基于多模态信息的骨骼肌运动评估方法的研究

发布时间：2017-06-07 02:03

  本文关键词：基于多模态信息的骨骼肌运动评估方法的研究，由笔耕文化传播整理发布。

【摘要】：随着科学技术的不断发展，人体通信也从一个理论概念转化为实际的产品，，充分发挥无线化、网络化、信息化的优势，实现健康全过程的跟踪与服务，人体通信网络是人体生命信息动态监测最直接和最可靠的方法之一，我们可以有效地利用数字医疗新技术去提高人们的健康生活水平。信息科技迅猛发展使得通过力学、电学和医学影像学等学科知识提供精细量化分级的康复评估手段也受到更多的关注。通过这些量化研究手段对骨骼肌运动模型开展深入的研究，这将有助于我们系统地理解肌肉运动功能障碍等疾病。 人体的肌肉运动过程具有复杂性和多样性，因而对于运动过程中肌肉功能和特性的研究是一项充满挑战的工作，尤其是如何对于人体内部的某个单块肌肉进行一次获取多种信息并综合处理，在目前看来仍然是一个需要解决的问题。此外，肌肉的构成相当复杂，这促使了通过定量分析来评估骨骼肌功能作用的方法成为当前研究的难点和热点。多模态方法是结合了多种具有不同肌肉活动特性的信号处理方法，将这种方法运用于骨骼肌的研究在医学尤其是康复医学领域中有着极其重要意义，通过对骨骼肌运动功能的定量分析，我们可以辅助医生根据不同患者情况简便准确地制定出不同的康复计划，从而提高患者的康复率，实现低成本健康的最终目标。 本论文通过结合国内外现有的人体生物特征信号提取处理方法和模式识别的分类方法，融合两种肌肉运动信号即肌电信号和超声图像，来实现多模态信号模式识别与分类，并运用于评估运动功能障碍患者在进行简单运动过程中肌肉的状态如肌力，从而准确区分出正常肢与患肢的曲线，最终辅助医生结合患者肌肉状态提出有效的康复计划，实现简单高效的诊断与治疗。在本文中为了实现上述要求，我们设计了实际可行的实验方案，在合作医院采集数据，提取运动功能障碍患者的肌电信号与超声信号，并分别针对于不同类型的信号进行预处理；选择合适的信号分析方法，特别是在超声信号处理过程中，提出一种可实时自动跟踪肌肉形态参数如肌肉厚度的跟踪算法，从而获得超声影像的肌肉运动特征曲线；融合两种信号，选取合适的分类器，根据提取的特征进行信号分类和运动估计；根据识别分类情况，再结合患者实际状态，进行患者的肌肉运动状态评估分析，并结合临床试验，验证该方法的可行性。实验结果表明，本文中提出的基于多模态信息的骨骼肌运动计算与评估方法可以实现对患者的肌肉运动功能状态的有效评估，起到临床医疗辅助作用，对于人体肌肉运动的研究具有重要的意义。
【关键词】：骨骼肌 超声影像 肌电信号 多模态 压缩跟踪算法
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：R318.01;TN911.7
【目录】：

• 摘要4-6
• Abstract6-8
• 目录8-10
• 第1章 绪论10-18
• 1.1 课题来源10
• 1.2 课题的研究背景及意义10-11
• 1.3 骨骼肌结构与运动功能的概述11-12
• 1.4 国内外研究现状12-16
• 1.4.1 骨骼肌运动评估方法的现状13-15
• 1.4.2 模式识别方法的发展现状15-16
• 1.5 论文的内容与组织结构16-18
• 第2章 多模态信息评估方法总体设计18-26
• 2.1 多模态信息评估方法的设计思想18-19
• 2.2 多模态信息检测系统的硬件平台设计19-21
• 2.2.1 多模态信号检测系统的硬件平台19-20
• 2.2.2 肌电信号模块采集设备的选型20
• 2.2.3 超声信号模块采集设备的选型20-21
• 2.3 数据的分析流程设计21-23
• 2.4 多模态信号评估方法的研究方案设计23-24
• 2.5 多模态信号评估方法的实验建模24-25
• 2.6 本章小结25-26
• 第3章 多模态信息评估方法的实现26-44
• 3.1 肌电信号处理方法的设计26-31
• 3.1.1 肌电信号的特性分析26-27
• 3.1.2 肌电信号的参数设计27-29
• 3.1.3 肌电信号参数值的软件实现29-31
• 3.2 超声影像信号处理方法的设计31-35
• 3.2.1 超声图像的特性分析31
• 3.2.2 超声图像的参数设计31-33
• 3.2.3 超声图像中肌肉厚度的比较算法33-35
• 3.3. 肌肉厚度自动跟踪算法的提出与实现35-41
• 3.3.1 肌肉厚度自动跟踪算法的设计思路35-36
• 3.3.2 肌肉厚度自动跟踪算法的实现方法及步骤36-40
• 3.3.3 肌肉厚度的评估参数指标40-41
• 3.4 多模态信号融合处理方法的分析41-42
• 3.5 模式识别分类器的选择42-43
• 3.6 本章小结43-44
• 第4章 多模态信息评估方法的实验及结果分析44-53
• 4.1 多模态信息评估方法的实验实现方法44-45
• 4.1.1 实验简介44
• 4.1.2 实验步骤44-45
• 4.2 多模态信息评估方法的实验参数分析方法45-47
• 4.3 多模态信息评估方法的实验结果与分析47-52
• 4.3.1 提出的算法在骨骼肌运动评估中的结果分析47-51
• 4.3.2 多模态信息评估方法在骨骼肌运动评估中的结果分析51-52
• 4.4 本章小结52-53
• 第5章 基于超声影像的多模态分析方法的应用研究53-62
• 5.1 在女性下肢肌群状态研究中的应用53-61
• 5.1.1 高跟鞋实验的背景分析53
• 5.1.2 高跟鞋实验的方案设计53-55
• 5.1.3 高跟鞋实验的数据处理与分析方法55-58
• 5.1.4 高跟鞋实验的结果与讨论58-61
• 5.2 本章小结61-62
• 第6章 总结与展望62-66
• 6.1 总结62-63
• 6.2 创新点63
• 6.3 展望63-66
• 致谢66-67
• 参考文献67-71
• 硕士期间的研究成果71

【参考文献】

中国期刊全文数据库 前10条

1 罗志增;加玉涛;;基于表面EMG功率谱和BP网络的多运动模式识别[J];华中科技大学学报(自然科学版);2006年07期

2 杨大鹏;赵京东;李楠;姜力;刘宏;;基于预抓取模式识别的假手肌电控制方法[J];机械工程学报;2012年15期

3 田石榴;刘宇;;肌动图及其在运动医学研究中的应用[J];中国运动医学杂志;2009年03期

4 周光泉;郑永平;陈淑德;;定量超声与肌电图在下背痛评估中的应用[J];中国医疗设备;2012年02期

5 王健;金德闻;;康复医学领域的表面肌电应用研究[J];中国康复医学杂志;2006年01期

6 戴慧寒;王健;杨红春;李天骄;蔡奇芳;林金来;;脑卒中患者不同强度随意运动时的sEMG反应特点[J];中国康复医学杂志;2008年01期

7 李华,姚红华,刘利辉;肌力训练对偏瘫步态的影响及下肢功能评定与步态分析间的相关性[J];中华物理医学与康复杂志;2003年01期

8 雷敏,王志中;肌电假肢控制中的表面肌电信号的研究进展与展望[J];中国医疗器械杂志;2001年03期

9 李乔亮;易万贯;陈昕;郭燕荣;郑永平;郭静宜;张治国;;融合实时超声影像的多模态肌肉运动特性研究[J];中国生物医学工程学报;2012年04期

10 刘鹏;王艳君;毛玉tb;黄东锋;李乐;;脑卒中后胫骨前肌形态结构与肌力变化的超声评估[J];中国康复医学杂志;2012年08期

  本文关键词：基于多模态信息的骨骼肌运动评估方法的研究，由笔耕文化传播整理发布。

本文编号：427937