首页> 中文学位 >基于脑电和肌电相干性的辅助中风病人主动康复方法研究
【6h】

基于脑电和肌电相干性的辅助中风病人主动康复方法研究

代理获取

目录

声明

致谢

摘要

第1章 绪论

1.1 中风

1.2 中风的预防及诊断

1.2.1 中风的因素及预防

1.2.2 中风的诊断

1.3 中风康复

1.3.1 被动康复

1.3.2 主动康复

1.4 肌电模型与电刺激模型(执行端)

1.4.1 用于调制电刺激系统的肌电模型研究进展

1.4.2 电刺激研究进展

1.5 自主意识信号提取(控制端)

1.5.1 肌电作为主动康复控制信号研究进展

1.5.2 脑电作为主动康复控制信号研究进展

1.5.3 脑电肌电相干性研究进展

1.6 研究目标

1.7 论文结构

第2章 技术背景介绍

2.1 生物电信号

2.1.1 静患膜电位

2.1.2 动作电位

2.2 肌电信号

2.2.1 肌电信号的形成

2.2.2 肌电信号的分类

2.2.3 肌电信号的采集

2.3 脑电信号

2.3.1 脑电信号的分类

2.4 电刺激

2.4.1 电刺激概述

2.4.2 电刺激基本组成

2.5 本章小结

第3章 肌电模型的建立

3.1 概述

3.2 肌电模型实验范式设计

3.3 肌肉位置点的确定

3.4 肌电采集系统

3.5 肌电信号分析

3.5.1 健康被试抓握时肌电模型的建立

3.5.2 模型验证

3.6 本章小结

第4章 基于肌电模型的电刺激系统

4.1 概述

4.2 电刺激系统的研制

4.2.1 电刺激控制模块

4.2.2 升压电路

4.2.3 刺激强度校准

4.3 LDA算法介绍

4.4 基于肌电模型的电刺激强度调制

4.5 电刺激模型的验证

4.5.1 实验设计

4.5.2 信号分析

4.6 本章小结

第5章 脑电肌电相干性的研究

5.1 概述

5.2 实验方案设计

5.3 脑电肌电信号的采集

5.4 待选算法简介

5.4.1 LDA算法介绍

5.4.2 脑电肌电相干性算法简介

5.5 数据处理和分析

5.5.1 健康被试肌电信号处理及分类

5.5.2 健康被试脑电信号处理及分类

5.5.3 健康被试脑电肌电信号相干性处理及分类

5.5.4 通道参数选择

5.5.5 频率参数选择

5.5.6 LDA分类

5.6 脑电肌电相干性验证实验

5.6.1 中风患者实验设计

5.6.2 中风患者肌电分析

5.6.3 中风患者脑电分析

5.6.4 中风患者脑电肌电信号相干性处理及分类

5.6.5 LDA分类

5.7 本章小结

第6章 总结及展望

6.1 本文创新点

6.2 展望

6.2.1 肌电模型的展望

6.2.2 电刺激模型的展望

6.2.3 主动康复方法的展望

参考文献

作者简历

攻读博士期间主要的研究成果

展开▼

摘要

中风是一种高死亡率和高致残率的脑血管疾病。大部分的中风幸存患者会丧失很多功能,诸如运动功能、语言功能、记忆功能、视觉功能等。现代康复医学研究认为康复训练对中风患者的功能康复具有重大的促进作用。因此研究有效的康复训练方法对中风患者的恢复具有重大的实际意义。中风患者的康复可以分为被动康复和主动康复两大类。在被动康复中,中风患者的主动意识并没有参与到康复训练中。然而在主动康复中,中风患者自主意识主动参与到康复训练中。研究表明主动康复的效果比被动康复效果要理想。另外中风患者手部功能在日程生活中占有很大的比重,如何恢复手部功能具有重要意义。
  为了中风患者手部功能的康复,本文以建立有效的主动康复方法为研究目标。在分析了关键技术和难点以后,本文从两个方面出发分别提出有效的解决方法,1)建立了一种基于肌电模型调制的电刺激系统用于辅助手部功能康复方法;2)在此基础上本文基于脑电肌电相干性(Cortico-muscular coherence(CMC))分析,提取患者的自主意识信号,建立了一套有效的主动康复方法,用于手部功能的康复训练。
  本文根据健康被试抓握不同直径不同重量物体时发放的肌电信号建立一个肌电模型,克服了抓握不同物体时肌电信号难以表达的问题;通过该肌电模型来调制电刺激系统形成一个相应的电刺激模型,使该电刺激模型刺激强度和正常人肌电发放模型相一致,这与传统恒压或者恒流电刺激相比,通过肌电模型调制的电刺激模型可以有效延缓肌肉疲劳,延长使用时间。由于中风患者肌肉存在肌痉挛、肌萎缩、肌无力等症状,导致单纯利用肌电信号不能有效的提取出自主意识信号以区分不同的动作。另一方面脑电信号对手部精细动作的区分率不高,有效的提取出被试的自主意识信号也存在一定的问题。考虑到上述的不足,本文对基于现有的肌电信号(Electromyography(EMG))、脑电信号(electroencephalography(EEG))以及脑电肌电相干性信号(CMC)提取自主意识信号进行了重点研究。本文对EMG信号、EEG信号和CMC信号分类准确率进行了对比,发现在健康被试进行指伸vs.拇内收,指伸vs.指屈,指伸vs.静息手部不同动作时,单纯用EEG脑电信号的分类准确率分别为71.27±12.32%,71.12±12.80%,81.39±11.52%;而采用CMC分类准确率则分别为78.96±4.29%,81.00±7.34%和78.025±9.39%。在中风患者进行指伸vs.指屈,指伸vs.静息手部不同动作时,单纯用EMG肌电信号的分类准确率为分别为68.79±0.41%,97.42±0.27%;单纯用EEG脑电信号的分类准确率分别为81.90±0.53%,85.89±0.23%;而利用CMC脑电肌电相干性的分类准确率则分别为85.44±1.06%,91.87±1.32%。健康被试的CMC与EEG信号相比,指伸vs.拇内收,指伸vs.指屈提高了10%左右。中风患者的CMC与EEG相比,指伸vs.指屈,指伸vs.静息分别提高了3.54%和5.98%。 CMC与EMG相比,指伸vs.指屈提高了16.65%。以上研究结果证明了无论是健康被试还是中风患者与单纯使用EEG信号或单纯使用EMG信号相比,CMC能更有效的提取自主意识信号。
  根据以上的研究基础,本文设计了一个用于中风患者手部功能康复的系统。该系统以利用CMC信号用于准确提取中风患者主动意识信号,该主动意识信号有效的用于控制外部的多通道电刺激系统设备辅助中风患者的手部功能康复。
  纵观本文的研究成果,主要创新点在于(1)以健康被试抓握不同直径、不同重量物体时的肌电信号为依据,建立了一个肌电模型,对手部不同动作进行了定量的表达,通过肌电模型调制电刺激强度建立一个电刺激模型,可以用于中风患者的电刺激(electrical stimulation,ES)治疗,相比恒定强度的电刺激方法,该电刺激可以廷缓肌肉疲劳,增加使用时间;(2)研究表明,基于脑电肌电相干性信号(CMC信号)与EEG信号,EMG信号相比可以提高分类准确率,能有效的提取自主意识信号。
  本研究为中风患者手部的主动康复提供客观的依据,有利于系统的进一步研制。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号