專利名稱：一種功能性電刺激控制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及殘疾人康復(fù)治療指導(dǎo)控制領(lǐng)域，特別涉及一種功能性電刺激控制方法。
背景技術(shù)：
近年來，脊髓損傷以及中風(fēng)等腦血管病導(dǎo)致癱瘓的發(fā)病率呈顯著上升趨勢，不但給個人和家庭都帶來較大的負(fù)擔(dān)，也成為日益沉重的社會問題。2011年我國召開的國務(wù)院常務(wù)會議指出，力爭到2015年，使我國殘疾人生活總體達(dá)到小康，參與和發(fā)展?fàn)顩r顯著改善，初步實現(xiàn)殘疾人人人享有康復(fù)服務(wù)目標(biāo)。肢體功能重建是對截癱患者進(jìn)行康復(fù)治療時關(guān)注的一個重點與難點，這關(guān)系到其日常生活活動能力和生活質(zhì)量的提高問題。目前在截癱患者行走能力恢復(fù)方面， FES(Functional electrical stimulation，功能性電刺激)被普遍認(rèn)為是一種比較有效的臨床工具。FES是利用某種特定的電流(電壓)信號刺激易興奮的肌肉、組織或器官，以改善其肌肉性能、恢復(fù)或重建由神經(jīng)損傷而喪失的肢體活動功能的技術(shù)。20世紀(jì)60年代， Liberson首次成功地利用電刺激腓神經(jīng)矯正了偏癱患者足下垂的步態(tài)，開創(chuàng)了功能性電刺激用于運動和感覺功能康復(fù)治療的新途徑。在FES中，利用神經(jīng)細(xì)胞對電刺激的響應(yīng)來傳遞外加的人工控制信號，通過外電流的作用，神經(jīng)細(xì)胞能產(chǎn)生一個與自然激發(fā)引起的動作電位相似的神經(jīng)沖動，使其支配的肌肉纖維產(chǎn)生收縮，從而獲得運動的效果。發(fā)明人在實現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下的缺點和不足隨著了解的不斷深入，F(xiàn)ES已被應(yīng)用到康復(fù)的許多領(lǐng)域，但是與其廣闊的應(yīng)用前景相比，很多新的FES技術(shù)還只局限于實驗室階段，臨床應(yīng)用的FES刺激模式以及達(dá)到的效果都非常有限，其原因之一就是對于FES作用的機(jī)理方面的研究還有所欠缺。細(xì)胞水平的解釋只能說明FES刺激肌肉收縮產(chǎn)生運動的原因，卻不能在宏觀上說明在FES刺激下目標(biāo)肌肉的功能活動和狀態(tài)，不能直觀地反映肌肉狀態(tài)的缺點，嚴(yán)重限制了它的應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明提供了一種功能性電刺激控制方法，該方法直觀的反映出肌肉的狀態(tài)，擴(kuò)大了應(yīng)用的范圍，詳見下文描述一種功能性電刺激控制方法，所述方法包括以下步驟(1)采集功能性電刺激下的膝關(guān)節(jié)角度以及目標(biāo)肌肉的超聲肌肉圖像；(2)將所述膝關(guān)節(jié)角度作為反饋，采集相同角度下的自主收縮的肌肉圖像；(3)對所述自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)；(4)對所述目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波，利用所述交叉相關(guān)方法提取第二組肌肉厚度參數(shù)；
4
(5)根據(jù)所述第二組肌肉厚度參數(shù)和所述第一組肌肉厚度參數(shù)獲取受試者的九個比值厚度特征參數(shù)；(6)采用逐步篩選的多元線性回歸方法對所述受試者的九個比值厚度特征參數(shù)進(jìn)行分析，提取主要影響因素；(7)將所述主要影響因素作為自變量，建立與所述九個比值厚度特征參數(shù)的回歸方程，通過調(diào)節(jié)所述主要影響因素的比值從而對所述九個比值厚度特征參數(shù)進(jìn)行調(diào)整。所述對所述自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)具體為1)對所得的所有所述自主收縮的肌肉圖像進(jìn)行頻域濾波處理，獲取多幅處理后自主收縮的肌肉圖像；2)在所述多幅處理后自主收縮的肌肉圖像中手動選擇第一幅肌肉圖像的三個像素矩陣；3)通過所述交叉相關(guān)方法對第t(t > 1)幅肌肉圖像的三個像素矩陣與第一幅肌肉圖像的三個像素矩陣做相關(guān)，獲取第t幅與第一幅的三個邊界的最大相關(guān)區(qū)域；4)根據(jù)三個最大相關(guān)區(qū)域獲得第一組的九個肌肉厚度參數(shù)。 所述對所述目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波，利用所述交叉相關(guān)方法提取第二組肌肉厚度參數(shù)具體為1)對所述目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波處理，獲取多幅處理后目標(biāo)肌肉的超聲肌肉圖像；2)在所述多幅處理后目標(biāo)肌肉的超聲肌肉圖像中手動選擇預(yù)設(shè)第一幅肌肉圖像的三個像素矩陣；3)通過所述交叉相關(guān)方法對第t (t > 1)幅肌肉圖像的三個像素矩陣與第一幅肌肉圖像的三個像素矩陣做相關(guān)，獲取第t幅與第一幅的三個邊界的最大相關(guān)區(qū)域；4)根據(jù)三個最大相關(guān)區(qū)域獲得第二組的九個肌肉厚度參數(shù)。所述根據(jù)所述第二組肌肉厚度參數(shù)和所述第一組肌肉厚度參數(shù)獲取受試者的九個比值厚度特征參數(shù)具體為1)計算基值部分刺激強(qiáng)度下的肌肉厚度的均值為1個周期內(nèi)的基值；計算峰值部分偏離基值的最大距離記為1個周期內(nèi)的峰值；計算峰值部分偏離基值的平方和的根值記為1個周期內(nèi)的能量值；2)將所述第二組肌肉厚度參數(shù)和所述第一組肌肉厚度參數(shù)相對的逐個做比值，獲取每個周期下肌肉厚度的基值、峰值和能量的變化，并對8個周期的結(jié)果求均值，獲取所述受試者的九個比值厚度特征參數(shù)。所述影響因素具體包括性別、刺激強(qiáng)度、自主狀態(tài)下股直肌和股中間肌肌肉厚度比例、第一個下臨界強(qiáng)度下股直肌厚度與自主收縮對應(yīng)角度下的厚度比、第一個下臨界強(qiáng)度下股中間肌厚度與自主收縮對應(yīng)角度下的厚度比、股直肌在8個刺激周期下肌肉厚度的斜率、股中間肌在8個刺激周期下肌肉厚度的斜率。本發(fā)明提供的技術(shù)方案的有益效果是本發(fā)明提供了一種功能性電刺激控制方法，本發(fā)明同時采集功能性電刺激下目標(biāo)肌肉的超聲圖像和關(guān)節(jié)角度，將關(guān)節(jié)角度作為反饋，采集相同角度下自主收縮的肌肉圖像， 對比相同角度下功能性電刺激誘發(fā)與自主運動產(chǎn)生的肌肉厚度信息的不同，采用逐步篩選的多元線性回歸方法提取產(chǎn)生這種不同的主要影響因素，從而為截癱等癱瘓患者的功能性電刺激下肌肉的功能狀態(tài)向自主運動的正常狀態(tài)回歸提供一定的指導(dǎo)和控制；本發(fā)明具有較高的精度，圖像信息與肌電信號及其干擾沒有直接的聯(lián)系，所以圖像信息的干擾和噪聲相對而言，遠(yuǎn)小于腦電肌電等電信號；該項發(fā)明可有效地提高FES系統(tǒng)準(zhǔn)確性和穩(wěn)定性，并獲得可觀的社會效益和經(jīng)濟(jì)效益。


圖1為本發(fā)明提供的實驗的結(jié)構(gòu)示意圖；圖2為本發(fā)明提供的一種功能性電刺激控制方法的流程圖；圖3為本發(fā)明提供的第一幅圖像上3個10X40像素矩陣的示意圖；圖4為本發(fā)明提供的第t幅圖像交叉相關(guān)結(jié)果的示意圖；圖5為本發(fā)明提供的影響因素的示意圖；圖6為本發(fā)明提供的等角收縮比值厚度特征參數(shù)主因素分析結(jié)果圖。
具體實施例方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進(jìn)一步地詳細(xì)描述。為了直觀的反映出肌肉的狀態(tài)，擴(kuò)大應(yīng)用的范圍，參見圖1和圖2，本發(fā)明實施例提供了一種功能性電刺激控制方法，詳見下文描述骨骼肌的收縮、舒張活動和狀態(tài)是人體各種運動的基礎(chǔ)，肢體運動主要是由骨骼肌產(chǎn)生舒張和長度縮短的機(jī)械性反應(yīng)即動力來完成的，骨骼肌的結(jié)構(gòu)是其功能活動的首要決定因素。所以，要想利用FES達(dá)成骨骼肌功能重建以完成特定動作甚至運動的目的，并使其得到快速發(fā)展和廣泛應(yīng)用，就必然需要對FES作用下骨骼肌的結(jié)構(gòu)及其功能活動與狀態(tài)的機(jī)理進(jìn)行更深入的探究。sEMG(surface electromyography，表面肌電信號)是反應(yīng)肌肉活動的電生理參數(shù)，是當(dāng)前用來評價肌肉活動信息的最常用的方法，已經(jīng)廣泛的應(yīng)用于假肢的開關(guān)控制，盡管sEMG具有簡單、無損、實時性好等優(yōu)點，但是其難分析、易受干擾，尤其是很難區(qū)分目標(biāo)肌肉的周邊及深層肌肉影響的缺點嚴(yán)重限制了 sEMG的進(jìn)一步發(fā)展及應(yīng)用。由肌肉收縮產(chǎn)生的機(jī)械力學(xué)信息也能在一定水平上反應(yīng)肌肉的收縮狀態(tài)，如關(guān)節(jié)角度、角加速度、力矩等，并可作為控制信號控制假肢或FES系統(tǒng)。近年來，超聲功能成像逐漸引起了醫(yī)學(xué)康復(fù)領(lǐng)域的極大興趣，并且在研究肌肉功能和狀態(tài)方面獲得了成功的應(yīng)用。101 采集功能性電刺激下的膝關(guān)節(jié)角度以及目標(biāo)肌肉的超聲肌肉圖像；其中，該步驟具體為角度探測器固定于膝關(guān)節(jié)，F(xiàn)ES電極固定于股直肌兩段肌腱處。在股直肌肌腹處涂抹超聲耦合劑，將超聲探頭固定于股直肌肌腹處，保持探頭平面與下肢徑向垂直。FES下肌肉形態(tài)及活動研究的實驗步驟為刺激強(qiáng)度從1級逐漸增加，每個強(qiáng)度持續(xù)4s，直至膝關(guān)節(jié)伸直為止。將膝關(guān)節(jié)開始運動的強(qiáng)度記為下臨界強(qiáng)度，將膝關(guān)節(jié)伸直時的強(qiáng)度記為上臨界強(qiáng)度，將下-上-下臨界強(qiáng)度的變化作為一個FES周期。從第1級開始記錄每個等級的膝關(guān)節(jié)角度，并在第一個下臨界強(qiáng)度開始采集肌肉圖像。在每個強(qiáng)度的第 3s采集超聲肌肉圖像，持續(xù)8個周期。由于股四頭肌系統(tǒng)中股直肌和股中間肌具有一定的交疊性，所以實驗可以同時采集RF (rectus femoris，股直肌)和VI (vastus intermedius, 股中間肌)的圖像信息。102 將膝關(guān)節(jié)角度作為反饋，采集相同角度下的自主收縮的肌肉圖像；103:對自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)；其中，由于肌肉的邊界輪廓屬于低頻成分，而噪聲和細(xì)節(jié)屬于高頻成分，所以對自主收縮的肌肉圖像進(jìn)行頻域濾波，只保留自主收縮的肌肉圖像的低頻輪廓信息，為后續(xù)提取第一組肌肉厚度參數(shù)提供保證和前提。其中，第一組肌肉厚度參數(shù)提取方法為交叉相關(guān)方法。在自然界或人類社會中， 如果變量之間具有相隨變動的關(guān)系，則稱變量之間相關(guān)(correlation)。對于一維信號，交叉相關(guān)方法是用于評價兩列數(shù)的相關(guān)性的標(biāo)準(zhǔn)方法。假設(shè)存在兩列數(shù)χ和y，i = 0，1，2… N-I, N的取值為正整數(shù)，則兩列數(shù)關(guān)于延遲為d的相關(guān)系數(shù)r(d)如下公式所示
/λ ΣΓ:1 I(xO) - mxXyii ~d)~ my)\r[d) = Ni — . _- , N2
νΣ!=0 (xO) - mxf νΣ!=0 Wi' ~d)~ —y其中，mx，my分別為兩列數(shù)的均值，r(d)的取值范圍為[_1，1]。r(d) =0，表示兩列數(shù)不相關(guān)；r(d) =-1，表示兩列數(shù)呈最大負(fù)相關(guān)；r(d) = 1，表示兩列數(shù)呈最大正相關(guān)。一維信號的交叉相關(guān)方法在二維圖像中拓展，可以用于圖像中邊界特征的識別和提取。先取第一幅圖像的一個邊界區(qū)域像素矩陣markl，大小為mXn。先按照第一幅圖像里邊界區(qū)域矩陣markl的位置在第二幅圖像里找到邊界區(qū)域矩陣mark2，然后按照向量(m， η)對邊界區(qū)域矩陣mark2進(jìn)行移動，然后對markl和mark2做交叉相關(guān)，如下公式所示
,、 Ζο ΣΓο[(xO'j)-mxM.-mj-n)-my)]r{m,n) = —= ^[mini—
νΣΖο1 Σ 二 (噸 j) -mx)2 α/Σ二1 ΣΙ:1 ~d)~ —)2得到的r(m，n)即為交叉相關(guān)結(jié)果，當(dāng)交叉相關(guān)結(jié)果最大時mark2所在的位置即為 markl移動后的位置，M和N的取值為正整數(shù)。其中，對自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)具體為1)對所得的所有自主收縮的肌肉圖像進(jìn)行頻域濾波處理，獲取多幅處理后自主收縮的肌肉圖像；2)在多幅處理后自主收縮的肌肉圖像中手動選擇第一幅肌肉圖像的三個像素矩陣；其中，參見圖3和圖4，該步驟具體為受試者對一次實驗所得的所有肌肉超聲圖像經(jīng)過頻域濾波預(yù)處理后，在第一圖像中手動選擇3個10X40像素矩陣，分別位于皮膚與股直肌邊界、股直肌與股中間肌邊界和股中間肌與股骨邊界。3)通過交叉相關(guān)方法對第t(t > 1)幅肌肉圖像的三個像素矩陣與第一幅肌肉圖像的三個像素矩陣做相關(guān)，獲取第t幅與第一幅的三個邊界的最大相關(guān)區(qū)域；
該步驟具體為第t幅處理后自主收縮的肌肉圖像的第1個像素矩陣在圖像上按照向量Ovn1)移動，其中[-10,9], H1 e [-10，9]，計算第1幅第1個像素矩陣與第t 幅圖像第1個像素矩陣的400個交叉相關(guān)值，尋找最大相關(guān)值rmaxl對應(yīng)的移動向量(mmaxl， nfflaxl)，則mmaxl即為第t幅圖像相對于第1幅圖像的厚度移動量；第2個像素矩陣在圖像上按照向量(m2，n2)移動，其中m2 e [-30,19], n2 e [-40,39]；第3個像素矩陣在圖像上按照向量(m3，n3)移動，其中m3e [-20,39], n3 e [-10，19]，其中，第2個像素矩陣和第3個像素矩陣計算肌肉厚度的方法與第1個像素矩陣相同。按交叉相關(guān)方法尋找第t幅圖像與第1幅的最大相關(guān)區(qū)域，得到結(jié)果如圖4所示。4)根據(jù)三個最大相關(guān)區(qū)域獲得第一組的九個肌肉厚度參數(shù)。其中，根據(jù)三個最大相關(guān)區(qū)域可以兩兩計算得到三個肌肉厚度，每個肌肉厚度可以按照說明得到三個特征，所以可以獲得第一組的九個肌肉厚度參數(shù)。最終在第t幅圖像上得到三個新的10 X 40像素矩陣，提取每個矩陣的左上角點的橫坐標(biāo)值，記為Xl，X2和X3， x2-xl-10即為股直肌厚度RF, x3-x2-10為股中間肌厚度VI，x3-xl-10即為總厚度RFVI0104 對目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第二組肌肉厚度參數(shù)；其中，該步驟具體為1)對所得的所有目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波處理，獲取多幅處理后目標(biāo)肌肉的超聲肌肉圖像；2)在多幅處理后目標(biāo)肌肉的超聲肌肉圖像中手動選擇第一幅肌肉圖像的三個像素矩陣；3)通過交叉相關(guān)方法對第t(t > 1)幅肌肉圖像的三個像素矩陣與第一幅肌肉圖像的三個像素矩陣做相關(guān)，獲取第t幅與第一幅的三個邊界的最大相關(guān)區(qū)域；4)根據(jù)三個最大相關(guān)區(qū)域獲得第二組的九個肌肉厚度參數(shù)。其中，根據(jù)三個最大相關(guān)區(qū)域可以兩兩計算得到三個肌肉厚度，每個肌肉厚度可以按照說明得到三個特征，所以可以獲得第二組的九個肌肉厚度參數(shù)。在此對步驟104不做詳細(xì)介紹，參見步驟103。105:根據(jù)第二組肌肉厚度參數(shù)和第一組肌肉厚度參數(shù)獲取受試者的九個比值厚度特征參數(shù)；每位受試者等角收縮實驗有8個周期。先分析1個周期內(nèi)FES誘發(fā)的和自主運動的股直肌、股中間肌厚度和總厚度的變化。FES強(qiáng)度從下臨界強(qiáng)度開始上升初期，股直肌、股中間肌厚度和總厚度并沒有明顯的變化；隨后刺激強(qiáng)度的上升，肌肉厚度出現(xiàn)明顯的變化， 到達(dá)上臨界強(qiáng)度后，刺激強(qiáng)度開始下降；當(dāng)下降到一定強(qiáng)度后，肌肉厚度再次趨向平穩(wěn)，最后到下臨界等級，一個刺激周期結(jié)束。以股直肌為例，計算1個周期內(nèi)股直肌肌肉厚度的最小值C^ min和最大值drf max，計算兩者的差cU = drf fflax-drf min，取閾值drfthr = drfeX 10%。隨著刺激強(qiáng)度的增強(qiáng)，至下一個刺激強(qiáng)度產(chǎn)生的股直肌厚度di+1對上一厚度Cli的變化大于閾值，刺激強(qiáng)度到達(dá)上臨界強(qiáng)度后開始下降，至下一個刺激強(qiáng)度產(chǎn)生的股直肌厚度對上一厚度dt的變化大于閾值。記 [1，i-1] U [t+2,8]為基值部分，記[i，t+1]為峰值部分。其中，該步驟具體包括
1)計算基值部分刺激強(qiáng)度下的肌肉厚度的均值為1個周期內(nèi)的基值，記為m ；計算峰值部分偏離基值的最大距離記為ι個周期內(nèi)的峰值，記為Ρ ；計算峰值部分偏離基值的平方和的根值記為1個周期內(nèi)的能量值，記為e ；基值的意義在于每個電刺激誘發(fā)的收縮周期或自主收縮周期起始時肌肉的準(zhǔn)備狀態(tài)及結(jié)束狀態(tài)，是平穩(wěn)狀態(tài)和未活動狀態(tài)；峰值的意義在于每個電刺激周期或自主收縮周期中肌肉最劇烈的活動狀態(tài)；能量值的意義在于每個電刺激周期或自主收縮周期內(nèi)肌肉活動相對于未活動狀態(tài)的能量。2)將第二組肌肉厚度參數(shù)和第一組肌肉厚度參數(shù)相對的逐個做比值，獲取每個周期下肌肉厚度的基值、峰值和能量的變化，并對8個周期的結(jié)果求均值，獲取受試者的九個比值厚度特征參數(shù)。將得到的均值記為該受試者的比值厚度特征參數(shù)，該特征參數(shù)是基于等角收縮狀態(tài)下FES誘發(fā)與自主運動肌肉厚度參數(shù)比值的。如果數(shù)值的絕對值大于1，則FES相對于自主運動肌肉厚度增加，反之減??；如果數(shù)值為正，則FES相對于自主運動肌肉厚度變動趨勢相同，反之相反。如果數(shù)值t e (-C ，-1)，則數(shù)值所表示的肌肉特征呈反向增加趨勢；如果數(shù)值te (_1，0)，則表示肌肉特征呈反向減小趨勢；如果數(shù)值t e (0，1)，則表示肌肉特征呈同向減小趨勢；如果數(shù)值t e (1，+⑴)，則表示肌肉特征呈同向增強(qiáng)趨勢。依照上述方法，可以計算出8名受試者的比值厚度特征參數(shù)。106:采用逐步篩選的多元線性回歸方法對受試者的九個比值厚度特征參數(shù)進(jìn)行分析，提取主要影響因素；其中，與自主運動相比，F(xiàn)ES下的不同受試者的股直肌、股中間肌及總厚度的肌肉特征出現(xiàn)了明顯的個體差異性?？紤]造成這種現(xiàn)象的原因，本發(fā)明實施例從受試者的性別、 達(dá)到上臨界等級的刺激強(qiáng)度以及股直肌和股中間肌的構(gòu)成情況加以分析，如圖5所示，下面對影響因素進(jìn)行說明(a)性別(gender，G)定義男性受試者為1，女性受試者為0 ；(b)刺激強(qiáng)度(stimulate intensity, Si):以每位受試者的最高刺激強(qiáng)度定義；(c)RF、VI初始肌肉厚度比例(initial ratio, IR)自主狀態(tài)下股直肌和股中間肌肌肉厚度比例；(d) RF激活度(RF activation, RFA):第一個下臨界強(qiáng)度下股直肌厚度與自主收縮對應(yīng)角度下的厚度比；VIA定義為第一個下臨界強(qiáng)度下股中間肌厚度與自主收縮對應(yīng)角度下的厚度比；(e)RF易疲勞度(RF fatigue,RFF)股直肌在8個刺激周期下肌肉厚度的斜率，斜率越大，易疲勞度越大；VIF定義為股中間肌在8個刺激周期下肌肉厚度的斜率，斜率越大， 易疲勞度越大。其中性別和RF、VI初始肌肉厚度比例屬于受試者的內(nèi)在因素，刺激強(qiáng)度屬于外在因素，RF, VI關(guān)于FES的激活度和疲勞度屬于內(nèi)、外在因素共同作用的因素。在實際生活中，某種現(xiàn)象的發(fā)生與某種結(jié)果的得出往往與其他某個或某些因素有關(guān)，但這種關(guān)系又不是確定的，只是從數(shù)據(jù)上可以看出有“有關(guān)”的趨勢?；貧w分析 (regression analysis)就是用來研究兩種或兩種以上變數(shù)間相互依賴的定量關(guān)系的一種統(tǒng)計分析方法，運用十分廣泛。
當(dāng)所研究的問題涉及較多的自變量時，很難想象事先選定的全部自變量對因變量的影響都有顯著性意義；也不敢保證全部自變量之間是相互獨立的。回歸分析可以進(jìn)行因素分析，從影響變量變化的因素變量中尋找哪些因素對因變量的影響最為顯著，哪些不顯著，以區(qū)別主要因素和次要因素。換句話說，在建立多元線性回歸方程時，需要根據(jù)各自變量對因變量的貢獻(xiàn)大小進(jìn)行變量篩選，剔除那些貢獻(xiàn)小和與其他自變量有密切關(guān)系的自變量、發(fā)現(xiàn)那些對回歸方程有很壞影響的觀測點，從而求出精練的、穩(wěn)定的回歸方程。對于多元線性模型而言，可以有如下3中變量優(yōu)化的方法向前選擇法、向后消去法和逐步篩選法。本發(fā)明實施例選取逐步篩選法，此法是向前選擇法和向后消去法的結(jié)合。模型中的變量從無到有像向前選擇法那樣，根據(jù)F統(tǒng)計量按進(jìn)入模型的顯著性水平?jīng)Q定該變量是否入選；當(dāng)模型選入變量后，又像向后消去法那樣，根據(jù)F統(tǒng)計量按顯著性水平剔除各不顯著的變量，依次類推。這樣直到?jīng)]有變量可入選，也沒有變量可剔除或入選變量就是剛剔除的變量，則停止逐步篩選過程。逐步篩選法比向前選擇法和向后消去法都能更好地在模型中選出變量。依照逐步篩選的多元線性主因素分析方法，對9個比值厚度特征參數(shù)進(jìn)行主因素分析，得到結(jié)果如表1和圖6所示，其中，R是相關(guān)系數(shù)，表征回歸方程的優(yōu)度系數(shù)，R方表征篩選后輸入對特征參數(shù)的決定系數(shù)，Sig是回歸方程的顯著性水平，F(xiàn)是回歸方程中的效果值。表1等角收縮比值厚度特征參數(shù)主因素分析結(jié)果
權(quán)利要求
1.一種功能性電刺激控制方法，其特征在于，所述方法包括以下步驟(1)采集功能性電刺激下的膝關(guān)節(jié)角度以及目標(biāo)肌肉的超聲肌肉圖像；(2)將所述膝關(guān)節(jié)角度作為反饋，采集相同角度下的自主收縮的肌肉圖像；(3)對所述自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)；(4)對所述目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波，利用所述交叉相關(guān)方法提取第二組肌肉厚度參數(shù)；(5)根據(jù)所述第二組肌肉厚度參數(shù)和所述第一組肌肉厚度參數(shù)獲取受試者的九個比值厚度特征參數(shù)；(6)采用逐步篩選的多元線性回歸方法對所述受試者的九個比值厚度特征參數(shù)進(jìn)行分析，提取主要影響因素；(7)將所述主要影響因素作為自變量，建立與所述九個比值厚度特征參數(shù)的回歸方程， 通過調(diào)節(jié)所述主要影響因素的比值從而對所述九個比值厚度特征參數(shù)進(jìn)行調(diào)整。
2.根據(jù)權(quán)利要求1所述的一種功能性電刺激控制方法，其特征在于，所述對所述自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)具體為1)對所得的所有所述自主收縮的肌肉圖像進(jìn)行頻域濾波處理，獲取多幅處理后自主收縮的肌肉圖像；2)在所述多幅處理后自主收縮的肌肉圖像中手動選擇第一幅肌肉圖像的三個像素矩陣；3)通過所述交叉相關(guān)方法對第t(t> 1)幅肌肉圖像的三個像素矩陣與第一幅肌肉圖像的三個像素矩陣做相關(guān)，獲取第t幅與第一幅的三個邊界的最大相關(guān)區(qū)域；4)根據(jù)三個最大相關(guān)區(qū)域獲得第一組的九個肌肉厚度參數(shù)。
3.根據(jù)權(quán)利要求1所述的一種功能性電刺激控制方法，其特征在于，所述對所述目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波，利用所述交叉相關(guān)方法提取第二組肌肉厚度參數(shù)具體為1)對所述目標(biāo)肌肉的超聲肌肉圖像進(jìn)行頻域濾波處理，獲取多幅處理后目標(biāo)肌肉的超聲肌肉圖像；2)在所述多幅處理后目標(biāo)肌肉的超聲肌肉圖像中手動選擇預(yù)設(shè)第一幅肌肉圖像的三個像素矩陣；3)通過所述交叉相關(guān)方法對第t(t> 1)幅肌肉圖像的三個像素矩陣與第一幅肌肉圖像的三個像素矩陣做相關(guān)，獲取第t幅與第一幅的三個邊界的最大相關(guān)區(qū)域；4)根據(jù)三個最大相關(guān)區(qū)域獲得第二組的九個肌肉厚度參數(shù)。
4.根據(jù)權(quán)利要求1所述的一種功能性電刺激控制方法，其特征在于，所述根據(jù)所述第二組肌肉厚度參數(shù)和所述第一組肌肉厚度參數(shù)獲取受試者的九個比值厚度特征參數(shù)具體為1)計算基值部分刺激強(qiáng)度下的肌肉厚度的均值為1個周期內(nèi)的基值；計算峰值部分偏離基值的最大距離記為1個周期內(nèi)的峰值；計算峰值部分偏離基值的平方和的根值記為1 個周期內(nèi)的能量值；2)將所述第二組肌肉厚度參數(shù)和所述第一組肌肉厚度參數(shù)相對的逐個做比值，獲取每個周期下肌肉厚度的基值、峰值和能量的變化，并對8個周期的結(jié)果求均值，獲取所述受試者的九個比值厚度特征參數(shù)。
5.根據(jù)權(quán)利要求1所述的一種功能性電刺激控制方法，其特征在于，所述影響因素具體包括性別、刺激強(qiáng)度、自主狀態(tài)下股直肌和股中間肌肌肉厚度比例、第一個下臨界強(qiáng)度下股直肌厚度與自主收縮對應(yīng)角度下的厚度比、第一個下臨界強(qiáng)度下股中間肌厚度與自主收縮對應(yīng)角度下的厚度比、股直肌在8個刺激周期下肌肉厚度的斜率、股中間肌在8個刺激周期下肌肉厚度的斜率。
全文摘要
本發(fā)明公開了一種功能性電刺激控制方法，采集功能性電刺激下的膝關(guān)節(jié)角度以及目標(biāo)肌肉的超聲肌肉圖像；將膝關(guān)節(jié)角度作為反饋，采集相同角度下的自主收縮的肌肉圖像；對自主收縮的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第一組肌肉厚度參數(shù)；對功能性電刺激誘發(fā)收縮下的肌肉圖像進(jìn)行頻域濾波，利用交叉相關(guān)方法提取第二組肌肉厚度參數(shù)；根據(jù)第二組肌肉厚度參數(shù)和第一組肌肉厚度參數(shù)獲取受試者的九個比值厚度特征參數(shù)；采用逐步篩選的多元線性回歸方法對受試者的九個比值厚度特征參數(shù)進(jìn)行分析，提取主要影響因素；將主要影響因素作為自變量，建立與比值厚度特征參數(shù)的回歸方程，通過調(diào)節(jié)主要影響因素的取值從而對比值厚度特征參數(shù)進(jìn)行調(diào)整。
文檔編號A61N1/36GK102488965SQ20111040806
公開日2012年6月13日 申請日期2011年12月8日 優(yōu)先權(quán)日2011年12月8日
發(fā)明者萬柏坤, 徐立峰, 明東, 柯余峰, 綦宏志, 邱爽 申請人:天津大學(xué)