基于上肢运动功能的中风患者康复评定系统研究

刘,曦

摘要：鉴于目前中风病人康复评定存在评定准确度受到康复医师自身水平限制、无法精确记录康复训练中肢体运动实际情况、难以向康复病人提供实时直观的反馈信息等问题，本文提出了一种基于上肢运动功能的中风患者康复评定系统，该系统可通过运动传感器采集中风病人上肢运动功能情况，并对该些数据进行处理，提取出中风病人上肢运动特征值，并利用中风病人康复评定模型评价出中风病人康复的真实情况，该系统可提升中风病人康复评定效率和准确度，为康复医生制定针对性的康复方案提供了依据。

关键字：中风患者；上肢运动；康复评定；系统

0.引言

中风运动功能评价的常用方法分为两类。其中一种评估方法是基于肌肉力量的变化(即徒手肌肉力量实验)，主要通过观察某些肌肉力量和关节活动的恢复来评估治疗的效果，以确定患者肢体的恢复效果和速度，但仍难以轻易确定其功能活动。二是基于运动方式变化的评价方法。这种方法的支持者认为，中风偏瘫的出现是由于运动神经系统不再受高级中枢的调节和控制，同时肌张力和反射异常，最终代表运动障碍和运动方式异常。其中Brunnstrom法、Bobath法、Fugl Meyer 法、MAS法等是基于运动模式变化的常用评价方法。在上述评估方法中，有些是专门为上肢设计的，而其他的是专门为上肢功能时检查病人的整体运动功能设计的。虽然这些方法各不相同，但它们在检测被测肢体的运动功能方面都具有临床价值。

1.中风患者上肢运动功能评定方法

中风后上肢运动功能智能评估方法，通过对数据库中保存的康复运动数据进行智能评估，可以独立判断数据所属康复患者上肢运动功能的恢复情况。人体运动肢体各部分的加速度从始至终都在不断变化。当重复任何动作时，可以观察到其加速度的变化模式是非常相似的。因此，简单地将三轴加速度传感器放置在被检测者肢体的某些特征点上，就可以在运动过程中准确地收集这些特征点的 X、 Y 和 Z 加速度分量。

然后，通过数学计算对这些加速度分量进行处理，得到这些点的运动轨迹和动态过程等信息。通过对多个特征点采集的数据进行综合分析，可以获得被测人体的详细信息，从而实现运动过程的数字化。康复治疗师评估肢体运动功能的恢复，要求患者进行某些特定的运动，然后观察他们的完成情况。上肢运动功能智能评估的工作原理是允许患者连续进行规定的运动，通过分析运动数据评估完成运动的质量，从而确定患者上肢运动功能的康复状态。此外，还需要收集康复医师标准动作的运动数据信息，以评价患者运动完成的质量，从而实现康复评估系统的标准化。

图1系统原理图

2.中风患者上肢运动数据采集

通过研究利用加速度传感器识别人体上肢运动姿态的资料，可以得出这样的结论: 只要能够收集到上肢运动过程中前臂和上臂产生的加速度信息，就能够充分理解此时上肢的运动姿态。上肢运动数据采集装置的框图如图2所示。

图2系统框图

在数据采集实验中，将内置三维加速度传感器的数据采集装置分别绑定在前臂和上臂的固定位置。为了保证数据的均匀性和正确性，需要确定放置方向，传感器的 X 轴方向与机械臂平行。这样可以保证传感器的位置在每次采集实验中都是相同的，从而可以准确地获得运动过程中上肢的加速度信息。其中，信号采集装置采集的数据将及时上传到采集系统的客户端软件，实时监测上肢运动数据的变化，为中风康复训练师提供实时反馈。

图3传感器节点安装示意图

如图3所示，三轴加速度传感器可以测量三个方向的加速度。当传感器倾向于静止时，可以测量三个轴上的重力加速度 g 分量。通过区分加速度方向的象限，加速度传感器可以在360度范围内测量。通过在上肢安装基于加速度传感器的运动信息采集装置，可以获得其姿态角。

3.康复数据处理

因为所有的康复训练数据都存储在系统的数据库中，所以在进行数据处理之前，必须正确地从数据库中读取数据的所有内容。根据所选康复训练数据的信息，可以在数据库的康复数据表中找到数据的具体内容，数据内容可以分别读取并存储在指定的数组中。

(1)数据预处理

在读取数据内容之后，需要在执行特征值操作之前对数据进行预处理。具体步骤如下：1)将数据分解为六个通道并存储在六个数组中。这六组数据分别代表上臂传感器和前臂传感器的 X轴、 Y轴和 Z轴的运动数据；2)通过观察和比较各通道的运动数据图，从六组数据中选取一组作为特征组并标记；3)采用中值滤波方法同时滤波六组数据，剔除所有数据中的奇异值，确保后续操作的正确性；4)为了减少变量差异对模型性能的影响，提高数据处理效率，需要对数据进行“标准化”，将所有数据值映射到-1到1的范围；5)在特征数组中找到每个完整动作的起始点和终止点，通过对终止点的定位，将所有六组数据中的多个运动周期数据划分为单个周期数据，是正确提取每个完整动作的特征值的基础。

(2)特征值提取

使用从行动数据中提取特征值的算法，首先计算每个完整行动周期数据的最大值和标准差，然后计算六组数据中所有完整周期数据的最大值的平均值和标准差。共有12个值用作动作数据的特征值，并保存在指定的数组中。

4.使用评价模型

智能评估系统中的评估模型是一种基于极值学习机算法训练的行为评估模型。在系统程序中使用该模型的具体步骤如下：1)读取包含训练动作评估模型参数的文件并保存到指定的数组中；2)构造隐层神经元的激活函数，将训练动作评估模型的参数(输入层和隐层的连接权重、隐层神经元的阈值、隐层和输出层的连接权重)和从运动数据中提取的特征值输入到激活函数中进行操作，得到运动质量评估预测的结果；3)运用 Brunnstrom 分期评价方法对预测结果进行标准化，评价运动质量，得到运动数据所属患者的康复评价结果。

5.参考文献

[1]窦新鑫.康复评定在中风后康复训练的重要性分析[J].名医,2022(13):21-23.

[2]张明亮. 桌面式上肢康复机器人及康复评定方法研究[D].中国科学技术大学,2022.

[3]郭忆,李雪梅,张皓等.超声剪切波弹性成像在中风患者小腿康复评定中的应用[J].中国康复理论与实践,2020,26(07):753-756.

[4]何龙龙,黄国志.可穿戴设备在中风患者康复评定中的应用进展[J].中国康复医学杂志,2020,35(02):224-227.

[5]邵芃. 中风上肢感觉功能障碍及其与常用评定的相关性[D].福建中医药大学,2019.