基于表面肌电信号的脑卒中康复治疗.docxVIP

基于表面肌电信号的脑卒中康复治疗 0 人体电位差等的检测 随着中国医疗水平的逐步提高，科学康复可以为许多患有踝关节运动障碍的中风患者提供一定程度的康复恢复。但目前多数康复医疗机器人均使用的是传统的被动康复训练模式，只是模式简单的机器来带动患者运动的被动康复，虽然能快速提高患者的肌肉活动频率，但反映不出患者本身的真实运动意图，对患者运动能力的提高作用微小，患者康复训练的积极性不高，长期使用会使患者会产生对康复机器人的依赖，无法提高患者本身的运动控制能力 研究发现，神经电信号通过神经细胞传输给人体的器官或组织，这些搭载了人体动作信息的信号会引起相应的电位差，电位差之和被称为人体生物电信号。表面肌电信号相较于人体动作的发生，可以提前50～100 ms产生，所以在一定程度上可以反映出患者的运动倾向 为提高患者康复治疗的积极性，科学地增强患者患侧的肌肉控制能力，采用一种主动康复训练模式对患者进行康复训练，主动康复训练并不是让患者本身自由运动，而是对提取的人体表面肌肉电信号进行归一化处理并分类,可以识别出患者将要进行的运动动作，并可以在此基础上估计力矩大小、对肌肉病症进行诊断及帮助患者进行正确的康复训练治疗等。避免患者运动模式错误，肢体过度紧张导致肌张力升高，乃至逐渐丧失运动功能，引导患者在正确的康复模式下进行康复训练。 1 网络应当实现人机交互 踝关节康复设备一般占地面积较大，会浪费大量的空间资源，同时设备结构复杂，设备质量大，不便于在使用过程中调试或移动 对于这一需求，提出一套有多种运动模式且结构轻便、使用简单的踝关节康复系统。机械结构的设计安装完成后，要选用合适的主控制器、驱动器、电机和传感器，并安装在机械结构中使其获得动力。 系统采用笔记本电脑作为上位机显示人机交互界面，患者在进行康复训练时，操作者可以通过笔记本电脑中显示的人机交互界面设置和更改参数，随患者运动动作变化的位置、扭矩等数据也会实时上传到显示界面中。 实现人机交互的重点是肌肉电信号的分析。当患者进行背屈动作训练时，腓肠肌放松，胫骨前肌收缩；当患者进行跖屈动作训练时，胫骨前肌放松，腓肠肌收缩；当患者放松时，胫骨前肌和腓肠肌均处于放松状态。由于不同动作训练下肌肉状态不用，利用Delsys无线肌电采集设备，采集患者在背屈、跖屈以及放松状态下的胫骨前肌和腓肠肌的肌肉电信号，并对其预处理后识别分类，可以判断出患者动作意图。 2 支持向量机模型分类 2.1 svm主要思想 选择最优的决策边界是SVM解决分类问题最重要的环节，而决策边界应分别远离两类数据点 SVM的基本思路是在需要进行分类的样本数据集 针对线性可分的任意样本，可得公式为： 根据SVM主要思想，需找到两类数据点中距离最近的两点间的最大距离。使超平面具有类间最大距离，也就使 将式(1)写成约束条件，结合式(2)可以得到在约束条件下的支持向量机的基本型，其公式为： 接下来可以利用拉格朗日函数对式(3)进行对偶变化，即对每个约束条件添加拉格朗日乘子 约束条件为： 求出 将式(3)引入 式中： 同样引入拉格朗日乘子，得到的拉格朗日函数就是带有软间隔形式的，消去参数后的新的对偶问题同式(4)一致，只与式(5)的约束条件略有差异，新的约束条件为： 2.2 高维空间内的样本可分性的变化 上述的支持向量机分类器能够在样本线性可分时提供二分类决策。对于非线性问题，可以将样本从一维空间映射到一个更高维的空间中，这样样本在高维空间中的可分性会大大增加。 为了方便计算样本从低维空间映射到高维空间之后的内积，常利用核函数表示这种映射关系，但并不会增加样本真实维度，其映射关系公式为： 将其代入式(4)中替换 2.3 《中国整体上》国际科学表1,2，3,3. 传统的支持向量机常用于处理二分类问题，对于三分类或多分类问题，可首先在两类样本之间设计一个支持向量机分类器， 对于三分类问题，将每两个分类器的分类结果进行对比，若在1类与2类分类器中属于1类，且在1类与3类分类器中属于1类，则该样本属于1类；若在1类与2类分类器中属于2类，且在2类与3类分类器中属于2类，则该样本属于2类；若在1类与3类分类器中属于3类，且在2类与3类分类器中属3类，则该样本属于3类；否则该样本不属于这三类。 classifier12==1classifier13==1，则testLabel=1；若classifier12==-1classifier23==1，则testLabel=2；若classifier13==-1classifier23==-1，则testLabel=3；否则，该样本不属于3类中。 3 肌肉组成分类方法 实验采用美国 Delsys 公司生产的Trigno无线肌电采集系统作为肌肉电信号采集设备。采集到的肌肉电信号要进行预处理。肌肉电信号的有效信号频率为