申请/专利权人：天津大学

申请日：2022-06-28

公开（公告）日：2024-06-14

公开（公告）号：CN115399791B

主分类号：A61B5/389

分类号：A61B5/389;A61B5/397;A61B5/11

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.12.16#实质审查的生效;2022.11.29#公开

摘要：本发明涉及运动评估技术领域，特别涉及一种基于肌电运动多数据融合的卒中下肢在线功能评估系统。采集患者运动过程中的肌电信号和惯性信息，得到原始数据集，滤波去除漂移噪声和生理干扰，提取肌电和运动学特征，构建多模态特征集，使用随机森林回归算法选择重要性较高的特征子集。根据所述特征子集，构建基于K‑邻近节点回归KNNR算法的脑卒中下肢运动功能评估模型。基于肌电运动多数据融合的卒中下肢在线功能评估系统，具体包括：数据采集子系统、下肢运动功能评估子系统和在线显示子系统。本发明提出的评估系统同样适用于下肢运动能力较弱的患者，还可以用于对患者进行自行车康复训练后给出实时的康复效果。

主权项：1.基于肌电运动多数据融合的卒中下肢功能评估方法，其特征在于，包括以下步骤：步骤S101.采集患者运动过程中的肌电信号和惯性信息，得到原始数据集；步骤S102.对原始数据集进行数据预处理，得到预处理数据集；步骤S103.对预处理数据集提取肌电和运动学特征，构建多模态特征集，使用随机森林回归算法选择重要性较高的特征子集；步骤S104.根据所述特征子集，构建基于K-邻近节点回归KNNR算法的脑卒中下肢运动功能评估模型；所述步骤S102，具体包括：对原始数据集进行滤波，去除漂移噪声和生理干扰，其中，对EMG数据采用四阶带通滤波，截止频率为20-500Hz；对IMU数据采用四阶低通滤波，截止频率为15Hz；基于脑卒中患者蹬车下膝关节角度划分蹬车周期，对数据集进行分割，得到分割数据集；所述步骤S103中采用随机森林回归算法进行特征筛选，具体包括：依据每个特征在构建K棵决策树时的贡献度对特征进行重要性排序，得到排序结果；依据选取不同特征数量下预测精度的变化，删除所述排序结果中贡献度较低的特征，以完成特征筛选；依据前述步骤分别对肌电特征集和运动学特征集进行筛选，将单模态筛选后的特征集组合为多模态特征集；所述步骤S101中通过Delsys采集患者运动过程中下肢的肌电信号和惯性信息；所述Delsys设备放置在患者双侧下肢股直肌、股外侧肌、股二头肌、半腱肌、胫骨前肌、腓肠肌内侧和外侧，同步采集指定肌群的肌电信号和肌群对应位置的运动学信息；所述步骤S101中患者进行的运动范式为蹬车，具体流程如下：患者舒适地正坐在椅子上，躯干挺直，双手握住把手，双脚自然放置在踏板上，听到“开始”指令后，按照自己舒适的速度开始蹬车，直到听到“停止”指令后结束运动。

全文数据：

权利要求：

百度查询： 天津大学 基于肌电运动多数据融合的卒中下肢功能评估方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD