表面肌电特征提取及虚拟康复系统设计

发布时间：2017-07-03 12:24

  本文关键词：表面肌电特征提取及虚拟康复系统设计

  更多相关文章： 中风康复 表面肌电特征提取 运动意图识别 运动功能评价 虚拟康复

【摘要】：中风患者上肢运动功能障碍的康复和评价已成为现代康复工程的研究热点。其中,虚拟康复作为中风康复领域的新技术,相比于传统康复手段,具有人机交互性好、灵活性高的特点,改善了原有治疗师与患者一对一的治疗模式,使康复过程向程序化、数字化和简易化方向发展。然而现有虚拟康复训练系统在操作安全可行性、患者主动参与性、训练个体适应性、康复评价有效性等方面存在一定局限,限制其临床应用。针对以上问题,本文将肌电信号分析及反馈控制引入虚拟康复系统中,研究肌电信号参数辨识与动态特征提取方法,获取与人体运动模式相关的肌电特征及变化规律;同时,探索从肌电角度评价神经肌肉运动功能状态的特征指标,定量分析人体康复状态和肌肉运动响应的功能联系;进一步,结合肌电信号和虚拟现实建立智能化、人性化、具有个体适应性的上肢虚拟康复系统。本文具体工作如下:首先,针对表面肌电信号特点研究有效的肌电特征提取方法并用于人体运动意图识别。在小波包和信息熵的基础上,提出一种用于表征单通道肌电信号非平稳、非线性特征的小波包频带局部熵方法;基于非负张量分解方法,提出一种肌电信号多通道多域分析方法,可有效提取隐含在时间、空间、频率等多个模态上的肌电联合特征。将两种方法与常规特征提取方法进行对比分析发现,两种方法均具有较高的分类识别率,能够有效反映人体运动意图。本文从算法复杂度和实时性角度考虑,确定小波包频带局部熵为康复训练系统肌电控制的主要指标。其次,结合临床评价手段研究基于表面肌电的中风运动功能评价指标,对中风康复运动中的肌张力、肌肉协同及运动协调性进行定量评价。提出反射肌电阈值实现肌张力定量评价、引入非负矩阵分解方法评价肌肉激活模式及协同结构、研究肌间一致性方法描述特定功能频段内神经肌肉系统的异常耦合模式,将上述三种方法引入康复训练系统,实现康复运动中对神经肌肉系统功能状态的客观评价。再次,设计了基于肌电反馈与虚拟现实的运动康复训练及评价系统。基于肌电信号实时采集和分析,获取人体运动意图并控制虚拟场景实现人机交互训练,引导患者主动完成特定动作任务加速神经系统重建;基于肌电运动功能评价,客观定量评价患者的肌肉功能状态和运动功能恢复程度,能及时跟踪患者的康复训练效果,以便医师合理确定康复训练方案;基于虚拟现实技术,开发了基于C#的肌电反馈虚拟康复训练软件系统,根据不同康复目的和康复阶段设计不同虚拟游戏场景,并根据运动功能状态自适应调整场景模式和难度等参数,增加系统的个体适应性。最后,对所搭建的虚拟康复系统进行调试及前期实验研究,针对一定量的中风康复患者分别进行分阶段实验测试,结合临床分析和医师评价,从运动意图识别的准确性、运动功能评价的可靠性、虚拟康复效果的跟踪评估三方面分别进行分析,验证本文所设计的康复训练及评价系统的可行性和有效性。本研究将为中风运动功能障碍康复和功能评价提供新思路,为制定“以人为中心”的康复策略奠定基础。
【关键词】：中风康复 表面肌电特征提取 运动意图识别 运动功能评价 虚拟康复
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R743.3;TP391.41
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-21
• 1.1 课题研究背景及意义11-12
• 1.2 上肢康复训练系统的国内外研究现状12-19
• 1.2.1 上肢康复训练机器人的发展现状12-13
• 1.2.2 表面肌电分析在康复训练系统中的应用13-17
• 1.2.3 虚拟现实技术在康复训练领域的研究进展17-19
• 1.3 上肢康复训练系统研究存在的主要问题19
• 1.4 本文主要研究内容19-21
• 第2章 基于表面肌电信号的运动意图识别21-35
• 2.1 引言21
• 2.2 单通道表面肌电特征提取方法研究21-24
• 2.2.1 小波包频带局部能量22-23
• 2.2.2 小波包频带局部熵23-24
• 2.3 多通道表面肌电特征提取方法研究24-27
• 2.3.1 张量分解24-25
• 2.3.2 非负TUCKER分解25-27
• 2.4 肌电特征提取及运动意图识别实测数据分析27-34
• 2.4.1 实验与数据采集27
• 2.4.2 基于小波包频带局部熵的运动意图识别27-31
• 2.4.3 基于非负TUCKER分解的运动意图识别31-33
• 2.4.4 特征提取方法对比研究33-34
• 2.5 本章小结34-35
• 第3章 基于表面肌电信号的运动功能评价35-57
• 3.1 引言35
• 3.2 临床中风康复运动功能评价35-36
• 3.3 基于表面肌电的肌张力估计36-43
• 3.3.1 总拮抗值和净拮抗值37-38
• 3.3.2 协同收缩率38
• 3.3.3 反射肌电阈值38-39
• 3.3.4 实验测试与数据分析39-43
• 3.4 基于表面肌电的肌肉协同分析43-48
• 3.4.1 肌肉激活模型43-44
• 3.4.2 非负矩阵协同提取方法44-45
• 3.4.3 实验测试与数据分析45-48
• 3.5 基于表面肌电的肌肉异常耦合分析48-55
• 3.5.1 肌间一致性分析49
• 3.5.2 统计显著性分析49-50
• 3.5.3 实验测试与数据分析50-55
• 3.6 本章小结55-57
• 第4章 基于肌电反馈的虚拟现实康复训练及评价系统57-67
• 4.1 引言57
• 4.2 虚拟康复技术57-58
• 4.3 基于肌电反馈的虚拟现实康复训练及评价系统搭建58-66
• 4.3.1 数据采集与信号处理模块59-60
• 4.3.2 虚拟环境模块60-64
• 4.3.3 肌肉运动功能状态评价模块64-66
• 4.4 本章小结66-67
• 第5章 实验研究67-76
• 5.1 引言67
• 5.2 实验对象及设备67-68
• 5.3 实验方案及流程68-70
• 5.4 实验结果及分析70-75
• 5.4.1 康复运动中肌电特征提取及运动意图识别70-71
• 5.4.2 康复运动中肌肉运动功能评价71-74
• 5.4.3 虚拟康复效果评估74-75
• 5.5 本章小结75-76
• 结论76-78
• 参考文献78-84
• 攻读硕士学位期间承担的科研任务与主要成果84-85
• 致谢85-86
• 作者简介86

【参考文献】

中国期刊全文数据库 前3条

1 加玉涛;罗志增;;肌电信号特征提取方法综述[J];电子器件;2007年01期

2 岳宏;王小龙;张娟;;虚拟现实在手臂外骨骼康复系统中的应用[J];科技通报;2006年01期

3 蔡立羽,王志中,张海虹;基于短时傅里叶变换的肌电信号识别方法[J];中国医疗器械杂志;2000年03期

  本文关键词：表面肌电特征提取及虚拟康复系统设计

  更多相关文章： 中风康复 表面肌电特征提取 运动意图识别 运动功能评价 虚拟康复

，

本文编号：513669