CN107661101A - 一种疼痛识别方法、装置及电子设备 - Google Patents
一种疼痛识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107661101A CN107661101A CN201710690749.7A CN201710690749A CN107661101A CN 107661101 A CN107661101 A CN 107661101A CN 201710690749 A CN201710690749 A CN 201710690749A CN 107661101 A CN107661101 A CN 107661101A
- Authority
- CN
- China
- Prior art keywords
- signal
- pain
- surface electromyogram
- electromyogram signal
- detection position
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4824—Touch or pain perception evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Hospice & Palliative Care (AREA)
- Pain & Pain Management (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及生物医学工程技术领域,特别涉及一种疼痛识别方法、装置及电子设备。所述疼痛识别方法包括:通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者和疼痛患者检测部位的表面肌电信号的差异性特征;根据所述表面肌电信号的差异性特征对疼痛患者进行识别。本申请根据表面肌电信号对健康者和疼痛患者疼痛部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者表面肌电信号的差异性特征,根据差异性特征对疼痛患者进行识别,从而实现简单有效、低成本、无创无辐射、实时的疼痛识别。
Description
技术领域
本申请涉及生物医学工程技术领域,特别涉及一种疼痛识别方法、装置及电子设备。
背景技术
腰痛是一组可以引起腰背部疼痛的腰骶部骨、神经及其他软组织疾患的总称,腰痛不仅影响生活、工作质量,严重者会引起致残,目前已经呈现出高发病率、高致残率、高离职率和低诊治率的特点,成为严重影响人类健康的一类疾病。腰痛很重要的一个原因是腰部稳定性差。当脊柱稳定性遭遇攻击时,运动神经元激活适当的肌肉来保护、恢复或避免脊柱的不稳定现象发生,长期以往腰部肌肉重负荷的收缩引起劳损或疼痛,肌力下降、肌肉损伤、肌肉萎缩等是腰痛患者趋于严重的初期症状。
目前,临床上对腰痛的诊断影像学主要包括X线、CT和MRI等,其中,X线辐射对人体存在危害,组织显像清晰度不高;CT对软组织显像清晰度和分辨率不高,并且CT辐射对人体有害;MRI检查费用昂贵,增加患者经济负担,且扫描时间长,患者难以忍受。因此,低成本、无辐射、实时性的疼痛识别装置有助于对临床腰痛患者进行识别。
各种原因所致的腰痛均在不同程度上与腰部肌肉收缩能力下降所致的腰椎失稳互为因果关系,因此对腰椎局部肌肉状态的检测是预防腰痛的手段之一。国内外研究学者最初采用针电极***肌肉检测肌电图,其干扰小,定位性好,易识别,但是由于它是一种有创的检测方法,人不易接受,使得该应用受到一定限制。
经过长期研究发现,表面肌电信号同样可以采集到肌肉的运动信息,由于表面肌电信号是通过肌肉表面粘贴的电极片记录下来神经肌肉活动时发放的生物电信号的无创检测方法,其操作简单,容易接受,因此表面肌电信号在临床医学、生物医学工程、假肢仿生、模式识别、体育运动等领域得到了广泛的应用。然而与针电极检测相比,表面肌电信号的应用还处于发展阶段。它与神经肌肉的基础研究紧密相关,神经肌肉的生理学研究为肌电信号的应用提供了坚实的基础,而表面肌电信号的检测为神经肌肉的研究提供了较好的检测方法。人体在运动的过程中,肌肉会进行收缩,释放出电信号。收缩肌肉是人体运动中起发动机的作用,为人体运动提供动力,肌肉在运动中扮演着非常重要的作用,因此,肌肉研究是具有吸引力和挑战性的领域。表面肌电信号作为人体运动肌肉放电生理信号之一,操作简单、实时性和仿生性好。专利CN201410277780.4采用人体支撑支架、肌电采集和分析***以及力量传感器对腰部力量大小、耐力等进行测试,来反应腰部肌肉状态,该***可以对腰痛患者腰部肌肉状态进行评估,但是未能找到健康者与腰痛患者之间肌肉特性的差异性,并且没有识别模块进行正常与异常状态的识别,因此不能区分健康人与腰痛患者,存在一定的局限性。
发明内容
本申请提供了一种疼痛识别方法、装置及电子设备,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种疼痛识别方法,包括:
步骤a:通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
步骤b:根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
步骤c:根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号还包括:将一次性理疗电极片沿肌肉纤维方向粘贴于受试者的检测部位,所述信号采集模块与一次性理疗电极片连接。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号还包括:所述信号采集模块包括发射端和接收端,所述发射端与一次性理疗电极片连接,在受试者做屈曲运动时,通过所述发射端采集受试者的肌肉模拟信号,并将所述肌肉模拟信号传输给接收端;所述接收端对肌肉模拟信号进行模数转换,将肌肉模拟信号转换为一维随机电压信号,得到表面肌电信号。
本申请实施例采取的技术方案还包括:所述步骤a与步骤b之间还包括:对所述表面肌电信号进行预处理。
本申请实施例采取的技术方案还包括:所述对所述表面肌电信号进行预处理具体包括:
步骤a1:采用带通滤波器对表面肌电信号进行滤波处理;
步骤a2:采用带阻滤波器对滤波后的表面肌电信号进行工频去噪处理;
步骤a3:采用最大值归一化算法对工频去噪后的表面肌电信号进行标准化处理。
本申请实施例采取的另一技术方案为:一种疼痛识别装置,包括:
信号采集模块:用于采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
特征提取模块:用于根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者检测部位的表面肌电信号的差异性特征;
疼痛识别模块:用于根据健康者与疼痛患者检测部位的表面肌电信号的差异性特征对疼痛患者进行识别。
本申请实施例采取的技术方案还包括一次性理疗电极片,所述一次性理疗电极片沿肌肉纤维方向粘贴于受试者的检测部位,所述信号采集模块与一次性理疗电极片连接。
本申请实施例采取的技术方案还包括:所述信号采集模块包括发射端和接收端;
所述发射端与一次性理疗电极片连接,在受试者做屈曲运动时,所述发射端用于采集受试者的肌肉模拟信号,并将所述肌肉模拟信号传输给接收端;
所述接收端用于对肌肉模拟信号进行模数转换,将肌肉模拟信号转换为一维随机电压信号,得到表面肌电信号。
本申请实施例采取的技术方案还包括信号预处理模块,所述信号预处理模块用于对表面肌电信号进行预处理。
本申请实施例采取的技术方案还包括:所述信号预处理模块具体包括:
滤波单元:用于采用带通滤波器对表面肌电信号进行滤波处理;
工频去噪单元:用于采用带阻滤波器对滤波后的表面肌电信号进行工频去噪处理;
标准化单元:用于采用最大值归一化算法对工频去噪后的表面肌电信号进行标准化处理。
本申请实施例采取的又一技术方案为:一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述疼痛识别方法的以下操作:
通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的疼痛识别方法、装置及电子设备通过分别采集健康者和疼痛患者疼痛部位的表面肌电信号,根据表面肌电信号对健康者和疼痛患者疼痛部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者表面肌电信号的差异性特征,根据差异性特征对疼痛患者进行识别;本申请可实现简单有效、低成本、无创无辐射、实时的疼痛识别,为后期临床诊断技术提供了理论依据。
附图说明
图1是本申请第一实施例的疼痛识别方法的流程图;
图2是本申请第二实施例的疼痛识别方法的流程图;
图3为屈曲运动姿势图;
图4为腰椎局部肌肉肌电信号特性变化示意图;其中,图4a为健康者的腰椎肌肉肌电信号特性示意图,图4b为腰痛患者的腰椎局部肌肉肌电信号特性示意图;
图5为本申请实施例的屈曲松弛现象判断腰痛的ROC曲线图;
图6是本申请实施例的疼痛识别装置的结构示意图;
图7是本发明实施例提供的疼痛识别方法的硬件设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参阅图1,是本申请第一实施例的疼痛识别方法的流程图。本申请第一实施例的疼痛识别方法包括以下步骤:
步骤100:通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;
在步骤100中,受试者分别包括健康者和疼痛患者。
步骤110:根据表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
步骤120:根据检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
请参阅图2,是本申请第二实施例的疼痛识别方法的流程图。本申请第二实施例的疼痛识别方法包括以下步骤:
步骤200:将一次性理疗电极片沿肌肉纤维方向粘贴于受试者的检测部位;
在步骤200中,一次性理疗电极片用于记录受试者神经肌肉活动时检测部位的生物电信号;受试者包括一定数量的健康者和疼痛患者(在本申请实施例中,受试者数量为60例,具体可根据实际应用进行设定),由于肌电信号受年龄、脂肪等因素的影响,因此,受试者的年龄、身高、体重等指标应该相互匹配。本申请可适用于腰部、背部、腿部等多种部位的疼痛识别,检测部位(即一次性理疗电极片的粘贴部位)根据疼痛识别部位进行调节。本申请实施例以腰部疼痛识别为例,一次性理疗电极片分别粘贴于每个受试者的腰部竖脊肌或多裂肌(ES/MF),在粘贴一次性理疗电极片之前,需要对每个受试者的检测部位进行消毒(用75%酒精擦拭)。
步骤210:使受试者按照设定的屈曲运动姿势做屈曲运动;
在步骤210中,以腰部疼痛识别为例,屈曲运动姿势如图3所示,屈曲运动姿势也可根据疼痛识别部位进行设定。
步骤220:通过信号采集模块采集受试者在屈曲运动过程中检测部位的表面肌电信号;
在步骤220中,信号采集模块包括发射端和接收端,信号采集模块采集表面肌电信号的方式具体为:发射端的电极片与粘贴在受试者身体上的一次性理疗电极片连接,在受试者运动过程中,发射端通过两个连接的电极片采集受试者的肌肉模拟信号,并将肌肉模拟信号传输给接收端,接收端对肌肉模拟信号进行模数转换,将肌肉模拟信号转换为一维随机电压信号,得到表面肌电信号。在本申请实施例中,发射端为BIOPAC发射模块,接收端为MP150接收装置,具体也可以是其他类型的理疗设备。
步骤230:对采集的表面肌电信号进行预处理,得到标准表面肌电信号;
在步骤230中,对表面肌电信号进行预处理具体包括:
步骤231:采用带通滤波器对表面肌电信号进行滤波处理;
在步骤231中,对于腰部疼痛的识别,由于人体上半身受心脏跳动的影响,心电信号主要频段为0.25-35Hz,对肌肉运动产生的生物电信号会有一定的干扰,因此需要对采集到的表面肌电信号进行35-500Hz的滤波处理;在本申请实施例中,带通滤波器为切比雪夫带通滤波器,具体也可以是其他类型的滤波器。
步骤232:采用带阻滤波器对滤波后的表面肌电信号进行工频去噪处理;
在步骤232中,由于中国通用电压220v所产生的50Hz工频干扰对表面肌电信号有较大的影响,因此,需要对表面肌电信号进行工频去噪处理;在本申请实施例中,带阻滤波器为切比雪夫带阻滤波器,具体也可以是其他类型的滤波器。
步骤233:采用最大值归一化算法对工频去噪后的表面肌电信号进行标准化处理,得到标准化表面肌电信号。
在步骤233中,为了保证各个受试者的表面肌电信号可以进行比较,需要采用最大值归一化标准化算法对所有受试者每一次采集的表面肌电信号进行标准化处理,得到标准化表面肌电信号。
步骤240:根据标准化表面肌电信号分别对健康者和疼痛患者的肌肉收缩模式进行对比分析,获取健康者和疼痛患者表面肌电信号的差异性特征;
在步骤240中,以腰部疼痛识别为例,通过分析腰部肌肉肌电信号特性,发现健康者和腰痛患者的腰部肌肉肌电信号呈现显著差异,如图4所示,为腰椎局部肌肉肌电信号特性变化示意图;其中,图4a为健康者的腰椎肌肉肌电信号特性示意图,图4b为腰痛患者的腰椎局部肌肉肌电信号特性示意图。从图4a中可以看出,健康者开始向前弯曲时,腰椎局部肌肉收缩增加,随着躯干向前弯曲角度的增大,后部筋膜韧带紧张,肌肉活动减少,当躯干完全向前弯曲时,脊柱稳定由肌腱韧带及关节来维持,肌肉活动下降到最小值;躯干再从弯曲回到直立过程中,肌肉活动增加,这种屈曲松弛状态是由肌肉收缩抑制和牵张感受功能下降产生的,是一种保护性肌肉收缩。而从图4b可以看出,腰痛患者由于组织病变产生的疼痛、避痛反应等因素,表现为躯干向前弯曲受限,为了维持姿势的稳定,腰部局部肌肉持续收缩,而从躯干弯曲回到直立过程中肌肉活动逐渐减弱。由此说明,健康者和疼痛患者的肌肉收缩模式在肌肉屈曲松弛状态(健康者存在肌肉屈曲松弛现象,疼痛患者不存在肌肉屈曲松弛现象)、肌肉运动控制策略(在躯干突发载荷变化的情况下,健康者事先感知到即将发生的载荷变化,可以明显加快腰椎局部稳定肌的快速反应时间和减小腰椎稳定肌快速反应强度,使腰椎稳定肌先于躯干整体稳定肌和运动肌群收缩,表现出明显的由内而外的躯干肌肉募集和中枢运动控制策略。而腰痛患者在突发负荷变化的情况下,腰椎局部肌肉呈现过度运动反应,表现出于健康者不同的肌肉运动控制策略,从而不能及时和有效的稳定腰椎。)或肌肉协同收缩率等方面存在明显差异。
步骤250:根据差异性特征对疼痛患者进行识别。
在步骤250中,健康者和疼痛患者局部肌肉的收缩模式不同(),通过该差异性特征对疼痛患者进行低成本、无创无辐射、实时疼痛识别,为后期临床诊断技术提供了理论依据。
本申请以肌肉屈曲松弛状态作为差异性特征为例,通过对60例受试者进行腰部肌肉测试,当出现腰部肌肉屈曲松弛现象时判断为健康者,未出现腰部肌肉屈曲松弛现象时判断为腰痛患者,具体如图5所示,为本申请实施例的屈曲松弛现象判断腰痛的ROC(receiver operating characteristic curve,受试者工作特征曲线)曲线图。经测试腰痛患者的识别正确率为82%,因此本申请可用于临床上对患者进行疼痛识别。
请参阅图6,是本申请实施例的疼痛识别装置的结构示意图。本申请实施例的疼痛识别装置包括一次性理疗电极片、信号采集模块、信号预处理模块、特征提取模块和疼痛识别模块。具体地,各个模块的功能如下:
一次性理疗电极片沿肌肉纤维方向粘贴于受试者的检测部位;用于记录受试者神经肌肉活动时检测部位的生物电信号;受试者包括一定数量的健康者和疼痛患者,由于肌电信号受年龄、脂肪等因素的影响,因此,受试者的年龄、身高、体重等指标应该相互匹配。本申请实施例以腰部疼痛识别为例,一次性理疗电极片分别粘贴于每个受试者的腰部竖脊肌或多裂肌(ES/MF),在粘贴一次性理疗电极片之前,需要对每个受试者的检测部位进行消毒。
信号采集模块包括发射端和接收端;其中:
发射端的电极片与粘贴在受试者身体上的一次性理疗电极片连接,在受试者按照设定的屈曲运动姿势做屈曲运动时,发射端通过两个连接的电极片采集受试者的肌肉模拟信号,并将肌肉模拟信号传输给接收端;
接收端用于对肌肉模拟信号进行模数转换,将肌肉模拟信号转换为一维随机电压信号,得到表面肌电信号。在本申请实施例中,发射端为BIOPAC发射模块,接收端为MP150接收装置,具体也可以是其他类型的理疗设备。
信号预处理模块:用于对采集的表面肌电信号进行预处理,得到标准表面肌电信号;具体地,信号预处理模块包括滤波单元、工频去噪单元和标准化单元;
滤波单元:用于采用带通滤波器对表面肌电信号进行滤波处理;对于腰部疼痛的识别,由于人体上半身受心脏跳动的影响,心电信号主要频段为0.25-35Hz,对肌肉运动产生的生物电信号会有一定的干扰,因此需要对采集到的表面肌电信号进行35-500Hz的滤波处理;在本申请实施例中,滤波单元采用的带通滤波器为切比雪夫带通滤波器,具体也可以是其他类型的滤波器。
工频去噪单元:用于采用带阻滤波器对滤波后的表面肌电信号进行工频去噪处理;由于中国通用电压220v所产生的50Hz工频干扰对表面肌电信号有较大的影响,因此,需要对表面肌电信号进行工频去噪处理;在本申请实施例中,工频去噪单元采用的带阻滤波器为切比雪夫带阻滤波器,具体也可以是其他类型的滤波器。
标准化单元:用于采用最大值归一化算法对工频去噪后的表面肌电信号进行标准化处理,得到标准化表面肌电信号;为了保证各个受试者的表面肌电信号可以进行比较,需要采用最大值归一化标准化算法对所有受试者每一次采集的表面肌电信号进行标准化处理,得到标准化表面肌电信号。
特征提取模块:用于根据标准化表面肌电信号分别对健康者和疼痛患者的肌肉收缩模式进行对比分析,获取健康者和疼痛患者表面肌电信号的差异性特征;以腰部疼痛识别为例,通过分析腰部肌肉肌电信号特性,发现健康者和腰痛患者的腰部肌肉肌电信号呈现显著差异,如图4所示,为腰椎局部肌肉肌电信号特性变化示意图;其中,图4a为健康者的腰椎肌肉肌电信号特性示意图,图4b为腰痛患者的腰椎局部肌肉肌电信号特性示意图。从图4a中可以看出,健康者开始向前弯曲时,腰椎局部肌肉收缩增加,随着躯干向前弯曲角度的增大,后部筋膜韧带紧张,肌肉活动减少,当躯干完全向前弯曲时,脊柱稳定由肌腱韧带及关节来维持,肌肉活动下降到最小值;躯干再从弯曲回到直立过程中,肌肉活动增加,这种屈曲松弛状态是由肌肉收缩抑制和牵张感受功能下降产生的,是一种保护性肌肉收缩。而从图4b可以看出,腰痛患者由于组织病变产生的疼痛、避痛反应等因素,表现为躯干向前弯曲受限,为了维持姿势的稳定,腰部局部肌肉持续收缩,而从躯干弯曲回到直立过程中肌肉活动逐渐减弱。由此说明,健康者和疼痛患者的肌肉收缩模式在肌肉屈曲松弛状态(健康者存在肌肉屈曲松弛现象,疼痛患者不存在肌肉屈曲松弛现象)、肌肉运动控制策略(在躯干突发载荷变化的情况下,健康者事先感知到即将发生的载荷变化,可以明显加快腰椎局部稳定肌的快速反应时间和减小腰椎稳定肌快速反应强度,使腰椎稳定肌先于躯干整体稳定肌和运动肌群收缩,表现出明显的由内而外的躯干肌肉募集和中枢运动控制策略。而腰痛患者在突发负荷变化的情况下,腰椎局部肌肉呈现过度运动反应,表现出于健康者不同的肌肉运动控制策略,从而不能及时和有效的稳定腰椎。)或肌肉协同收缩率等方面存在明显差异。
疼痛识别模块:用于根据差异性特征对疼痛患者进行识别。健康者和疼痛患者局部肌肉的收缩模式不同,通过该差异性特征对疼痛患者进行低成本、无创无辐射、实时疼痛识别。
图7是本发明实施例提供的疼痛识别方法的硬件设备结构示意图,如图7所示,该设备包括一个或多个处理器以及存储器。以一个处理器为例,该设备还可以包括:输入装置和输出装置。
处理器、存储器、输入装置和输出装置可以通过总线或者其他方式连接,图7中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例的处理方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置可接收输入的数字或字符信息,以及产生信号输入。输出装置可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任一方法实施例的以下操作:
通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
上述产品可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例提供的方法。
本发明实施例提供了一种非暂态(非易失性)计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行以下操作:
通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
本发明实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行以下操作:
通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
本申请实施例的疼痛识别方法、装置及电子设备通过分别采集健康者和疼痛患者疼痛部位的表面肌电信号,根据表面肌电信号对健康者和疼痛患者疼痛部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者表面肌电信号的差异性特征,根据差异性特征对疼痛患者进行识别;本申请可实现简单有效、低成本、无创无辐射、实时的疼痛识别,为后期临床诊断技术提供了理论依据。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种疼痛识别方法,其特征在于,包括:
步骤a:通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
步骤b:根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
步骤c:根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
2.根据权利要求1所述的疼痛识别方法,其特征在于,在所述步骤a中,所述通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号还包括:将一次性理疗电极片沿肌肉纤维方向粘贴于受试者的检测部位,所述信号采集模块与一次性理疗电极片连接。
3.根据权利要求2所述的疼痛识别方法,其特征在于,在所述步骤a中,所述通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号还包括:所述信号采集模块包括发射端和接收端,所述发射端与一次性理疗电极片连接,在受试者做屈曲运动时,通过所述发射端采集受试者的肌肉模拟信号,并将所述肌肉模拟信号传输给接收端;所述接收端对肌肉模拟信号进行模数转换,将肌肉模拟信号转换为一维随机电压信号,得到表面肌电信号。
4.根据权利要求1至3任一项所述的疼痛识别方法,其特征在于,所述步骤a与步骤b之间还包括:对所述表面肌电信号进行预处理。
5.根据权利要求4所述的疼痛识别方法,其特征在于,所述对所述表面肌电信号进行预处理具体包括:
步骤a1:采用带通滤波器对表面肌电信号进行滤波处理;
步骤a2:采用带阻滤波器对滤波后的表面肌电信号进行工频去噪处理;
步骤a3:采用最大值归一化算法对工频去噪后的表面肌电信号进行标准化处理。
6.一种疼痛识别装置,其特征在于,包括:
信号采集模块:用于采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
特征提取模块:用于根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者检测部位的表面肌电信号的差异性特征;
疼痛识别模块:用于根据健康者与疼痛患者检测部位的表面肌电信号的差异性特征对疼痛患者进行识别。
7.根据权利要求6所述的疼痛识别装置,其特征在于,还包括一次性理疗电极片,所述一次性理疗电极片沿肌肉纤维方向粘贴于受试者的检测部位,所述信号采集模块与一次性理疗电极片连接。
8.根据权利要求7所述的疼痛识别装置,其特征在于,所述信号采集模块包括发射端和接收端;
所述发射端与一次性理疗电极片连接,在受试者做屈曲运动时,所述发射端用于采集受试者的肌肉模拟信号,并将所述肌肉模拟信号传输给接收端;
所述接收端用于对肌肉模拟信号进行模数转换,将肌肉模拟信号转换为一维随机电压信号,得到表面肌电信号。
9.根据权利要求6至8任一项所述的疼痛识别装置,其特征在于,还包括信号预处理模块,所述信号预处理模块用于对表面肌电信号进行预处理。
10.根据权利要求9所述的疼痛识别装置,其特征在于,所述信号预处理模块具体包括:
滤波单元:用于采用带通滤波器对表面肌电信号进行滤波处理;
工频去噪单元:用于采用带阻滤波器对滤波后的表面肌电信号进行工频去噪处理;
标准化单元:用于采用最大值归一化算法对工频去噪后的表面肌电信号进行标准化处理。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述1至5任一项所述的疼痛识别方法的以下操作:
通过信号采集模块采集受试者做屈曲运动时检测部位的表面肌电信号;其中,所述受试者分别包括健康者和疼痛患者;
根据所述表面肌电信号分别对健康者和疼痛患者检测部位的肌肉收缩模式进行对比分析,获取健康者与疼痛患者的检测部位表面肌电信号的差异性特征;
根据所述检测部位表面肌电信号的差异性特征对疼痛患者进行识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710690749.7A CN107661101A (zh) | 2017-08-14 | 2017-08-14 | 一种疼痛识别方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710690749.7A CN107661101A (zh) | 2017-08-14 | 2017-08-14 | 一种疼痛识别方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107661101A true CN107661101A (zh) | 2018-02-06 |
Family
ID=61097275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710690749.7A Pending CN107661101A (zh) | 2017-08-14 | 2017-08-14 | 一种疼痛识别方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107661101A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110200592A (zh) * | 2019-06-11 | 2019-09-06 | 曾宪明 | 一种非特异性腰痛肌源性因素的检测方法 |
CN111079927A (zh) * | 2019-12-12 | 2020-04-28 | 福州大学 | 一种基于极限学习机的髌骨疼痛检测*** |
Citations (6)
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 |
CN2822514Y (zh) * | 2005-08-24 | 2006-10-04 | 陈曦 | 一次性电极 |
CN204121216U (zh) * | 2014-08-29 | 2015-01-28 | 杨易 | 基于闭环控制的综合理疗平台 |
CN106037729A (zh) * | 2016-06-23 | 2016-10-26 | 中国科学院深圳先进技术研究院 | 一种腰椎间盘突出症的判断方法及*** |
CN106845464A (zh) * | 2017-03-22 | 2017-06-13 | 中国科学院深圳先进技术研究院 | 一种基于样本熵的下背痛症状分类***及方法 |
CN106983510A (zh) * | 2017-04-06 | 2017-07-28 | 中国科学院深圳先进技术研究院 | 一种肌肉性能测量方法和装置 |
-
2017
- 2017-08-14 CN CN201710690749.7A patent/CN107661101A/zh active Pending
Patent Citations (6)
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 |
CN2822514Y (zh) * | 2005-08-24 | 2006-10-04 | 陈曦 | 一次性电极 |
CN204121216U (zh) * | 2014-08-29 | 2015-01-28 | 杨易 | 基于闭环控制的综合理疗平台 |
CN106037729A (zh) * | 2016-06-23 | 2016-10-26 | 中国科学院深圳先进技术研究院 | 一种腰椎间盘突出症的判断方法及*** |
CN106845464A (zh) * | 2017-03-22 | 2017-06-13 | 中国科学院深圳先进技术研究院 | 一种基于样本熵的下背痛症状分类***及方法 |
CN106983510A (zh) * | 2017-04-06 | 2017-07-28 | 中国科学院深圳先进技术研究院 | 一种肌肉性能测量方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110200592A (zh) * | 2019-06-11 | 2019-09-06 | 曾宪明 | 一种非特异性腰痛肌源性因素的检测方法 |
CN111079927A (zh) * | 2019-12-12 | 2020-04-28 | 福州大学 | 一种基于极限学习机的髌骨疼痛检测*** |
CN111079927B (zh) * | 2019-12-12 | 2022-07-08 | 福州大学 | 一种基于极限学习机的髌骨疼痛检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101773394B (zh) | 身份识别方法及应用该方法的身份识别*** | |
CN104091172B (zh) | 一种运动想象脑电信号的特征提取方法 | |
CN104173043B (zh) | 一种适合于移动平台的心电数据分析方法 | |
Wang et al. | A low power cardiovascular healthcare system with cross-layer optimization from sensing patch to cloud platform | |
Martinek et al. | Advanced bioelectrical signal processing methods: Past, present and future approach—part i: Cardiac signals | |
CN110353649B (zh) | 一种心率检测方法 | |
CN107137080A (zh) | 慢性腰痛患者肌肉活动状态判断方法及*** | |
CN108836314A (zh) | 一种基于网络和人工智能的动态心电图分析方法及*** | |
CN113317794B (zh) | 一种生命体征分析方法与*** | |
CN111265210A (zh) | 一种基于深度学习的房颤预测装置和设备 | |
WO2022064464A1 (en) | Method and system to assess disease using multi-sensor signals | |
Jatmiko et al. | Developing smart telehealth system in Indonesia: Progress and challenge | |
CN107661101A (zh) | 一种疼痛识别方法、装置及电子设备 | |
Cimr et al. | Automatic detection of breathing disorder from ballistocardiography signals | |
CN107357419B (zh) | 一种基于共同收缩率的动作识别***及方法 | |
CN115607802A (zh) | 一种自主神经功能调节及干预的方法、***和装置 | |
WO2021204939A1 (de) | Verfahren und anordnung zur erzeugung eines ekg-signals | |
CN114916935A (zh) | 一种基于矫正人员矫正过程的体态分析的辅助矫正*** | |
CN115137324A (zh) | 一种基于云-边-端架构的人体心脏健康监护*** | |
Wang et al. | Classification of human movements with and without spinal orthosis based on surface electromyogram signals | |
CN116312951A (zh) | 一种基于多模态耦合分析的运动功能评估方法及其*** | |
Hung et al. | Introduction to Biomedical Signals and Their Applications | |
KR102340670B1 (ko) | 딥러닝 기반의 심리생리검사 시스템 및 방법 | |
Abed et al. | Sleep apnea events detection using deep learning techniques | |
CN106983510A (zh) | 一种肌肉性能测量方法和装置 |
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 |
Application publication date: 20180206 |
|
RJ01 | Rejection of invention patent application after publication |