CN107595241A - 一种疼痛程度的评估方法和评估装置 - Google Patents
一种疼痛程度的评估方法和评估装置 Download PDFInfo
- Publication number
- CN107595241A CN107595241A CN201610543572.3A CN201610543572A CN107595241A CN 107595241 A CN107595241 A CN 107595241A CN 201610543572 A CN201610543572 A CN 201610543572A CN 107595241 A CN107595241 A CN 107595241A
- Authority
- CN
- China
- Prior art keywords
- muscle
- electric discharge
- pain
- correlation
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种疼痛程度的评估方法及评估装置。评估方法具体包括以下步骤:检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛的相关程度。该评估方法评估疼痛程度操作简单,成本低廉,不受主观因素影响,准确性高。
Description
技术领域
本发明涉及康复工程技术领域,尤其涉及一种疼痛程度的评估方法和评估装置。
背景技术
随着社会进步和医学的发展,下背痛作为护理中作中较为严重的致残和误工的主要原因之一,严重影响着人们的生活质量,据调查486名护士中大约有60%左右的下背痛人员。疼痛在国际上已经定义为继体温、脉搏、呼吸、血压四大生命体征后的第五大生命体征,是困扰病人的一个常见问题。由于护理人员常规操作中频繁的弯腰和不正确的弯腰姿势导致脊柱力负荷的累积损伤,长此以往造成不同程度的疼痛。由于疼痛是一种不愉快的感觉,伴有实际或潜在组织损伤。疼痛评估是对下背痛患者进行病理特性分析、治疗方案选择或者康复指导的关键。
肌肉放电的有效值,是一段时间内瞬间肌肉肌电图幅值平方平均的平方根,大小取决于肌肉负荷性因素和肌肉本身的生理、生化之间的内在联系。当人体腰椎部位因劳损、脊柱异常弯曲、变形等原因导致下背痛时,人体的脊柱周围核心肌群可能会发生形变或肌肉功能衰减等,从而产生疼痛的症状。
国内外学者最初采用针电极***肌肉检测肌电图,其干扰小、定位好、易识别,但是由于它的有创式检测方式,给被测试者带来伤害,使得患者难以接受,应用受到一定的限制。经过长期的探究,人们发现表面肌电信号同样可以采集到肌肉的运动信息,表面肌电信号的无创式检测方式,通过肌肉表面粘贴的电极片记录下神经肌肉活动时释放的电信号,其操作简单,很容易被人接受,因此,得到了广泛的应用。
表面肌电信号可以检测细胞内外的电位改变引起的细胞兴奋变化,是肌肉功能评估和活动变化的一种较好的生物反馈信号。无创性、直观性、实时性等特点决定了其广泛应用于生物医学、临床医学、康复训练评估等领域。有研究表明肌肉表面肌电信号的变化与下背痛密切相关。记录神经肌肉活动变化的表面肌电信号,能客观地反映肌肉功能状况和活动水平,是评价下背痛客观的、科学的、有效地的指标。
过去很长一段时间表面肌电信号的处理方式仅靠医生和做一些简单的统计处理。随着计算机技术、通信技术、电子信息技术以及微处理器的发展,让肌电的数字化分析成为可能,由此出现多种处理肌电信号的方法。时域处理方法中获得的均方根值是一段时间肌电信号振幅平均的平方根,反映着肌肉放电的有效值。
在现有技术中的肌电信号分析方法及***,是一种新的***直接将采到的肌电信号进行特征分析和图像在线显示,但是并未将肌电信号的特征量和下背痛的疼痛程度之间的关系结合起来,因此该现有技术主要是对肌电信号进行了直观和精准的信息在线显示,但是未探究到肌电信号和疼痛程度之间的内在关系,存在一定的局限性。
发明内容
本发明旨在解决现有技术中未探究到肌电信号和疼痛程度之间的内在关系的技术问题,提供一种疼痛程度的评估方法和评估装置。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种疼痛程度的评估方法,所述评估方法具体包括以下步骤:
检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;
对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;
根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;
判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度。
本发明实施例的评估方法,通过判断躯干弯曲运动过程中多个肌肉放电有效峰值与VSA疼痛等级之间的相关性,得到躯干弯曲运动过程中的脊柱周围核心肌肉群的放电有效峰值与VSA疼痛等级之间的高度相关性,为人体肌肉生理信号***和人体疼痛程度***的综合***评估方式提供了理论依据,以及解决了对下背痛患者进行疼痛评估的主观因素评估方式所受患者情绪影响的问题。而且该方式评估疼痛程度操作简单,成本低廉,不受主观因素影响,准确性高。
为解决上述技术问题,本发明提供另一实施例疼痛程度的评估装置,所述评估装置包括:
检测仪,用于检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;
处理器,用于对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;
所述处理器,还用于根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;
所述处理器,还用于判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度。
本发明实施例的评估装置,通过判断躯干弯曲运动过程中多个肌肉放电有效峰值与VSA疼痛等级之间的相关性,得到躯干弯曲运动过程中的脊柱周围核心肌肉群的放电有效峰值与VSA疼痛等级之间的高度相关性,为人体肌肉生理信号***和人体疼痛程度***的综合***评估方式,提供了理论依据,以及解决了对下背痛患者进行疼痛评估的主观因素评估方式所受患者情绪影响的问题。而且该方式评估疼痛程度操作简单,成本低廉,不受主观因素影响,准确性高。
附图说明
图1是本发明一个实施例的实现实验对象的疼痛程度的评估方法的流程图;
图2(a)是本发明一个实施例左侧多裂肌肉的放电有效参数值与VAS疼痛等级的相关性;
图2(b)是本发明一个实施例右侧多裂肌肉的放电有效参数值与VAS疼痛等级的相关性;
图2(c)是本发明一个实施例左侧腹外斜肌肉的放电有效参数值与VAS疼痛等级的相关性;
图2(d)是本发明一个实施例右侧腹外斜肌肉的放电有效参数值与VAS疼痛等级的相关性;
图2(e)是本发明一个实施例左侧腹横肌肉的放电有效参数值与VAS疼痛等级的相关性;
图2(f)是本发明一个实施例右侧腹横肌肉的放电有效参数值与VAS疼痛等级的相关性;
图3是本发明一个实施例的实现实验对象的疼痛程度的评估装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的疼痛程度的评估方法和评估装置。
图1是根据本发明一个实施例疼痛程度的评估方法的流程图。如图1所示,所述评估方法具体包括以下步骤:
步骤S1,检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;
步骤S2,对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;
步骤S3,根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;
步骤S4,判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度。
在具体实施中,所述步骤S2,具体为:对所述每个肌肉对应的多个放电生理信号进行工频去燥和进行工频倍频切比雪夫带阻滤波器滤波,每个肌肉对应的多个放电有效参数值。具体的,对所述每个肌肉对应的多个放电生理信号进行50Hz工频去燥和100Hz、150Hz工频倍频切比雪夫带阻滤波器滤波,得到肌肉放电有效参数值。
在具体实施中,所述步骤S3,具体包括:
对每个肌肉对应的多个放电有效参数值进行统计分析,得到每个肌肉的放电有效参数值的数据关系;
根据每个肌肉的放电有效参数值的数据关系和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关值。
具体的,所述统计分析的显著性系数p值<0.05,其中,p值为结果可信程度的一个递减指标。多个实验对象肌肉放电有效参数值利用SPSS19.0软件进行统计分析,显著性系数p<0.05,表示具有统计学意义。
在具体实施中,预设的视觉模拟评分表通过采集78名下背痛实验对象通过视觉模拟评分法量表对自己的疼痛程度进行评分,具体的视觉模拟评分表如下:
在具体实施中,步骤S4中的所述预设的相关系数范围包括:第一系数范围,第二系数范围,第三系数范围,第四系数范围和第五系数范围,其中第一系数范围是0-0.20,第二系数范围是0.21-0.40,第三系数范围是0.41-0.60,第四系数范围是0.61-0.80,第五系数范围是0.81-1.00。也就是说,对肌肉放电有效参数值和疼痛程度进行双侧pearson相关性检验。皮尔森相关系数r值的大小,反映着参数之间相关性的强弱,当r<=0.20,相关性差;当0.21<=r<=0.40,相关性较差;当0.41<=r<=0.60,相关性一般;当0.61<=r<=0.80,相关性好;当0.81<=r<=1.00,相关性很高。另外,所有不同疼痛程度下的试验对象在年龄、身高、体重之间无显著差异性。
在具体实施中,如果实验对象是78人,那么每个肌肉对应的多个放电有效参数值为每个肌肉对应的78个放电有效参数值。78个实验对象肌肉放电有效参数值利用SPSS19.0软件进行统计分析,显著性水平以p<0.05,表示具有统计学意义。接着判断每个肌肉和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数,最后判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度,由于如图2-(a)至图2-(f)所示,左侧多裂肌肌电幅值与疼痛程度之间高度相关(r=0.983),右侧多裂肌肌电幅值与疼痛程度之间也高度相关(r=0.933);左侧腹外斜肌与疼痛程度(r=0.876),右侧腹外斜肌与疼痛程度(r=0.826);左侧腹横肌与疼痛程度(r=0.938),右侧腹横肌与疼痛程度(r=0.966),发现试验对象进行躯干直立-弯曲到最大-直立运动的过程中,脊柱主要肌群肌肉放电有效参数值与人体疼痛程度之间存在相关性,也就是说根据皮尔森相关性判定,下背痛被试者在躯干直立-弯曲到最大-直立运动中,多裂肌、腹外斜肌和腹横肌肌肉肌电幅值与VAS疼痛程度之间有很高的相关性。随着VAS疼痛程度的增加脊柱主要肌群肌肉的放电有效峰值在不断减小,说明下背疼痛的加重,导致脊柱肌肉群的运动能力下降。因此,由脊柱肌肉群放电有效峰值与主观视觉疼痛水平之间的高度相关性,表明肌肉群放电有效值参数不仅可以反映肌肉的运动能力特性,还可以反映人体疼痛***的内在生理特性变化,因此可以利用肌肉群的放电有效峰值与人体疼痛***结合,作为一种客观评估人体疼痛程度的综合***,这种评估人体疼痛***中疼痛程度强弱的方式不由人的主观意识所控制,是对神经肌肉运动功能的真实写照,能更加有效的反映疼痛的水平。在临床应用、康复训练中这种方式可以指导医生进行诊断,进行帮助患者早日康复。
本发明实施例的评估方法,通过判断躯干弯曲运动过程中多个肌肉放电有效峰值与VSA疼痛等级之间的相关性,得到躯干弯曲运动过程中的脊柱周围核心肌肉群的放电有效峰值与VSA疼痛等级之间的高度相关性,为人体肌肉生理信号***和人体疼痛程度***的综合***评估方式,提供了理论依据,以及解决了对下背痛患者进行疼痛评估的主观因素评估方式所受患者情绪影响的问题。而且该方式评估疼痛程度操作简单,成本低廉,不受主观因素影响,准确性高。
在具体实施中,本发明还提供一种实施例的疼痛程度的评估装置,如图3所示,所述评估装置包括:
检测仪1,用于检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;
处理器2,用于对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;
所述处理器2,还用于根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;
所述处理器2,还用于判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度。
在具体实施中,所述处理器2,还用于:对所述每个肌肉对应的多个放电生理信进行工频去燥和进行工频倍频切比雪夫带阻滤波器滤波,每个肌肉对应的多个放电有效参数值。具体的,对所述每个肌肉对应的多个放电生理信号进行50Hz工频去燥和100Hz、150Hz工频倍频切比雪夫带阻滤波器滤波,得到肌肉放电有效参数值。
在具体实施中,所述处理器2还用于:
对每个肌肉对应的多个放电有效参数值进行统计分析,得到每个肌肉的放电有效参数值的数据关系;
根据每个肌肉的放电有效参数值的数据关系和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关值。
具体的,所述统计分析的显著性水平以p值<0.05,其中,p值为结果可信程度的一个递减指标。多个实验对象肌肉放电有效参数值利用SPSS19.0软件进行统计分析,显著性水平以p<0.05,表示具有统计学意义。
在具体实施中,预设的视觉模拟评分表通过采集78名下背痛实验对象通过视觉模拟评分法量表对自己的疼痛程度进行评分,具体的视觉模拟评分表如下:
在具体实施中,步骤S4中的所述预设的相关系数范围包括:第一系数范围,第二系数范围,第三系数范围,第四系数范围和第五系数范围,其中第一系数范围是0-0.20,第二系数范围是0.21-0.40,第三系数范围是0.41-0.60,第四系数范围是0.61-0.80,第五系数范围是0.81-1.00。也就是说,对肌肉放电有效参数值和疼痛程度进行双侧pearson相关性检验。皮尔森相关系数r值得大小,反映着参数之间相关性的强弱,当r<=0.20,相关性差;当0.21<=r<=0.40,相关性较差;当0.41<=r<=0.60,相关性一般;当0.61<=r<=0.80,相关性好;当0.81<=r<=1.00,相关性很高。另外,所有不同疼痛程度下的试验对象在年龄、身高、体重之间无显著差异性。
在具体实施中,如果实验对象是78人,那么每个肌肉对应的多个放电有效参数值为每个肌肉对应的78个放电有效参数值。78个实验对象肌肉放电有效参数值利用SPSS19.0软件进行统计分析,显著性水平以p<0.05,表示具有统计学意义。接着判断每个肌肉和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数,最后判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度,由于如图2-(a)至图2-(f)所示,左侧多裂肌肌电幅值与疼痛程度之间高度相关(r=0.983),右侧多裂肌肌电幅值与疼痛程度之间也高度相关(r=0.933);左侧腹外斜肌与疼痛程度(r=0.876),右侧腹外斜肌与疼痛程度(r=0.826);左侧腹横肌与疼痛程度(r=0.938),右侧腹横肌与疼痛程度(r=0.966),发现试验对象进行躯干直立-弯曲到最大-直立运动的过程中,脊柱主要肌群肌肉放电有效参数值与人体疼痛程度之间存在相关性,也就是说根据皮尔森相关性判定,下背痛被试者在躯干直立-弯曲到最大-直立运动中,多裂肌、腹外斜肌和腹横肌肌肉肌电幅值与VAS疼痛程度之间有很高的相关性。随着VAS疼痛程度的增加脊柱主要肌群肌肉的放电有效峰值在不断减小,说明下背疼痛的加重,导致脊柱肌肉群的运动能力下降。因此,由脊柱肌肉群放电有效峰值与主观视觉疼痛水平之间的高度相关性,表明肌肉群放电有效值参数不仅可以反映肌肉的运动能力特性,还可以反映人体疼痛***的内在生理特性变化,因此可以利用肌肉群的放电有效峰值与人体疼痛***结合,作为一种客观评估人体疼痛程度的综合***,这种评估人体疼痛***中疼痛程度强弱的方式不由人的主观意识所控制,是对神经肌肉运动功能的真实写照,能更加有效的反映疼痛的水平。在临床应用、康复训练中这种方式可以指导医生进行诊断,进行帮助患者早日康复。
本发明实施例的评估装置,通过判断躯干弯曲运动过程中多个肌肉放电有效峰值与VSA疼痛等级之间的相关性,得到躯干弯曲运动过程中的脊柱周围核心肌肉群的放电有效峰值与VSA疼痛等级之间的高度相关性,为人体肌肉生理信号***和人体疼痛程度***的综合***评估方式,提供了理论依据,以及解决了对下背痛患者进行疼痛评估的主观因素评估方式所受患者情绪影响的问题。而且该方式评估疼痛程度操作简单,成本低廉,不受主观因素影响,准确性高。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种疼痛程度的评估方法,其特征在于:所述评估方法具体包括以下步骤:
检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;
对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;
根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;
判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度。
2.如权利要求1所述的评估方法,其特征在于:对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值的步骤,具体为:
对所述每个肌肉对应的多个放电生理信号进行工频去燥和进行工频倍频切比雪夫带阻滤波器滤波,得到每个肌肉对应的多个放电有效参数值。
3.如权利要求1所述的评估方法,其特征在于:所述根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关值的步骤,具体包括:
对每个肌肉对应的多个放电有效参数值进行统计分析,得到每个肌肉的放电有效参数值的数据关系;
根据每个肌肉的放电有效参数值的数据关系和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关值。
4.如权利要求3所述的评估方法,其特征在于:所述统计分析的显著性系数p值<0.05,其中,p值为结果可信程度的一个递减指标。
5.如权利要求1所述的评估方法,其特征在于:所述预设的相关系数范围包括第一系数范围,第二系数范围,第三系数范围,第四系数范围和第五系数范围,其中第一系数范围是0-0.20,第二系数范围是0.21-0.40,第三系数范围是0.41-0.60,第四系数范围是0.61-0.80,第五系数范围是0.81-1.00。
6.一种疼痛程度的评估装置,其特征在于:所述评估装置包括:
检测仪,用于检测多位实验对象在躯干弯曲过程中的脊柱肌肉群的多个肌肉的放电生理信号,得到每个肌肉对应的多个放电生理信号;
处理器,用于对所述每个肌肉对应的多个放电生理信号进行处理,得到每个肌肉对应的多个放电有效参数值;
所述处理器,还用于根据每个肌肉对应的多个放电有效参数值和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关系数;
所述处理器,还用于判断所述每个肌肉的疼痛相关系数是否在预设的相关系数范围内以得到对应的肌肉放电有效参数值与疼痛程度的相关程度。
7.如权利要求6所述的评估装置,其特征在于:所述处理器,还用于:
对所述每个肌肉对应的多个放电生理信号进行工频去燥和进行工频倍频切比雪夫带阻滤波器滤波,每个肌肉对应的多个放电有效参数值。
8.如权利要求6所述的评估方法,其特征在于:所述处理器,还用于:
对每个肌肉对应的多个放电有效参数值进行统计分析,得到每个肌肉的放电有效参数值的数据关系;
根据每个肌肉的放电有效参数值的数据关系和预设的视觉模拟评分表进行pearson相关性分析,得到每个肌肉的疼痛相关值。
9.如权利要求8所述的评估方法,其特征在于:所述统计分析的显著性水平以p值<0.05,其中,p值为结果可信程度的一个递减指标。
10.如权利要求6所述的评估方法,其特征在于:所述预设的相关系数范围包括第一系数范围,第二系数范围,第三系数范围,第四系数范围和第五系数范围,其中第一系数范围是0-0.20,第二系数范围是0.21-0.40,第三系数范围是0.41-0.60,第四系数范围是0.61-0.80,第五系数范围是0.81-1.00。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610543572.3A CN107595241A (zh) | 2016-07-11 | 2016-07-11 | 一种疼痛程度的评估方法和评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610543572.3A CN107595241A (zh) | 2016-07-11 | 2016-07-11 | 一种疼痛程度的评估方法和评估装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107595241A true CN107595241A (zh) | 2018-01-19 |
Family
ID=61054988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610543572.3A Pending CN107595241A (zh) | 2016-07-11 | 2016-07-11 | 一种疼痛程度的评估方法和评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107595241A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113397530A (zh) * | 2021-06-16 | 2021-09-17 | 国家体育总局体育科学研究所 | 一种可进行膝关节功能评估的智能矫正***和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5755675A (en) * | 1992-10-02 | 1998-05-26 | Sihvonen; Teuvo | Method for measuring the function of joints and associated muscles |
CN1923131A (zh) * | 2005-08-29 | 2007-03-07 | 上海第二医科大学附属仁济医院 | 人体疼痛生物信息多参数整合即时评估*** |
CN201701199U (zh) * | 2010-06-07 | 2011-01-12 | 中国科学院深圳先进技术研究院 | 疼痛监测仪 |
-
2016
- 2016-07-11 CN CN201610543572.3A patent/CN107595241A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5755675A (en) * | 1992-10-02 | 1998-05-26 | Sihvonen; Teuvo | Method for measuring the function of joints and associated muscles |
CN1923131A (zh) * | 2005-08-29 | 2007-03-07 | 上海第二医科大学附属仁济医院 | 人体疼痛生物信息多参数整合即时评估*** |
CN201701199U (zh) * | 2010-06-07 | 2011-01-12 | 中国科学院深圳先进技术研究院 | 疼痛监测仪 |
Non-Patent Citations (1)
Title |
---|
马超等: "颈肩部疼痛及功能障碍与表面肌电图之间的关系", 《中华物理医学与康复杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113397530A (zh) * | 2021-06-16 | 2021-09-17 | 国家体育总局体育科学研究所 | 一种可进行膝关节功能评估的智能矫正***和方法 |
CN113397530B (zh) * | 2021-06-16 | 2022-03-18 | 国家体育总局体育科学研究所 | 一种可进行膝关节功能评估的智能矫正***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109893146B (zh) | 一种女性盆底功能障碍评估方法及其*** | |
Tartaglia et al. | Surface electromyographic assessment of patients with long lasting temporomandibular joint disorder pain | |
CN106974621A (zh) | 一种基于脑电信号重心频率的视觉诱导晕动症检测方法 | |
EP1959827A2 (en) | Systems and methods for analyzing and assessing depression and other mood disorders using electroencephalographic (eeg) measurements | |
WO2013059267A2 (en) | Non-invasive detection of fetal or maternal illness | |
Go et al. | Frequency analysis of lower extremity electromyography signals for the quantitative diagnosis of dystonia | |
Lai et al. | A flexible multilayered dry electrode and assembly to single-lead ECG patch to monitor atrial fibrillation in a real-life scenario | |
EP1627600A1 (en) | Portable medical device for automatic electrical coherence analysis inside a patient | |
Cahyadi et al. | Upper limb muscle strength analysis for movement sequence based on maximum voluntary contraction using EMG signal | |
Coorevits et al. | Correlations between short-time Fourier-and continuous wavelet transforms in the analysis of localized back and hip muscle fatigue during isometric contractions | |
Adochiei et al. | Complex Embedded System for Stress Quantification | |
CN107320073A (zh) | 组织疼痛分级方法及其装置 | |
HUT64459A (en) | Process and apparatus for the diagnostics of cardiovascular | |
CN106308748A (zh) | 一种下背痛患者功能障碍分析方法及实现该方法的装置 | |
Li et al. | Detection of muscle fatigue by fusion of agonist and synergistic muscle semg signals | |
JP2003260058A (ja) | 2つの閾値を決定する方法 | |
CN107595241A (zh) | 一种疼痛程度的评估方法和评估装置 | |
CN104323761A (zh) | 一种基于红外热像技术的血管内皮功能检测装置及其检测方法 | |
TWI516247B (zh) | 居家式憂鬱傾向生理訊號之情緒分析方法 | |
Hellmers et al. | Assessing Postures and Mechanical Loads during Patient Transfers. | |
CN101889862B (zh) | 用于人体功能检测的三维扫描体电图仪及其检测方法 | |
Fegni Ndam et al. | What are the best indicators of myoelectric manifestation of fatigue? | |
Kim et al. | Psychophysiological changes by navigation in a virtual reality | |
Gleeson | Assessment of neuromuscular performance using electromyography | |
CN106419915A (zh) | 一种基于阻抗变化的肠道动力检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180119 |