基于遗传算法和极限学习机的Fugl-Meyer量表自动评估

为实现脑卒中上肢居家康复评定的自动化和定量化,针对临床上最常用的Fugl-Meyer运动功能评定(FMA)量表,利用极限学习机(ELM)建立了FMA量表得分自动预测模型。选取FMA肩肘部分中的4个动作,采用固定于偏瘫侧前臂和上臂的两个加速度传感器采集24名患者的运动数据,经预处理和特征提取,基于遗传算法(GA)和ELM进行特征选择,分别建立单个动作ELM预测模型和综合预测模型。结果显示,该模型可对FMA肩肘部分得分进行精确的自动预测,预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性,可方便用于居家康复的评定。

基于六轴传感器的步态分析系统设计

步态分析可以客观、定量地反映偏瘫患者步态的异常,在临床中应用广泛,但多年来一直缺乏多种步态参数综合反映步态异常的方法。步态分析系统通过设计基于六轴数据传感器的数据采集收发模块,对采集到的六轴运动数据用LabVIEW进行处理,得出步长、髋膝关节角度。通过系统测试,对系统的稳定性和精度进行了验证,测试结果表明:该步态分析系统方便快捷,可以很好地对病人的步态的相关参数进行采集和存储,为医生对病人病情的分析提供参考,具有性能稳定、微型、低功耗、成本低、方便便携等特点。

一种用于生物刺激反馈系统的新型刺激电流源

在临床医学领域,生物刺激反馈技术已被越来越多地用于偏瘫患者的运动功能康复治疗。刺激电流源作为生物刺激反馈系统的重要组成部分,一直以来都是该领域的研究重点。基于双相脉冲波设计了适用于生物刺激反馈的刺激电流源,并进行了实验和测试。结果表明,系统输出的双相脉冲波形幅值在0-80 m A连续可调,波形稳定,刺激频率和连续刺激时间等参数可根据需要进行设定,这为生物刺激反馈系统的进一步研究和完善提供了参考和依据。