申请/专利权人：国家康复辅具研究中心

申请日：2022-12-27

公开（公告）日：2024-06-18

公开（公告）号：CN115844383B

主分类号：A61B5/11

分类号：A61B5/11;A61B5/1455;G06F18/2411;G06F17/15

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2023.04.14#实质审查的生效;2023.03.28#公开

摘要：本发明公开了一种融合脑功能指标的肢体运动功能评估方法，包括如下步骤：步骤1、在肢体运动状态下同步采集全脑的脑血氧数据和肢体运动数据；步骤2、计算脑功能特征指标；步骤3、计算运动学及脑与运动耦合特征指标；步骤4、将预处理后的脑血氧数据和肢体运动数据输入预先建立的小波散射网络模型，生成新的特征值；步骤5、将步骤2‑4计算得到的结果输入运动功能评估模型，进行肢体运动功能评估。

主权项：1.一种融合脑功能指标的肢体运动功能评估方法，其特征在于包括如下步骤：步骤1、在肢体运动状态下同步采集全脑的脑血氧数据和肢体运动数据；步骤2、计算脑功能特征指标；步骤3、计算运动学特征指标、脑与运动耦合特征指标；步骤4、将预处理后的脑血氧数据和肢体运动数据输入预先建立的小波散射网络模型，生成新的特征值；步骤5、将步骤2-4计算得到的结果输入运动功能评估模型，进行肢体运动功能评估；步骤2计算脑功能特征指标包括：计算采集时段内左右两侧运动区之间的功能连接强度、左右两侧运动区的半球自主系数、左右运动区指向左右前额叶、枕叶和对侧运动区的耦合强度值、以及左右两侧运动区的有向半球自主系数；其中，左右两侧运动区之间的功能连接强度计算方法包括：对每一通道数据进行归一化处理，计算其小波变换结果，其中小波变换的结果包含了血氧信号在任一尺度点和任一采样时间点的相位信息，在此基础上对相位信息φf,t进行小波相位相干性分析，假设两个信号通道的数据序列分别为x、y，则其相位信息之差为Δφxyf,t，将cosΔφxyf,t和sinΔφxyf,t在时域内平均化得到cosΔφxyf和sinΔφxyf，计算公式为： 式中，l＝1,2,...,L，L为血氧信号数据序列中包含的数据个数，由此得到两通道信号x和y之间的小波相位相干性值为： 则两信号通道x和y之间的功能连接值FCxy为： 假设两个脑区分别有n和m个测量通道，则这两个脑区间的功能连接值FC为： 所述的左右两侧运动区的半球自主系数HAI的计算方法为： 其中，N为左侧脑区右侧脑区的总通道数量，i为该左侧脑区右侧脑区中某一通道的编号，CIi为同侧半球与通道i具有显著功能连接的通道总数，TI为同侧半球的总通道数，CCi为对侧半球与通道i具有显著功能连接的通道总数，TC为对侧半球的总通道数；当两个通道之间小波相位相干性值大于阈值时，认为两个通道之间具有显著功能连接；左右运动区指向左右前额叶、枕叶和对侧运动区的耦合强度值计算方法为：假设一侧运动区中某一通道的编号i，其他脑区中某一通道的编号j，首先通过小波变化提取i通道和j通道脑氧合血红蛋白浓度变化信号在0.01–0.08Hz频段的相位信息，在此基础上构建N个相位振子的耦合相位振荡模型；基于贝叶斯推理构造似然函数，通过递归运算计算负对数似然函数的稳定点来推断相位耦合模型的耦合系数，则i通道指向j通道的耦合强度为： K＝2；其中，和分别为i通道和j通道的相位耦合模型的耦合系数，假设该侧运动区A通道数为n’，所指向的脑区B通道数为m’，则脑区A指向脑区B的耦合强度值为： 左右两侧运动区的三种有向半球自主系数HAI的计算方法为： 其中，Ni_in和Ni_out分别为同侧半球中指向通道i和指出通道i的显著效应连接的数量，Hi_in和Hi_out分别为同侧半球中可能存在的指向通道i和指出通道i的显著效应连接的总数量；Nc_in和Nc_out分别为对侧半球中指向通道i和指出通道i的显著效应连接的数量，Hc_in和Hc_out分别为对侧半球中可能存在的指向通道i和指出通道i的显著效应连接的总数量；Ni_t和Nc_t分别为同侧半球和对侧半球中与通道i有关的显著效应连接的数量，Hi_t和Hc_t分别为同侧半球和对侧半球可能存在的与通道i有关的显著效应连接的总数量；HAI_in和HAI_out分别代表指向和指出通道i的半球内连通性和半球间连通性的差异，HAI_t代表与通道i相关的连接半球内连通性和半球间连通性的差异；为了判断两信号通道之间的效应连接是否为显著效应连接，设置耦合系数的阈值，具体方法为：针对每个通道的血氧数据，随机生成100个与原始信号的功率谱和振幅分布相同，但是在相位上却与原信号完全不相关的数据序列，计算100个数据序列两两之间的耦合系数，以计算得到的100个耦合系数值的均值加两倍标准差作为耦合系数的阈值，当两通道之间某一方向的耦合系数值大于该方向的阈值时，该两通道之间的该方向之间的连接为显著效应连接；步骤3的运动学特征指标为左右两侧肢体运动数据的频域一致性指标，左右两侧肢体运动数据的频域一致性指标的计算方法为：假设左右两侧肢体对应部位的九轴惯性运动数据序列分别为X1、X2……X9,Y1、Y2……Y9，则两个运动数据的频域一致性指标CIFXY为： 其中：*表示共轭，Xi’f和Yi’f分别表示Xi’和Yi’经时频变换后提取的频域能量值，步骤3的脑与运动耦合特征指标为脑血氧数据与患肢运动数据之间的频域一致性指标，脑血氧数据与患肢运动数据之间的频域一致性指标计算方法为：假设某个脑区共有N'个脑血氧测量通道，其中通道编号为i的脑血氧数据为Ai，患肢的九轴惯性运动数据序列分别为B1、B2……B9，则该脑区的脑血氧数据与患肢运动数据的频域一致性指标CIFAB为： 其中：*表示共轭，Aif和Bj’f分别表示Ai和Bj’经时频变换后提取的频域能量值；所述步骤4的具体步骤为：通过小波变换对原始的脑血氧信号和运动信号进行滤波，得到不同频带范围内的信号，对滤波函数进行缩放和旋转得到多分辨率小波函数，即 其中，γ表示方向，j”表示尺度，利用小波函数对信号fx进行小波变换，可以得到不通过尺度和方向上的一组小波特征系数，可表示为： 对小波特征系数进行如下取模操作： 将fx与缩放函数做卷积运算，可以得到低频信息： 最终得到小波变换的模算子为： 对Uλ进行迭代计算，得到下面的散射传播子： 再通过不断使用小波变换模算子将高频信号映射为低频信号：SJpf＝AJSpf,当p＝0时，S0f＝f，所以SJ0f＝AJf，最终得到散射算子： 将各测量通道的原始脑血氧信号和运动信号分别进行上述处理，得到各个通道信号的散射算子，并将所得到的散射算子作为新的特征值；步骤5包括：将计算得到的脑功能特征指标、运动学特征指标、脑与运动耦合特征指标以及小波散射网络生成的新的特征值一并输入预先建立的基于SVM分类器的运动功能评估模型，进行肢体运动功能评估，建立运动功能评估模型的方法为：建立多个受试者的评估指标数据库，包括左右两侧运动区之间的功能连接强度、左右两侧运动区的半球自主系数、左右运动区指向左右前额叶、枕叶和对侧运动区的耦合强度值、左右两侧运动区的有向半球自主系数、左右两侧肢体运动数据的频域一致性指标、脑血氧数据与运动数据之间的频域一致性指标以及Fugl-Meyer运动功能评估量表评分；受试者的Fugl-Meyer运动功能评估量表评分将运动功能分为4个等级：96-100分为1级，85-95分为2级，50-84分为3级，小于50分为4级，等级越高，运动功能越差；将受试者的脑血氧数据和运动学原始数据序列输入小波散射网络进行特征提取与优化，得到系列新的特征值；将小波散射网络得到的新的特征以及评估指标数据库的左右两侧运动区之间的功能连接强度、左右两侧运动区的半球自主系数、左右运动区指向左右前额叶、枕叶和对侧运动区的耦合强度值、左右两侧运动区的有向半球自主系数、左右两侧肢体运动数据的频域一致性指标、脑血氧数据与运动数据之间的频域一致性指标作为模型的特征输入，以SVM作为分类器，以受试者的运动等级作为分类器的输出，建立运动功能评估模型。

全文数据：

权利要求：

百度查询： 国家康复辅具研究中心 一种融合脑功能指标的肢体运动功能评估系统和方法

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