉搏特征的权重为0.00；第三目标部位，肌电特征的权重为0.05，含氧血红蛋白浓度特征的权重为0.00，皮肤电导反应SCR的权重为0.00；第四目标部位，肌电特征的权重为0.25，含氧血红蛋白浓度特征的权重为0.15，皮肤电导反应SCR的权重为0.05），得到当前运动强度下的运动平复能力转移指数；

计算得到全部运动强度下的运动平复能力转移指数，生成运动平复能力转移指数曲线。

第五步：对整个运动神经通路的功能完整程度和能力健全状态进行量化处理，生成功能评价指数量化的第五数据集。

本实施例中，运动神经通路评价指数特征反映了整个运动神经通路的功能完整程度和能力健全状态，是运动神经通路的综合分析评价指标。运动神经通路评价指数特征包括运动神经通路评价系数、运动神经通路评价系数曲线、运动神经通路综合指数；其中，运动神经通路特征数据包括节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征。

本实施例中，运动神经通路评价系数和运动神经通路评价系数曲线的计算方法，如下：

依次计算得到节点运动生理响应指数曲线、节点运动峰时效应指数曲线、运动链路效率指数曲线和运动能力转移特征指数曲线，生成运动神经通路生理表征特征集；

从运动神经通路生理表征特征集中，提取同一运动强度下的节点运动生理响应指数、节点运动峰时效应指数和运动链路效率指数，生成运动神经通路生理表征指数集（包括脑中枢调控生理响应指数、自主神经协同生理响应指数、脊运动下行生理响应指数、肌运动执行生理响应指数、脑脊运动下行链路指数、脑肌运动下行链路指数、脑自运动下行链路指数、脊肌运动下行链路指数、脊自运动下行链路指数、肌自运动下行链路指数、运动想象能力转移指数、运动执行能力转移指数、运动平复能力转移指数、节点运动峰时效应指数）；

对运动神经通路生理表征指数集中的多个生理表征指数进行多参数加权计算（所有指数的权重都一样，即取均值），生成运动神经通路评价系数；

计算得到全部运动强度下的运动神经通路评价系数，生成运动神经通路评价系数曲线。

本实施例中，运动神经通路综合指数的计算方法，如下：

计算得到运动神经通路评价系数曲线，得到运动神经通路评价系数队列；

分析计算运动神经通路评价系数队列与运动强度队列的关系特征，生成运动神经通路综合表征系数集；

对运动神经通路综合表征系数集的多个综合表征系数进行多参数加权计算，得到运动神经通路综合指数。

P300: 对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成待检测对象的运动神经通路检测量化报告。

本实施例中，根据运动神经通路检测量化方案，对健康人群和功能障碍人群的运动神经通路进行检测和量化，得到健康人群和功能障碍人群的节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征，结合健康人群和功能障碍人群的基本信息，预先构建得到运动神经通路特征对比库。

本实施例中，对节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征进行综合分析，识别待检测对象运动神经通路的健全状况和损伤部位；尤其，在运动想象期和运动执行期中对脑中枢调控、自主神经协同和脊运动下行（脊髓脊神经反射）的观察特征，能够直接反应出待检测对象的运动神经通路完整程度和健全状态。

本实施例中，结合健康人群和功能障碍人群的运动神经通路特征对比库，对比分析待检测对象的节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征，确定待检测对象运动神经通路的损伤程度和康复治疗效果；尤其，在运动执行期中节点运动峰时效应特征和时期运动能力转移特征，能够直观体现待检测对象运动神经通路的损伤程度。

本实施例中，根据待检测对象运动神经通路的健全状况、损伤部位、损伤程度和康复治疗效果，生成待检测对象的运动神经通路分析报告。

本实施例中，在实际应用场景中，对指定运动行为、运动强度队列、运动维持时长等运动神经通路检测量化方案的灵活设计，加上节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征的多角度综合分析，使得本发明提供的运动神经通路检测量化的方法、系统和装置能够满足运动神经通路的不同程度的损伤症状或功能障碍的检测量化，尤其是在帕金森综合征、亨廷顿舞蹈症、脊髓损伤及脊髓综合征、脊髓横断、闭锁综合征和植物人等患者人群中能够更准确、稳定和高效地运动神经通路评估分析，为临床诊断和康复治疗提供有力可靠的证据，使得临床医生和康复师能够给出高效或有效诊疗方案和评估治疗康复效果。

如图2所示，本发明实施例提供的一种运动神经通路检测量化的系统，包括如下模块：

检测执行管理模块S100，用于根据待检测对象的基本信息，编辑和管理运动神经通路检测量化方案，执行管理运动神经通路检测量化方案并进行指定运动行为提示；

生理采集处理模块S200，用于采集获取待检测对象不同运动状态时期的链路生理状态信号并进行信号分析处理，生成链路运动生理状态信号数据；

时期特征提取模块S300，用于从链路运动生理状态信号数据中提取不同运动状态时期的运动生理状态特征，生成链路运动生理状态时期时效特征；

通路功能分析模块S400，用于对链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由第一数据集、第二数据集、第三数据集、第四数据集和第五数据集组成运动神经通路检测量化的结果数据集；

功能报告分析模块S500，用于对结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成基于待检测对象的运动神经通路检测量化报告；

数据运行管理模块S600，用于对系统的全部数据进行可视化展现管理和统一存储管理。

本实施例中，检测执行管理模块S100包括以下功能单元：

检测方案管理单元S110，用于编辑和管理运动神经通路检测量化方案，运动神经通路检测量化方案至少包括检测方案名称、检测目的目标、指定运动行为、运动强度队列、运动维持时长、检测间隔时间和指定运动行为提示；

检测执行管理单元S120，用于执行管理运动神经通路检测量化方案并记录不同运动状态时期和指定运动行为提示的执行时间点，运动状态时期至少包括静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期；

行为提示执行单元S130，用于进行指定运动行为提示，要求待检测对象完成指定运动行为，指定运动行为提示至少包括检测开始提示、运动想象提示、运动动作提示、运动结束提示、检测结束提示；

人员信息管理单元S140，用于编辑、记录和管理待检测对象的基本信息，基本信息至少包括姓名、性别、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。

本实施例中，生理采集处理模块S200包括以下功能单元：

生理信号采集单元S210，用于连接生理状态信号采集设备或传感器，采集获取待检测对象的链路生理状态信号，链路生理状态信号至少包括大脑中枢皮质第一目标部位的第一生理数字信号、自主神经功能第二目标部位的第二生理数字信号、脊髓运动下行节段第三目标部位的第三生理数字信号、肌肉运动执行通路第四目标部位的第四生理数字信号；

信号基础处理单元S220，用于对链路生理状态信号进行数字信号预处理，数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波；

信号矫正处理单元S230，用于对链路生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理；

信号融合处理单元S240，用于对链路生理状态信号中同一部位的、同一信号类型的、多通道的、同一运动强度的生理数字信号进行数字信号融合，生成链路运动生理状态信号数据。

本实施例中，时期特征提取模块S300包括以下功能单元：

时期区间划分单元S310，用于根据指定运动行为提示的时点，按照运动状态时期对链路运动生理状态信号数据进行区间划分；

区间数据提取单元S320，用于对时期区间划分后链路运动生理状态信号数据进行截断提取，生成链路运动生理状态信号时期时效数据；

数值特征提取单元S330，用于从链路运动生理状态信号时期时效数据提取区间数值特征，区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度；

功率谱特征提取单元S340，用于从链路运动生理状态信号时期时效数据提取区间功率谱特征，区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率；

包络特征提取单元S350，用于从链路运动生理状态信号时期时效数据提取区间包络特征，区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度；

非线性特征提取单元S360，用于从链路运动生理状态信号时期时效数据提取区间非线性特征，区间非线性特征至少包括熵特征、分形特征和复杂度特征；

区间特征融合单元S370，用于对区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征进行整合，生成链路运动生理状态时期时效特征，链路运动生理状态时期时效特征至少包括血氧水平依赖

信号区间特征、肌电信号区间特征、皮肤电信号区间特征、皮肤温度信号区间特征、加速度信号区间特征、心电信号区间特征、脉搏信号区间特征、呼吸信号区间特征、血氧信号区间特征、体温信号区间特征、脑电生理信号区间特征。

本实施例中，通路功能分析模块S400包括以下功能单元：

节点响应分析单元S410，用于对链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征，节点运动响应量化特征至少包括节点运动生理功能量化特征、节点运动生理响应特征；

峰时效应分析单元S420，用于对链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征，节点运动峰时效应特征至少包括节点运动响应峰值序列、节点运动响应峰延时序列、节点运动响应峰时效应序列、节点运动峰时效应指数、节点运动峰时效应指数曲线；

链路效率分析单元S430，用于对链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征，节点运动链路效率特征至少包括运动链路效率特征、运动链路效率指数、运动链路效率曲线；

能力转移分析单元S440，用于对链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征，时期运动能力转移特征至少包括运动能力转移特征指数、运动能力转移特征指数曲线；

指标融合分析单元S450，用于对节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征和时期运动能力转移特征进行指标融合分析，提取运动神经通路评价指数特征，并整合生成运动神经通路特征数据。

本实施例中，功能报告分析模块S500包括以下功能单元：

特征对比库单元S510，用于根据运动神经通路检测量化方案，对健康人群和功能障碍人群的运动神经通路进行检测和量化，构建得到运动神经通路特征对比库，并进行持续更新和运行管理；

损伤部位分析单元S520，用于对节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征进行综合分析，识别待检测对象运动神经通路的健全状况和损伤部位；

损伤程度识别单元S530，用于结合健康人群和功能障碍人群的运动神经通路特征对比库，对比分析待检测对象的节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征、时期运动能力转移特征和运动神经通路评价指数特征，确定待检测对象运动神经通路的损伤程度和康复治疗效果；

功能报告生成单元S540，用于根据待检测对象运动神经通路的健全状况、损伤部位、损伤程度和康复治疗效果，生成待检测对象的运动神经通路分析报告。

本实施例中，数据运行管理模块S600包括以下功能单元：

数据可视化展示单元S610，用于系统的全部数据的可视化展示管理；

数据存储管理单元S620，用于系统的全部数据的统一存储和数据管理。

如图3所示，本发明实施例提供的一种运动神经通路检测量化的装置，包括如下模组：

运行控制界面M100，用于提供可视化操作界面，待检测对象的基本信息的编辑和管理，运动神经通路检测量化方案的编辑和管理，指定运动行为提示和检测过程执行管理，数据可视化展现和数据可视化管理；

数据采集器M200，用于连接生理信号采集设备或传感器，采集获取待检测对象不同运动状态时期的链路生理状态信号；

数据处理器M300，用于对链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据；从链路运动生理状态信号数据中提取不同运动状态时期的运动生理状态特征，生成链路运动生理状态时期时效特征；对链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由第一数据集、第二数据集、第三数据集、第四数据集和第五数据集组成运动神经通路检测量化的结果数据集；对链路运动生理状态时期时效特征进行综合量化分析，提取节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征和时期运动能力转移特征，生成运动神经通路评价指数特征，并整合得到运动神经通路特征数据；对运动神经通路特征数据进行综合分析，识别待检测对象运动神经通路的健全状况和损伤部位，并结合健康人群和功能障碍人群的运动神经通路特征对比库，确定待检测对象运动神经通路的损伤程度和康复治疗效果，生成待检测对象的运动神经通路分析报告；

数据存储器M400，用于对装置的全部数据进行统一存储管理。

本发明还提供了可编程的各类处理器（FPGA、ASIC或其他集成电路），上述处理器用于运行程序，其中，上述程序运行时执行实施例中的步骤。

本发明还提供了对应的计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，上述存储器执行上述程序时执行实施例中的步骤。

虽然本发明所揭露的实施方式如上，但上述的 内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和原则的前提下，可以在实施的形式及细节上进行任何的修改与变化、等同替换等，这些都属于本发明的保护范围。因此，本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (75)

1.一种运动神经通路检测量化的方法，其特征在于，所述方法包括：

获取待检测对象在不同运动状态时期完成预先设置的指定运动行为后的链路生理状态信号，提取链路运动生理状态时期时效特征；

对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集；

对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成所述待检测对象的运动神经通路检测量化报告。

2.根据权利要求1所述的运动神经通路检测量化的方法，其特征在于，所述获取待检测对象在不同运动状态时期完成预先设置的指定运动行为后的链路生理状态信号，提取链路运动生理状态时期时效特征的步骤包括：

根据所述待检测对象的基本信息，设计并确定运动神经通路检测量化方案并启动检测；

进行指定运动行为提示，要求所述待检测对象完成所述预先设置的指定运动行为，获取所述待检测对象不同运动状态时期的所述链路生理状态信号；

对所述链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据；

从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成所述链路运动生理状态时期时效特征。

3.根据权利要求2所述的运动神经通路检测量化的方法，其特征在于，所述指定运动行为提示至少包括检测开始提示、运动想象提示、运动动作提示、运动结束提示、检测结束提示；其中，所述运动想象提示至少包括运动想象的执行动作描述和动作维持时长，所述运动动作提示至少包括执行动作描述和动作维持时长。

4.根据权利要求3所述的运动神经通路检测量化的方法，其特征在于，所述运动状态时期至少包括静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期。

5.根据权利要求4所述的运动神经通路检测量化的方法，其特征在于，所述运动执行期至少包括脑中枢调控时效区间、自主神经协同时效区间、脊运动下行时效区间、肌运动执行时效区间；其中，所述时效区间至少包括神经电生理观察区间、血液动力学观察区间、动态代谢动力学观察区间。

6.根据权利要求5所述的运动神经通路检测量化的方法，其特征在于，所述链路生理状态信号至少包括大脑中枢皮质第一目标部位的第一生理数字信号、自主神经功能第二目标部位的第二生理数字信号、脊髓运动下行节段第三目标部位的第三生理数字信号、肌肉运动执行通路第四目标部位的第四生理数字信号。

7.根据权利要求6所述的运动神经通路检测量化的方法，其特征在于，所述第一目标部位至少包括前额叶皮质区、背侧额叶皮质区、顶叶皮质区、中央区皮质区、颞叶皮质区；所述第一生理数字信号至少包括脑电生理信号、血氧水平依赖

信号和皮肤电信号；所述脑电生理信号由脑电图采集设备或传感器、脑磁图设备或传感器采集生成。

8.根据权利要求7所述的运动神经通路检测量化的方法，其特征在于，所述第二目标部位至少包括血氧水平依赖采集部位、心电采集部位、脉搏采集部位、呼吸采集部位、血氧采集部位、体温采集部位和皮肤电采集部位；所述第二生理数字信号至少包括血氧水平依赖

信号、心电信号、脉搏信号、呼吸信号、血氧信号、体温信号和皮肤电信号。

9.根据权利要求8所述的运动神经通路检测量化的方法，其特征在于，所述第三目标部位根据指定运动行为确定，选择所述指定运动行为所涉及运动肌肉部位感觉运动神经-脊神经的同节段或近节段支配的肌肉群体表区域；所述第三生理数字信号至少包括血氧水平依赖

信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。

10.根据权利要求9所述的运动神经通路检测量化的方法，其特征在于，所述第四目标部位根据所述指定运动行为确定，选择所述指定运动行为所涉及运动执行相关紧邻紧密肌肉群体表区域；所述第四生理数字信号至少包括血氧水平依赖

信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。

11.根据权利要求10所述的运动神经通路检测量化的方法，其特征在于，所述运动神经通路检测量化方案至少包括检测方案名称、检测目的目标、所述指定运动行为、运动强度队列、运动维持时长、检测间隔时间和所述指定运动行为提示；其中，所述检测间隔时间根据所述运动强度队列和所述运动维持时长确定。

12.根据权利要求11所述的运动神经通路检测量化的方法，其特征在于，所述信号分析处理至少包括数字信号预处理、信号矫正处理和信号融合处理；其中，所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波；所述信号矫正处理具体为对所述链路生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理；所述信号融合处理是对所述链路生理状态信号中同一部位的、同一信号类型的、多通道的、同一运动强度的生理数字信号进行数字信号融合；所述数字信号融合方法至少包括平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。

13.根据权利要求12所述的运动神经通路检测量化的方法，其特征在于，所述从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成所述链路运动生理状态时期时效特征的步骤还包括：

根据所述指定运动行为提示的时点，按照所述运动状态时期对所述链路运动生理状态信号数据进行区间划分和截断提取，生成链路运动生理状态信号时期时效数据；

对所述链路运动生理状态信号时期时效数据进行运动生理状态特征提取，生成所述链路运动生理状态时期时效特征。

14.根据权利要求13所述的运动神经通路检测量化的方法，其特征在于，所述链路运动生理状态时期时效特征至少包括血氧水平依赖

信号区间特征、肌电信号区间特征、皮肤电信号区间特征、加速度信号区间特征、心电信号区间特征、脉搏信号区间特征、呼吸信号区间特征、血氧信号区间特征、皮肤温度信号区间特征、体温信号区间特征、脑电生理信号区间特征。

15.根据权利要求14所述的运动神经通路检测量化的方法，其特征在于，所述信号区间特征至少包括区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征；其中，所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度；所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率；所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度。

16.根据权利要求15所述的运动神经通路检测量化的方法，其特征在于，所述区间非线性特征至少包括熵特征、分形特征和复杂度特征；

其中，所述熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵；

所述分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数；

所述复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。

17.根据权利要求16所述的运动神经通路检测量化的方法，其特征在于，所述对所述链路运动生理状态时期时效特征进行量化处理的步骤还包括：

对所述链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征；

对所述链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征；

对所述链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征；

对所述链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征。

18.根据权利要求17所述的运动神经通路检测量化的方法，其特征在于，所述节点运动响应量化特征至少包括节点运动生理功能量化特征、节点运动生理响应特征。

19.根据权利要求18所述的运动神经通路检测量化的方法，其特征在于，所述节点运动生理功能量化特征至少包括脑中枢调控生理功能量化特征、自主神经协同生理功能量化特征、脊运动下行生理功能量化特征、肌运动执行生理功能量化特征。

20.根据权利要求19所述的运动神经通路检测量化的方法，其特征在于，所述生理功能量化特征至少包括血氧水平依赖

量化特征、肌电量化特征、皮肤电量化特征、加速度量化特征、心电量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、体温量化特征、脑电生理量化特征。

21.根据权利要求20所述的运动神经通路检测量化的方法，其特征在于，所述量化特征由不同部位的、不同运动强度下的、不同所述运动状态时期的、不同生理数字信号的、多个时效区间特征组成的量化曲线。

22.根据权利要求21所述的运动神经通路检测量化的方法，其特征在于，所述节点运动生理响应特征至少包括节点运动生理响应指数、节点运动生理响应指数曲线。

23.根据权利要求22所述的运动神经通路检测量化的方法，其特征在于，所述节点运动生理响应指数至少包括脑中枢调控生理响应指数、自主神经协同生理响应指数、脊运动下行生理响应指数、肌运动执行生理响应指数。

24.根据权利要求23所述的运动神经通路检测量化的方法，其特征在于，所述节点运动生理响应指数曲线至少包括脑中枢调控生理响应指数曲线、自主神经协同生理响应指数曲线、脊运动下行生理响应指数曲线、肌运动执行生理响应指数曲线。

25.根据权利要求24所述的运动神经通路检测量化的方法，其特征在于，所述节点运动峰时效应特征至少包括节点运动响应峰值序列、节点运动响应峰延时序列、节点运动响应峰时效应序列、节点运动峰时效应指数、节点运动峰时效应指数曲线。

26.根据权利要求25所述的运动神经通路检测量化的方法，其特征在于，所述节点运动链路效率特征至少包括运动链路效率特征、运动链路效率指数、运动链路效率曲线。

27.根据权利要求26所述的运动神经通路检测量化的方法，其特征在于，所述运动链路效率特征至少包括脑脊运动下行链路特征、脑肌运动下行链路特征、脑自运动下行链路特征、脊肌运动下行链路特征、脊自运动下行链路特征、肌自运动下行链路特征。

28.根据权利要求27所述的运动神经通路检测量化的方法，其特征在于，所述链路特征至少包括一个神经电生理特征和一个神经电生理特征的链路相关系数、一个血液动力学特征和一个血液动力学特征的链路相关系数、一个动态代谢动力学特征和一个动态代谢动力学特征的链路相关系数、一个神经电生理特征和一个血液动力学特征的链路相关系数、一个神经电生理特征和一个动态代谢动力学特征的链路相关系数、一个血液动力学特征和一个动态代谢动力学特征的链路相关系数。

29.根据权利要求28所述的运动神经通路检测量化的方法，其特征在于，所述运动链路效率指数至少包括脑脊运动下行链路指数、脑肌运动下行链路指数、脑自运动下行链路指数、脊肌运动下行链路指数、脊自运动下行链路指数、肌自运动下行链路指数。

30.根据权利要求29所述的运动神经通路检测量化的方法，其特征在于，所述运动链路效率指数曲线至少包括脑脊运动下行链路指数曲线、脑肌运动下行链路指数曲线、脑自运动下行链路指数曲线、脊肌运动下行链路指数曲线、脊自运动下行链路指数曲线、肌自运动下行链路指数曲线。

31.根据权利要求30所述的运动神经通路检测量化的方法，其特征在于，所述时期运动能力转移特征至少包括运动能力转移特征指数、运动能力转移特征指数曲线。

32.根据权利要求31所述的运动神经通路检测量化的方法，其特征在于，所述运动能力转移特征指数至少包括运动想象能力转移指数、运动执行能力转移指数、运动平复能力转移指数。

33.根据权利要求32所述的运动神经通路检测量化的方法，其特征在于，所述运动能力转移特征指数曲线至少包括运动想象能力转移指数曲线、运动执行能力转移指数曲线、运动平复能力转移指数曲线。

34.根据权利要求33所述的运动神经通路检测量化的方法，其特征在于，所述运动神经通路评价指数特征至少包括运动神经通路评价系数、运动神经通路评价系数曲线、运动神经通路综合指数。

35.根据权利要求34所述的运动神经通路检测量化的方法，其特征在于，所述运动神经通路特征数据至少包括所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征。

36.根据权利要求35所述的运动神经通路检测量化的方法，其特征在于，所述生成响应特征量化的第一数据集的步骤包括分别计算脑中枢调控生理响应指数和所述脑中枢调控生理响应指数曲线、所述自主神经协同生理响应指数和所述自主神经协同生理响应指数曲线、所述脊运动下行生理响应指数和所述脊运动下行生理响应指数曲线、所述肌运动执行生理响应指数和所述肌运动执行生理响应指数曲线。

37.根据权利要求36所述的运动神经通路检测量化的方法，其特征在于，所述脑中枢调控生理响应指数和所述脑中枢调控生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取大脑中枢皮质所述第一目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述脑中枢调控时效区间的信号区间特征，生成脑中枢调控时期时效区间特征集；

依次对所述脑中枢调控时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成脑中枢调控时期时效区间特征相对变化量集；

对所述脑中枢调控时期时效区间特征集和所述脑中枢调控时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述脑中枢调控生理响应指数；

计算得到全部运动强度下的所述脑中枢调控生理响应指数，生成所述脑中枢调控生理响应指数曲线。

38.根据权利要求37所述的运动神经通路检测量化的方法，其特征在于，所述自主神经协同生理响应指数和所述自主神经协同生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取自主神经功能所述第二目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述自主神经协同时效区间的信号区间特征，生成自主神经协同时期时效区间特征集；

依次对所述自主神经协同时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成自主神经协同时期时效区间特征相对变化量集；

对所述自主神经协同时期时效区间特征集和所述自主神经协同时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述自主神经协同生理响应指数；

计算得到全部运动强度下的所述自主神经协同生理响应指数，生成所述自主神经协同生理响应指数曲线。

39.根据权利要求38所述的运动神经通路检测量化的方法，其特征在于，所述脊运动下行生理响应指数和所述脊运动下行生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取脊髓运动下行节段所述第三目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述脊运动下行时效区间的信号区间特征，生成脊运动下行时期时效区间特征集；

依次对所述脊运动下行时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成脊运动下行时期时效区间特征相对变化量集；

对所述脊运动下行时期时效区间特征集和所述脊运动下行时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述脊运动下行生理响应指数；

计算得到全部运动强度下的所述脊运动下行生理响应指数，生成所述脊运动下行生理响应指数曲线。

40.根据权利要求39所述的运动神经通路检测量化的方法，其特征在于，所述肌运动执行生理响应指数和所述肌运动执行生理响应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取肌肉运动执行通路所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述肌运动执行时效区间的信号区间特征，生成肌运动执行时期时效区间特征集；

依次对所述肌运动执行时期时效区间特征集中的、同一运动强度下的信号区间特征进行相对变化量计算，生成肌运动执行时期时效区间特征相对变化量集；

对所述肌运动执行时期时效区间特征集和所述肌运动执行时期时效区间特征相对变化量集中的多特征参数进行多参数加权计算，得到当前运动强度下的所述肌运动执行生理响应指数；

计算得到全部运动强度下的所述肌运动执行生理响应指数，生成所述肌运动执行生理响应指数曲线。

41.根据权利要求40所述的运动神经通路检测量化的方法，其特征在于，所述特征相对变化量的计算方法，如下：

对于特征

，相对变化量计算公式

，如下

其中，

为静息基线期的特征值，

为任一时效区间的特征值。

42.根据权利要求41所述的运动神经通路检测量化的方法，其特征在于，生成峰时效应特征量化的第二数据集的步骤包括分别计算出节点运动响应峰值序列和所述节点运动响应峰延时序列、所述节点运动响应峰时效应序列、所述节点运动峰时效应指数和所述节点运动峰时效应指数曲线。

43.根据权利要求42所述的运动神经通路检测量化的方法，其特征在于，所述节点运动响应峰值序列和所述节点运动响应峰延时序列的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位的所述脑中枢调控时效区间的、所述第二目标部位的所述自主神经协同时效区间的、所述第三目标部位的所述脊运动下行时效区间的、所述第四目标部位的所述肌运动执行时效区间的、不同运动强度下的、不同生理数字信号的、所述信号区间特征中的所述区间包络特征中的包络信号，生成生理数字信号包络特征集；

依次计算得到所述第四目标部位的所述脑中枢调控时效区间的、所述第三目标部位的所述自主神经协同时效区间的、所述第二目标部位的所述脊运动下行时效区间的、所述第一目标部位的所述肌运动执行时效区间的、同一运动强度下的、不同生理数字信号的包络信号的最大值和最大值对应的索引时间，得到最大值索引时间序列，生成所述节点运动响应峰值序列；

根据所述最大值索引时间序列，结合运动执行开始时点和运动执行结束时点，生成所述节点运动响应峰延时序列。

44.根据权利要求43所述的运动神经通路检测量化的方法，其特征在于，所述节点运动响应峰时效应序列、所述节点运动峰时效应指数和所述节点运动峰时效应指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位的所述脑中枢调控时效区间的、所述第二目标部位的所述自主神经协同时效区间的、所述第三目标部位的所述脊运动下行时效区间的、所述第四目标部位的所述肌运动执行时效区间的、不同运动强度下的、不同生理数字信号的、全部所述运动状态时期的、所述信号区间特征中的所述区间包络特征中的包络信号，生成生理数字信号包络特征集；

计算得到同一运动强度下的所述节点运动响应峰值序列和所述节点运动响应峰延时序列，经峰时效应值计算，生成所述节点运动响应峰时效应序列；

对所述节点运动响应峰时效应序列中多峰时效应值的进行多参数加权计算，生成当前运动强度下的所述节点运动峰时效应指数；

计算得到全部运动强度下的所述节点运动峰时效应指数，生成所述节点运动峰时效应指数曲线。

45.根据权利要求44所述的运动神经通路检测量化的方法，其特征在于，所述峰时效应的计算方法，如下：

其中，

为一生理数字信号的峰时效应值，

为一生理数字信号的包络信号峰值；

为一生理数字信号的包络信号峰延时；

为一生理数字信号的、静息基线期的包络信号振幅均值。

46.根据权利要求45所述的运动神经通路检测量化的方法，其特征在于，生成链路特征量化的第三数据集的步骤包括分别计算所述脑脊运动下行链路特征、所述脑脊运动下行链路指数和所述脑脊运动下行链路指数曲线、所述脑肌运动下行链路特征、所述脑肌运动下行链路指数和所述脑肌运动下行链路指数曲线、所述脑自运动下行链路特征、所述脑自运动下行链路指数和所述脑自运动下行链路指数曲线、所述脊肌运动下行链路特征、所述脊肌运动下行链路指数和所述脊肌运动下行链路指数曲线、所述脊自运动下行链路特征、所述脊自运动下行链路指数和所述脊自运动下行链路指数曲线、所述肌自运动下行链路特征、所述肌自运动下行链路指数和所述肌自运动下行链路指数曲线。

47.根据权利要求46所述的运动神经通路检测量化的方法，其特征在于，所述脑脊运动下行链路特征、所述脑脊运动下行链路指数和所述脑脊运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质所述第一目标部位的所述脑中枢调控时效区间和脊髓运动下行节段所述第三目标部位的所述脊运动下行时效区间的、所述区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和脊运动下行生理数字包络信号集；

分别对所述脑中枢调控生理数字包络信号集和所述脊运动下行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和脊运动下行生理数字相对包络信号集；

依次计算同一运动强度下的、所述脑中枢调控生理数字相对包络信号集中一包络信号和所述脊运动下行生理数字相对包络信号集中一包络信号的关系特征，生成所述脑脊运动下行链路特征；

对所述脑脊运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脑脊运动下行链路指数；

计算得到全部运动强度下的所述脑脊运动下行链路指数，生成所述脑脊运动下行链路指数曲线。

48.根据权利要求47所述的运动神经通路检测量化的方法，其特征在于，所述脑肌运动下行链路特征、所述脑肌运动下行链路指数和所述脑肌运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质所述第一目标部位的所述脑中枢调控时效区间和肌肉运动执行通路所述第四目标部位的所述肌运动执行时效区间的、所述区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和肌运动执行生理数字包络信号集；

分别对所述脑中枢调控生理数字包络信号集和所述肌运动执行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和肌运动执行生理数字相对包络信号集；

依次计算同一运动强度下的、所述脑中枢调控生理数字相对包络信号集中一包络信号和所述肌运动执行生理数字相对包络信号集中一包络信号的关系特征，生成所述脑肌运动下行链路特征；

对所述脑肌运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脑肌运动下行链路指数；

计算得到全部运动强度下的所述脑肌运动下行链路指数，生成所述脑肌运动下行链路指数曲线。

49.根据权利要求48所述的运动神经通路检测量化的方法，其特征在于，所述脑自运动下行链路特征、所述脑自运动下行链路指数和所述脑自运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、大脑中枢皮质所述第一目标部位的所述脑中枢调控时效区间和自主神经功能所述第二目标部位的所述自主神经协同时效区间的、所述区间包络特征中的包络信号，分别生成脑中枢调控生理数字包络信号集和自主神经协同生理数字包络信号集；

分别对所述脑中枢调控生理数字包络信号集和所述自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脑中枢调控生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、所述脑中枢调控生理数字相对包络信号集中一包络信号和所述自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成所述脑自运动下行链路特征；

对所述脑自运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脑自运动下行链路指数；

计算得到全部运动强度下的所述脑自运动下行链路指数，生成所述脑自运动下行链路指数曲线。

50.根据权利要求49所述的运动神经通路检测量化的方法，其特征在于，所述脊肌运动下行链路特征、所述脊肌运动下行链路指数和所述脊肌运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、脊髓运动下行节段所述第三目标部位的所述脊运动下行时效区间和肌肉运动执行通路所述第四目标部位的所述肌运动执行时效区间的、所述区间包络特征中的包络信号，分别生成脊运动下行生理数字包络信号集和肌运动执行生理数字包络信号集；

分别对所述脊运动下行生理数字包络信号集和所述肌运动执行生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成所述脊运动下行生理数字相对包络信号集和肌运动执行生理数字相对包络信号集；

依次计算同一运动强度下的、所述脊运动下行生理数字相对包络信号集中一包络信号和所述肌运动执行生理数字相对包络信号集中一包络信号的关系特征，生成所述脊肌运动下行链路特征；

对所述脊肌运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脊肌运动下行链路指数；

计算得到全部运动强度下的所述脊肌运动下行链路指数，生成所述脊肌运动下行链路指数曲线。

51.根据权利要求50所述的运动神经通路检测量化的方法，其特征在于，所述脊自运动下行链路特征、所述脊自运动下行链路指数和所述脊自运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、脊髓运动下行节段所述第三目标部位的所述脊运动下行时效区间和自主神经功能所述第二目标部位的所述自主神经协同时效区间的、所述区间包络特征中的包络信号，分别生成脊运动下行生理数字包络信号集和自主神经协同生理数字包络信号集；

分别对所述脊运动下行生理数字包络信号集和所述自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成脊运动下行生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、所述脊运动下行生理数字相对包络信号集中一包络信号和所述自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成所述脊自运动下行链路特征；

对所述脊自运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述脊自运动下行链路指数；

计算得到全部运动强度下的所述脊自运动下行链路指数，生成所述脊自运动下行链路指数曲线。

52.根据权利要求51所述的运动神经通路检测量化的方法，其特征在于，所述肌自运动下行链路特征、所述肌自运动下行链路指数和所述肌自运动下行链路指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，分别选择并提取不同运动强度下的、不同生理数字信号的、肌肉运动执行通路所述第四目标部位的所述肌运动执行时效区间和自主神经功能所述第二目标部位的所述自主神经协同时效区间的、所述区间包络特征中的包络信号，分别生成肌运动执行生理数字包络信号集和自主神经协同生理数字包络信号集；

分别对所述肌运动执行生理数字包络信号集和所述自主神经协同生理数字包络信号集中的包络信号进行去基线均值化处理，分别生成肌运动执行生理数字相对包络信号集和自主神经协同生理数字相对包络信号集；

依次计算同一运动强度下的、所述肌运动执行生理数字相对包络信号集中一包络信号和所述自主神经协同生理数字相对包络信号集中一包络信号的关系特征，生成所述肌自运动下行链路特征；

对所述肌自运动下行链路特征中的多个链路特征值进行多参数加权计算，得到当前运动强度下的所述肌自运动下行链路指数；

计算得到全部运动强度下的所述肌自运动下行链路指数，生成所述肌自运动下行链路指数曲线。

53.根据权利要求52所述的运动神经通路检测量化的方法，其特征在于，所述去基线均值化处理的方法，如下：

对于一时效区间的包络特征中的信号

，其去基线均值化处理的计算公式如下：

其中，

为

的相对包络信号，

为静息基线期的包络信号振幅均值。

54.根据权利要求53所述的运动神经通路检测量化的方法，其特征在于，所述关系特征至少包括关联特征和距离特征。

55.根据权利要求54所述的运动神经通路检测量化的方法，其特征在于，所述关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。

56.根据权利要求55所述的运动神经通路检测量化的方法，其特征在于，所述距离特征的计算方法，如下：

对于数值序列

和数值序列

，距离序列

定义为

距离性特征为距离序列

的数值特征，至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度。

57.根据权利要求56所述的运动神经通路检测量化的方法，其特征在于，生成能力转移指数量化的第四数据集的步骤包括分别计算所述运动想象能力转移指数和所述运动想象能力转移指数曲线、所述运动执行能力转移指数和所述运动执行能力转移指数曲线、所述运动平复能力转移指数和所述运动平复能力转移指数曲线。

58.根据权利要求57所述的运动神经通路检测量化的方法，其特征在于，所述运动想象能力转移指数和所述运动想象能力转移指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位、所述第二目标部位、所述第三目标部位、所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述运动想象期的信号区间特征，生成运动想象时期时效区间转移特征集；

依次对所述运动想象时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动想象时期时效区间转移特征相对变化量集；

对所述运动想象时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算，得到当前运动强度下的所述运动想象能力转移指数；

计算得到全部运动强度下的所述运动想象能力转移指数，生成所述运动想象能力转移指数曲线。

59.根据权利要求58所述的运动神经通路检测量化的方法，其特征在于，所述运动执行能力转移指数和所述运动执行能力转移指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位、所述第二目标部位、所述第三目标部位、所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述运动执行期的信号区间特征，生成运动执行时期时效区间转移特征集；

依次对所述运动执行时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动执行时期时效区间转移特征相对变化量集；

对所述运动执行时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算，得到当前运动强度下的所述运动执行能力转移指数；

计算得到全部运动强度下的所述运动执行能力转移指数，生成所述运动执行能力转移指数曲线。

60.根据权利要求59所述的运动神经通路检测量化的方法，其特征在于，所述运动平复能力转移指数和所述运动平复能力转移指数曲线的计算步骤具体为：

从所述链路运动生理状态时期时效特征中，选择并提取所述第一目标部位、所述第二目标部位、所述第三目标部位、所述第四目标部位、不同运动强度下的、不同生理数字信号的、所述静息基线期和所述运动平复期的信号区间特征，生成运动平复时期时效区间转移特征集；

依次对所述运动平复时期时效区间转移特征集中的、同一运动强度下的每个信号区间特征进行相对变化量计算，生成运动平复时期时效区间转移特征相对变化量集；

对所述运动平复时期时效区间转移特征相对变化量集中的多参数进行多参数加权计算，得到当前运动强度下的所述运动平复能力转移指数；

计算得到全部运动强度下的所述运动平复能力转移指数，生成所述运动平复能力转移指数曲线。

61.根据权利要求60所述的运动神经通路检测量化的方法，其特征在于，生成功能评价指数量化的第五数据集的步骤包括计算所述运动神经通路评价系数和所述运动神经通路评价系数曲线。

62.根据权利要求61所述的运动神经通路检测量化的方法，其特征在于，所述运动神经通路评价系数和所述运动神经通路评价系数曲线的计算方法，如下：

依次计算得到所述节点运动生理响应指数曲线、所述节点运动峰时效应指数曲线、所述运动链路效率指数曲线和所述运动能力转移特征指数曲线，生成运动神经通路生理表征特征集；

从所述运动神经通路生理表征特征集中，提取同一运动强度下的所述节点运动生理响应指数、所述节点运动峰时效应指数和所述运动链路效率指数，生成运动神经通路生理表征指数集；

对运动神经通路生理表征指数集中的多个生理表征指数进行多参数加权计算，生成所述运动神经通路评价系数；

计算得到全部运动强度下的所述运动神经通路评价系数，生成所述运动神经通路评价系数曲线。

63.根据权利要求62所述的运动神经通路检测量化的方法，其特征在于，所述运动神经通路生理表征指数集至少包括脑中枢调控生理响应指数、自主神经协同生理响应指数、脊运动下行生理响应指数、肌运动执行生理响应指数、脑脊运动下行链路指数、脑肌运动下行链路指数、脑自运动下行链路指数、脊肌运动下行链路指数、脊自运动下行链路指数、肌自运动下行链路指数、运动想象能力转移指数、运动执行能力转移指数、运动平复能力转移指数、节点运动峰时效应指数。

64.根据权利要求63所述的运动神经通路检测量化的方法，其特征在于，所述运动神经通路综合指数的计算步骤具体为：

计算得到所述运动神经通路评价系数曲线，得到运动神经通路评价系数队列；

分析计算所述运动神经通路评价系数队列与所述运动强度队列的关系特征，生成运动神经通路综合表征系数集；

对所述运动神经通路综合表征系数集的多个综合表征系数进行多参数加权计算，得到所述运动神经通路综合指数。

65.根据权利要求64所述的运动神经通路检测量化的方法，其特征在于，所述对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成所述待检测对象的运动神经通路检测量化报告的步骤包括：

对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征进行综合分析，识别所述待检测对象运动神经通路的健全状况和损伤部位；

根据所述运动神经通路检测量化方案，对健康人群和功能障碍人群的运动神经通路进行检测和量化，得到健康人群和功能障碍人群的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，结合健康人群和功能障碍人群的基本信息，预先构建得到所述运动神经通路特征对比库；

结合所述运动神经通路特征对比库，对比分析所述待检测对象的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，确定所述待检测对象运动神经通路的损伤程度和康复治疗效果；

根据所述待检测对象运动神经通路的所述健全状况、所述损伤部位、所述损伤程度和所述康复治疗效果，生成所述待检测对象的运动神经通路分析报告。

66.一种运动神经通路检测量化的系统，其特征在于，所述系统包括如下模块：

检测执行管理模块，用于根据待检测对象的基本信息，编辑和管理运动神经通路检测量化方案，执行管理所述运动神经通路检测量化方案并进行指定运动行为提示；

生理采集处理模块，用于采集获取所述待检测对象不同运动状态时期的链路生理状态信号并进行信号分析处理，生成链路运动生理状态信号数据；

时期特征提取模块，用于从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成链路运动生理状态时期时效特征；

通路功能分析模块，用于对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集；

功能报告分析模块，用于对所述结果数据集进行量化分析，并结合预先构建的运动神经通路特征对比库，生成基于所述待检测对象的运动神经通路检测量化报告；

数据运行管理模块，用于对所述系统的全部数据进行可视化展现管理和统一存储管理。

67.根据权利要求66所述的运动神经通路检测量化的系统，其特征在于，所述检测执行管理模块至少包括以下功能单元：

检测方案管理单元，用于编辑和管理运动神经通路检测量化方案，所述运动神经通路检测量化方案至少包括检测方案名称、检测目的目标、所述指定运动行为、运动强度队列、运动维持时长、检测间隔时间和所述指定运动行为提示；

检测执行管理单元，用于执行管理所述运动神经通路检测量化方案并记录不同运动状态时期和所述指定运动行为提示的执行时间点，所述运动状态时期至少包括静息基线期、运动想象期、运动执行期、运动平复期、检测间歇期；

行为提示执行单元，用于进行所述指定运动行为提示，要求所述待检测对象完成指定运动行为，所述指定运动行为提示至少包括检测开始提示、运动想象提示、运动动作提示、运动结束提示、检测结束提示；

人员信息管理单元，用于编辑、记录和管理所述待检测对象的基本信息，所述基本信息至少包括姓名、性别、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。

68.根据权利要求67所述的运动神经通路检测量化的系统，其特征在于，所述生理采集处理模块至少包括以下功能单元：

生理信号采集单元，用于连接生理状态信号采集设备或传感器，采集获取所述待检测对象的链路生理状态信号，所述链路生理状态信号至少包括大脑中枢皮质第一目标部位的第一生理数字信号、自主神经功能第二目标部位的第二生理数字信号、脊髓运动下行节段第三目标部位的第三生理数字信号、肌肉运动执行通路第四目标部位的第四生理数字信号；

信号基础处理单元，用于对所述链路生理状态信号进行数字信号预处理，所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波；

信号矫正处理单元，用于对所述链路生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理；

信号融合处理单元，用于对所述链路生理状态信号中同一部位的、同一信号类型的、多通道的、同一运动强度的生理数字信号进行数字信号融合，生成所述链路运动生理状态信号数据。

69.根据权利要求68所述的运动神经通路检测量化的系统，其特征在于，所述时期特征提取模块至少包括以下功能单元：

时期区间划分单元，用于根据所述指定运动行为提示的时点，按照所述运动状态时期对所述链路运动生理状态信号数据进行区间划分；

区间数据提取单元，用于对时期区间划分后所述链路运动生理状态信号数据进行截断提取，生成所述链路运动生理状态信号时期时效数据；

数值特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间数值特征，所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度；

功率谱特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间功率谱特征，所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率；

包络特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间包络特征，所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度；

非线性特征提取单元，用于从所述链路运动生理状态信号时期时效数据提取区间非线性特征，所述区间非线性特征至少包括熵特征、分形特征和复杂度特征；

区间特征融合单元，用于对所述区间数值特征、所述区间功率谱特征、所述区间包络特征和所述区间非线性特征进行整合，生成所述链路运动生理状态时期时效特征，所述链路运动生理状态时期时效特征至少包括血氧水平依赖

信号区间特征、肌电信号区间特征、皮肤电信号区间特征、皮肤温度信号区间特征、加速度信号区间特征、心电信号区间特征、脉搏信号区间特征、呼吸信号区间特征、血氧信号区间特征、体温信号区间特征、脑电生理信号区间特征。

70.根据权利要求69所述的运动神经通路检测量化的系统，其特征在于，所述通路功能分析模块至少包括以下功能单元：

节点响应分析单元，用于对所述链路运动生理状态时期时效特征进行节点响应分析，提取节点运动响应量化特征，所述节点运动响应量化特征至少包括节点运动生理功能量化特征、节点运动生理响应特征；

峰时效应分析单元，用于对所述链路运动生理状态时期时效特征进行峰时效应分析，提取节点运动峰时效应特征，所述节点运动峰时效应特征至少包括节点运动响应峰值序列、节点运动响应峰延时序列、节点运动响应峰时效应序列、节点运动峰时效应指数、节点运动峰时效应指数曲线；

链路效率分析单元，用于对所述链路运动生理状态时期时效特征进行链路效率分析，提取节点运动链路效率特征，所述节点运动链路效率特征至少包括运动链路效率特征、运动链路效率指数、运动链路效率曲线；

能力转移分析单元，用于对所述链路运动生理状态时期时效特征进行能力转移分析，提取时期运动能力转移特征，所述时期运动能力转移特征至少包括运动能力转移特征指数、运动能力转移特征指数曲线；

指标融合分析单元，用于对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征和所述时期运动能力转移特征进行指标融合分析，提取运动神经通路评价指数特征，并整合生成运动神经通路特征数据。

71.根据权利要求70所述的运动神经通路检测量化的系统，其特征在于，所述功能报告分析模块至少包括以下功能单元：

特征对比库单元，用于根据所述运动神经通路检测量化方案，对健康人群和功能障碍人群的运动神经通路进行检测和量化，构建得到所述运动神经通路特征对比库，并进行持续更新和运行管理；

损伤部位分析单元，用于对所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征进行综合分析，识别所述待检测对象运动神经通路的健全状况和损伤部位；

损伤程度识别单元，用于结合健康人群和功能障碍人群的运动神经通路特征对比库，对比分析所述待检测对象的所述节点运动响应量化特征、所述节点运动峰时效应特征、所述节点运动链路效率特征、所述时期运动能力转移特征和所述运动神经通路评价指数特征，确定所述待检测对象运动神经通路的损伤程度和康复治疗效果；

功能报告生成单元，用于根据所述待检测对象运动神经通路的所述健全状况、所述损伤部位、所述损伤程度和所述康复治疗效果，生成所述待检测对象的运动神经通路分析报告。

72.根据权利要求71所述的运动神经通路检测量化的系统，其特征在于，所述数据运行管理模块至少包括以下功能单元：

数据可视化展示单元，用于所述系统的全部数据的可视化展示管理；

数据存储管理单元，用于所述系统的全部数据的统一存储和数据管理。

73.一种运动神经通路检测量化的装置，其特征在于，所述装置包括如下模组：

运行控制界面，用于提供可视化操作界面，待检测对象的基本信息的编辑和管理，运动神经通路检测量化方案的编辑和管理，指定运动行为提示和检测过程执行管理，数据可视化展现和数据可视化管理；

数据采集器，用于连接生理信号采集设备或传感器，采集获取所述待检测对象不同运动状态时期的链路生理状态信号；

数据处理器，用于对所述链路生理状态信号进行信号分析处理，生成链路运动生理状态信号数据；从所述链路运动生理状态信号数据中提取不同所述运动状态时期的运动生理状态特征，生成链路运动生理状态时期时效特征；对所述链路运动生理状态时期时效特征进行量化处理，生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、链路特征量化的第三数据集、能力转移指数量化的第四数据集以及功能评价指数量化的第五数据集，由所述第一数据集、所述第二数据集、所述第三数据集、所述第四数据集和所述第五数据集组成运动神经通路检测量化的结果数据集；对所述链路运动生理状态时期时效特征进行综合量化分析，提取节点运动响应量化特征、节点运动峰时效应特征、节点运动链路效率特征和时期运动能力转移特征，生成运动神经通路评价指数特征，并整合得到运动神经通路特征数据；对所述运动神经通路特征数据进行综合分析，识别所述待检测对象运动神经通路的健全状况和损伤部位，并结合健康人群和功能障碍人群的运动神经通路特征对比库，确定所述待检测对象运动神经通路的损伤程度和康复治疗效果，生成所述待检测对象的运动神经通路分析报告；

数据存储器，用于对所述装置的全部数据进行统一存储管理。

74.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1-65任一项所述方法的步骤。

75.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行实现如权利要求1-65任一项所述方法的步骤。

Images