肌肉運動事件的識別系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及的是一種醫(yī)學(xué)檢測領(lǐng)域的技術(shù)，具體是一種肌肉運動事件的識別系統(tǒng)及其方法。
【背景技術(shù)】
[0002]運動控制和運動失常的神經(jīng)生理檢測與診斷目前主要采用同時采集肌肉活動信號(如表面肌電圖)以及腦活動信號(如腦電圖)，并根據(jù)相應(yīng)運動事件同時分析腦活動和肌肉活動關(guān)聯(lián)性的方法。然而，目前相應(yīng)運動事件的選定和判別主要依靠人工完成，需要富有經(jīng)驗的醫(yī)師在大量的記錄數(shù)據(jù)中人工標(biāo)記出相應(yīng)運動時間的起止時刻，才能夠?qū)崿F(xiàn)進一步的腦活動和肌肉活動關(guān)聯(lián)性分析。另外，目前肌肉活動信號和腦活動信號的采集往往需要病人來到專業(yè)的醫(yī)療機構(gòu)進行采集，并且采集設(shè)備的安裝和使用十分復(fù)雜，需要專業(yè)的醫(yī)師進行操作，病人無法在醫(yī)療機構(gòu)外自行操作。從而使得肌肉和腦活動信號的采集往往會給病人造成時間和經(jīng)濟上的負擔(dān)，給醫(yī)師造成較大的工作負擔(dān)，同時也給進行信號檢測和診斷的醫(yī)生造成較大的工作負擔(dān)。
[0003]經(jīng)過對現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，中國專利文獻號CN101057795，公開(公告)日2007.10.24，公開了一種采用肌電和腦電協(xié)同控制的假肢手及其控制方法，采用肌電和腦電協(xié)同控制的假肢手，肌電腦電拾電電極、肌電腦電信號處理模塊、A/D轉(zhuǎn)換數(shù)據(jù)采集、肌電信號運動模式識別和軌跡預(yù)測模塊，電動假肢手、觸滑覺一體化傳感器，系統(tǒng)反饋刺激裝置、力量及速度調(diào)節(jié)模塊。采用肌電和腦電協(xié)同控制假肢手的方法，包括下列步驟:肌電信號進行采集和放大；特征提取和模式識別；檢測被抓物體的抓取情況；當(dāng)被抓物沒有抓取好，給操控者一定形式的物理刺激信號；檢測腦電信息；輸出到力量及速度調(diào)節(jié)模塊；輸出信號完成對電動手的進一步控制。該技術(shù)的特征提取和模式識別需要連續(xù)實時的窗口信號處理，即在信號采集的同時，連續(xù)截取一定時間窗口中的信號數(shù)值，并對之應(yīng)用相應(yīng)的特征提取和模式識別。這種方式可以保證對有效肌電信號的實時處理，但需要消耗大量運算，浪費大量運算處理無效肌電信號，常常造成運算量過大、運算延時高的問題。另外，在運動控制和運動失常的神經(jīng)生理檢測與診斷領(lǐng)域，醫(yī)師并不需要實時的肌電信號處理，而是長時程的肌電信號采集，并高效找出有效肌電信號并對其進行處理分析。因此該技術(shù)應(yīng)用于神經(jīng)生理檢測與診斷領(lǐng)域會造成過多無效運算，運算量過大，運算延時高，系統(tǒng)功耗高的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提出一種肌肉運動事件的識別系統(tǒng)及其方法，能夠在神經(jīng)生理檢測與診斷領(lǐng)域高效標(biāo)記出有效肌電信號，即肌電信號事件，并對所標(biāo)記的肌電和腦電信號事件進行精確的分析處理，大幅提高了運算速率，降低了運算延時和系統(tǒng)設(shè)備功耗。
[0005]本發(fā)明是通過以下技術(shù)方案實現(xiàn)的:
[0006]本發(fā)明涉及一種肌肉運動事件的識別系統(tǒng)，包括:由肌電采集模塊和腦電采集模塊組成的信號采集模塊、信號處理模塊和信號識別模塊，其中:信號處理模塊對信號采集模塊采集的數(shù)據(jù)進行信號處理并進行事件探測，信號識別模塊對探測到的事件進行識別并標(biāo)記分類。
[0007]所述的肌電采集模塊由單個或多個體積較小的無線肌電傳感器組成，可貼在人體的表面皮膚處以采集表面肌電信號，并通過無線方式將所采集數(shù)據(jù)傳輸至信號處理模塊。
[0008]所述的腦電采集模塊由單個多導(dǎo)的無線腦電采集設(shè)備構(gòu)成，該無線腦電采集設(shè)備為16至64通道標(biāo)準(zhǔn)腦電采集設(shè)備，并通過內(nèi)置的無線信號發(fā)射設(shè)備發(fā)射采集到的腦電信號或接收控制指令。
[0009]所述的信號處理模塊包括:共平均參考單元、自適應(yīng)濾波單元、窗口事件探測單元和事件觸發(fā)標(biāo)記單元和信號分割單元，其中:共平均參考單元接收腦電采集模塊的腦電模擬信號并將有效腦電信息輸出至信號分割單元，自適應(yīng)濾波單元與肌電采集模塊相連并接收肌電模擬信號，經(jīng)濾波處理后由窗口事件探測單元對肌電數(shù)字信號進行時序窗口標(biāo)記，事件觸發(fā)標(biāo)記單元從標(biāo)記后的肌電數(shù)字信號中進行上升沿或下降沿的檢測，并將肌電有效事件信息輸出至信號分割單元，信號分割單元根據(jù)觸發(fā)時間對來自共平均參考單元的有效腦電信息和肌電有效事件信息進行分割并進行降維處理，并輸出至信號識別模塊。
[0010]所述的降維處理是指:降低信號的采樣率以及將多通道信號拼接為一維信號。
[0011]所述的自適應(yīng)濾波單元包括:功率譜計算組件、噪音陷波組件和帶通濾波組件，其中:功率譜計算模塊將肌電模擬信號進行模數(shù)轉(zhuǎn)換后進行功率譜計算，并與內(nèi)置功率譜閾值進行比較，將計算得到的腦電數(shù)字信號和肌電數(shù)字信號輸出至噪音陷波組件，噪音陷波組件進行濾波濾噪處理并將得到的去噪信息由帶通濾波組件進行濾波后輸出至窗口事件探測單元。
[0012]所述的窗口事件探測單元包括:窗口移動組件、均方根計算組件和閾值探測組件，其中:窗口移動組件接收帶通濾波后的去噪信息，并采用矩形窗進行切分處理，將切分后信號依次輸出至均方根計算組件進行均方根計算，閾值探測組件對均方根計算后的功率信號進行閾值判斷，并將任一窗口信號的均方根/功率值大于該窗口內(nèi)信號均方根/功率的平均值的預(yù)設(shè)倍數(shù)的窗口信號輸出至事件觸發(fā)標(biāo)記單元。
[0013]所述的均方根計算組件將切分后的窗口信號進行均方根計算，并判斷該窗口信號中的后半部分的均方根/功率是否大于前半部分均方根/功率的均方根倍數(shù)，當(dāng)大于時將該窗口信號輸出至閾值探測組件，否則舍棄該窗口信號。
[0014]所述的信號識別模塊包括:模式識別單元和事件標(biāo)記反饋單元，其中:模式識別單元根據(jù)分割后的腦電模擬信號進行模式識別并得到分類信息，事件標(biāo)記反饋單元提供人機交互界面供用戶進行手動核對和更新標(biāo)記結(jié)果和分類信息，相應(yīng)的手動修改記錄將保存入模式識別單元的模型庫中，使模式識別算法能夠不斷存儲數(shù)據(jù)并提高識別精確度。
[0015]所述的模式識別采用監(jiān)督學(xué)習(xí)算法、半監(jiān)督學(xué)習(xí)算法和無監(jiān)督學(xué)習(xí)算法對事件信號進行模式識別和分類。
[0016]所述的分類信息中的類別包括但不限于:正常運動、非自主運動、震顫運動、心理性運動失常、肌無力型運動失常和神經(jīng)性運動失常。
技術(shù)效果
[0017]與現(xiàn)有技術(shù)相比，本發(fā)明實現(xiàn)系統(tǒng)運算速率較現(xiàn)有技術(shù)提升50%以上，系統(tǒng)功耗較現(xiàn)有技術(shù)降低33%，使得醫(yī)師在進行相關(guān)神經(jīng)生理檢測與診斷時可大幅提高工作效率，降低信號處理和分析時間。
[0018]本發(fā)明亦可直接在可穿戴硬件上運行，降低了運算消耗，使運用可穿戴硬件進行長時程記錄和分析可行?，F(xiàn)有技術(shù)由于功耗過大難以直接運行在可穿戴硬件上，使得醫(yī)師可以更加方便對各類肌電信號事件和腦電信號事件進行標(biāo)記、分類和處理。高效快速建立相應(yīng)數(shù)學(xué)統(tǒng)計模型。
【附圖說明】
[0019]圖1為本發(fā)明處理簡圖；
[0020]圖2為本發(fā)明方法示意圖；
[0021 ] 圖3為自適應(yīng)濾波處理示意圖；
[0022]圖4為窗口事件探測處理示意圖。
【具體實施方式】
[0023]如圖1和圖2所示，本實施例涉及上述系統(tǒng)的識別方法，具體包括以下步驟:
[0024]步驟1、采集肌肉活動模擬信號以及腦部活動模擬信號；
[0025]本實施例通過信號采集模塊實現(xiàn)采集，該信號采集模塊由肌電采集模塊和腦電采集模塊組成。
[0026]所述的肌電采集模塊由單個或多個體積較小的無線肌電傳感器組成，傳感器數(shù)量為1?20個，優(yōu)選4個，可貼在人體的表面皮膚處，采集表面肌電信號，采用無線通訊的方式將所采集數(shù)據(jù)傳輸至信號處理模塊。
[0027]本實施例中采用藍牙4.0作為所述的無線通訊的方式。
[0028]所述的腦電采集模塊由單個多導(dǎo)的無線腦電采集設(shè)備構(gòu)成，該無線腦電采集設(shè)備的通道數(shù)為4?64個，優(yōu)選32個。
[0029]步驟2、對采集的信號進行處理并進行事件探測，具體為:對肌電模擬信號依次進行自適應(yīng)濾波、窗口事件探測和事件觸發(fā)時刻標(biāo)記處理，得到肌電有效事件信息；同時對腦電模擬信號進行共平均參考處理，得到有效腦電信息；最后根據(jù)肌電有效事件的時間和所設(shè)窗口寬度得到待識別事件集。
[0030]如圖3所示，所述的自適應(yīng)濾波，包括以下步驟:
[0031]步驟1、對肌電信號和腦電信號分別進行信號預(yù)處理，具體為:采用共平均參考(CAR)、卡爾曼濾波、動窗平均方法濾去所有通道中的噪音信號。
[0032]步驟2、信號功率譜計算、與預(yù)設(shè)功率譜對比，具體為:計算信號功率譜，將結(jié)果與預(yù)設(shè)功率譜數(shù)據(jù)組進行模式識別，模式識別方法采用KNN、高斯混合模型、最大似然近似、神經(jīng)網(wǎng)絡(luò)。
[0033]步驟3、噪音陷波和肌電信號帶通濾波，從采集信號中得到有效的肌電信號，具體為:采用高通濾波、低通濾波、帶通濾波方法濾去無效信號部分，保留有效信號。采用諾奇濾波方法陷波去除工頻干擾和特征頻率。
[0034]如圖4所示，所述的窗口事件探測，包括以下步驟:
[0035]步驟1、劃分窗口，具體為:將信號劃分為一個個小片段分別進行事件探測，具體步驟為:窗口寬度