基于表面肌电的手部运动康复与量化评估技术研究
文献类型：学位论文
| 作者 | 胡少康 |
| 答辩日期 | 2021-05-21 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 赵新刚 |
| 关键词 | 手部康复机器人 表面肌电信号 人机交互 康复评估 机器学习 |
| 学位名称 | 硕士 |
| 学位专业 | 模式识别与智能系统 |
| 其他题名 | Research on Hand Movement Rehabilitation and Quantitative Evaluation Technology Based on Surface Electromyography |
| 英文摘要 | 近年来，脑卒中已经成为全球负担最重的疾病，是致死和致残的最大原因之一，另外脑卒中患者数量仍在逐渐增加并趋向于年轻化。大多脑卒中患者存在手部运动功能障碍，极大影响患者的日常生活。现代康复理论和实践表明，科学的运动康复训练可以有效的帮助脑卒中患者恢复身体机能。但传统康复训练存在训练效率低和训练强度不足等问题，因此手部康复机器人成为更好的选择。本文针对传统康复过程中康复训练和康复评估效率低、康复成本高等问题，研究了基于表面肌电的脑卒中患者手部动作识别和量化康复评估方法，并基于这两项技术研发了基于表面肌电的手部康复机器人系统。本文具体研究内容如下： 首先，为了便于研究脑卒中患者手部动作识别和康复评估技术，建立了脑卒中患者的手部表面肌电数据集。该数据集包含43名脑卒中患者的9种常见手部康复动作的表面肌电数据，覆盖全部康复等级，适合进行患者手部动作识别和量化康复评估的研究。并介绍了表面肌电数据的特征工程，包括数据预处理、特征提取和特征选择。数据预处理主要指肌电数据滤波和归一化方法，特征提取和特征选择介绍了传统方法和自动方法，通过提出的自动特征提取和特征选择方法，可以得到适合任务的最优特征集。其次，针对脑卒中患者手部动作识别率低的问题，提出了一种基于表面肌电的脑卒中患者手部动作识别方法。通过对30名不同等级患者的表面肌电数据进行特征提取和特征选择，筛选出了最合适的滑动窗参数及特征，使用设计的分类模型进行动作识别，实验结果表明该方法性能优于常见分类模型，最后进行在线实验并分析了实时性。再次，针对传统康复评估方法的主观性强、实时性差和效率低等问题，提出了基于表面肌电的脑卒中患者手部量化康复评估方法。通过特征工程筛选出适合康复评估的特征，使用设计的量化评估模型进行康复评估，实验结果表明该方法优于其他模型，并确定了适合康复评估的康复动作。并探究了康复评估的应用难点，取得了一定的成果。 最后，基于脑卒中患者手部动作识别和量化康复评估两项技术，设计了基于表面肌电的手部康复机器人系统，具有康复训练、量化康复评估和康复方案自调整功能，适用于家庭和社区式的脑卒中患者康复训练。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 82页 |
| 源URL | [http://ir.sia.cn/handle/173321/28953]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 胡少康. 基于表面肌电的手部运动康复与量化评估技术研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。