帕金森病人手部功能評(píng)估系統(tǒng)

李滕歡，嵇曉強(qiáng)，楊羽，李昱，郝灝

（長(zhǎng)春理工大學(xué) 生命科學(xué)技術(shù)學(xué)院，長(zhǎng)春 130022）

帕金森病癥是一種常見(jiàn)的運(yùn)動(dòng)障礙性疾病［1-2］，患者手部通常臨床有以下幾種表現(xiàn)：手部靜止性震顫、肌強(qiáng)直、運(yùn)動(dòng)遲緩、姿勢(shì)障礙等［3-5］。傳統(tǒng)手部功能評(píng)定多是依靠醫(yī)生的主觀(guān)評(píng)價(jià)，準(zhǔn)確性低。已存在的評(píng)估設(shè)備價(jià)格高，不適用于居家測(cè)量。因此，研究和設(shè)計(jì)一款價(jià)格低、適用于居家測(cè)量的數(shù)據(jù)評(píng)估手套具有重要意義和臨床應(yīng)用價(jià)值，能有效輔助醫(yī)生了解病情，為康復(fù)訓(xùn)練方案的制定提供了參考。

目前，關(guān)于帕金森患者手功能檢測(cè)及量化的方法有很多，如評(píng)估量表、手部劃線(xiàn)以及可穿戴裝置等［6-10］。其中，評(píng)估量表及手部劃線(xiàn)方式存在時(shí)間長(zhǎng)、效率低、易受患者生理性噪聲干擾、主觀(guān)性強(qiáng)以及不準(zhǔn)確等問(wèn)題。可穿戴裝置是目前研究的主流評(píng)估方法，2011年美國(guó)的Cleveland公司［11］研發(fā)了一種用于量化帕金森患者手部震顫的設(shè)備，但是只能識(shí)別在運(yùn)動(dòng)過(guò)程中的震顫程度；2019年德國(guó) Pogrzeba L等人［12］采用主成分回歸對(duì)手的運(yùn)動(dòng)學(xué)特征進(jìn)行分析，得出健康參考軌跡，并利用機(jī)器學(xué)習(xí)對(duì)參考軌跡分析得到手運(yùn)動(dòng)功能的狀態(tài)，但受制約因素過(guò)多，精確性不高；2019年日本O?a E D等人［13］制作了一個(gè)類(lèi)似游戲的Box and Blocks Test系統(tǒng)，用于自動(dòng)評(píng)估虛擬現(xiàn)實(shí)中手的運(yùn)動(dòng)功能，但該設(shè)計(jì)成本高；2020年美國(guó)Zbytniewska M等人［14］提出了基于機(jī)器人輔助的手部感覺(jué)運(yùn)動(dòng)功能評(píng)估設(shè)計(jì)，但該設(shè)計(jì)依賴(lài)受試者本體感覺(jué)反饋，缺乏一定客觀(guān)性。2017年南京航空航天大學(xué)趙裕沛等人［15］提出利用多傳感器搭建數(shù)據(jù)融合手套，依據(jù)真實(shí)手骨進(jìn)行虛擬手部建模，數(shù)據(jù)手套獲取的手部姿態(tài)驅(qū)動(dòng)虛擬手部模型，進(jìn)行康復(fù)訓(xùn)練評(píng)估，但該手套采用剛性傳感器且只評(píng)估了手部姿態(tài)，缺乏舒適性和全面性；李玉榕等人［16］、Wu C C等人［17］、Lin B S等人［18］提出利用剛性傳感器獲取手部角度變化，但沒(méi)有考慮其他手功能評(píng)估指標(biāo)；2020年臺(tái)灣Yang T L等人［19］將哈希變換與回歸神經(jīng)網(wǎng)絡(luò)結(jié)合，實(shí)現(xiàn)對(duì)帕金森震顫的類(lèi)別評(píng)估，但該方式較復(fù)雜，不利于日常居家應(yīng)用。

本文針對(duì)帕金森病引起的手指關(guān)節(jié)彎曲度變化、肌力受損情況及震顫程度等手部功能障礙問(wèn)題，結(jié)合柔性傳感器、機(jī)器學(xué)習(xí)算法以及臨床上的TAM評(píng)定法、聚類(lèi)分析和Lovetter評(píng)定法，提出了一款康復(fù)評(píng)估型手套，其評(píng)估結(jié)果可以為醫(yī)生提供一定的康復(fù)訓(xùn)練指導(dǎo)。同時(shí)，該手套舒適性良好、成本低，滿(mǎn)足了日常評(píng)估的便捷性需求。

1 評(píng)估裝置設(shè)計(jì)

本設(shè)計(jì)采用柔性傳感器來(lái)減輕手部的負(fù)重和不適感，滿(mǎn)足可穿戴設(shè)備體積小、佩戴舒適、長(zhǎng)時(shí)間檢測(cè)的需求。評(píng)估裝置由主控制器、震顫傳感器、彎曲傳感器、肌力傳感器及上位機(jī)評(píng)估軟件組成，如圖1所示。各路傳感器輸出信號(hào)送入stm32主控器中處理，再傳輸?shù)絧c機(jī)內(nèi)儲(chǔ)存、數(shù)據(jù)處理與評(píng)估。

圖1 檢測(cè)裝置總體框圖

圖2是評(píng)估裝置的實(shí)物圖，其中圖2（a）所示為評(píng)估手套外觀(guān)圖，該手套包含內(nèi)外兩層手套、震顫?rùn)z測(cè)裝置、彎曲檢測(cè)裝置及肌力檢測(cè)裝置。圖2（b）所示為震顫傳感器與裝置主控制模塊，其位于手背位置，其中震顫傳感器采用mpu9150，集成度高、體積小。主控制器采用STM32F1系列單片機(jī)，實(shí)現(xiàn)與各傳感器的信息交互與數(shù)據(jù)傳輸。圖2（c）所示為彎曲傳感器，其位于五指背部。該傳感器采用Flex45，壽命長(zhǎng)、柔韌性強(qiáng)，可長(zhǎng)期使用。圖2（d）所示為肌力傳感器，其位于手掌位置。該傳感器采用ZNS-01，超薄、耐彎折，能夠?qū)崿F(xiàn)肌力狀態(tài)的數(shù)字化測(cè)量。同時(shí)，為實(shí)現(xiàn)評(píng)估及評(píng)估結(jié)果的可視化，設(shè)計(jì)了上位機(jī)評(píng)估軟件，如圖3實(shí)驗(yàn)過(guò)程圖所示。

圖2 評(píng)估手套實(shí)物圖

2 信號(hào)處理與結(jié)果分析

2.1 實(shí)驗(yàn)方案

手功能評(píng)估實(shí)驗(yàn)采集了13位健康者與8位帕金森患者的數(shù)據(jù)。在采集過(guò)程中要求患者保持靜坐，防止由于身體活動(dòng)帶來(lái)的震顫誤差，實(shí)驗(yàn)系統(tǒng)實(shí)物圖如圖3所示。

圖3 實(shí)驗(yàn)系統(tǒng)實(shí)物圖

為了與PD患者的加速度、彎曲及肌力信號(hào)數(shù)據(jù)進(jìn)行對(duì)比，得到患者數(shù)據(jù)與健康者數(shù)據(jù)的差異，參與實(shí)驗(yàn)的受試者被分為實(shí)驗(yàn)組和對(duì)照組，實(shí)驗(yàn)組包括8名PD患者，對(duì)照組包括13名健康受試者。

臨床上對(duì)帕金森患者的震顫程度的評(píng)估主要通過(guò)統(tǒng)一帕金森評(píng)定量表（UPDRS），該表將評(píng)估分為5級(jí)（0～4分），0分為健康狀態(tài)，4分表示癥狀最嚴(yán)重。本文根據(jù)UPDRS將震顫等級(jí)劃分為3級(jí)：“無(wú)震顫”、“輕度震顫”和“重度震顫”。受試者需要完成UPDRS中的手部靜止性震顫項(xiàng)目，即將雙手放平不動(dòng)，持續(xù)10 s。健康者無(wú)震顫癥狀，評(píng)估結(jié)果為“無(wú)震顫”。PD患者震顫頻率在3～8 Hz之間，根據(jù)采樣定理，設(shè)采樣頻率為100 Hz。

手部肌力狀態(tài)評(píng)估最常用的是徒手肌力測(cè)評(píng)中的Lovetter評(píng)定法，其將結(jié)果分為6個(gè)等級(jí)：M0～M5，其中M0級(jí)最嚴(yán)重。本設(shè)計(jì)受試者在評(píng)估過(guò)程中，需完成相關(guān)指定動(dòng)作，如抓握杯子、捏硬幣、提起食品袋等，獲取到肌力數(shù)值，再結(jié)合醫(yī)學(xué)量表，完成受試者肌力狀態(tài)的量化評(píng)估。

手部靈活性的評(píng)估在手部外科中最常用的是主動(dòng)活動(dòng)總度數(shù)（TAM）評(píng)定法，其以手指為對(duì)象，將評(píng)估結(jié)果劃分為4個(gè)等級(jí)：優(yōu)、良、中、差。本設(shè)計(jì)受試者在評(píng)估過(guò)程中，需完成相關(guān)指定手部動(dòng)作，如U、W、ok、握拳等，獲取到手指彎曲數(shù)值，再結(jié)合醫(yī)學(xué)量表，實(shí)現(xiàn)受試者手部靈活度的量化評(píng)估。

2.2 震顫信號(hào)處理與分析

考慮到所采集的信號(hào)受到環(huán)境、機(jī)體本能性震顫等影響，需要對(duì)數(shù)據(jù)進(jìn)行濾波處理。在震顫等級(jí)分類(lèi)過(guò)程中本文采用了BP神經(jīng)網(wǎng)絡(luò)算法。

針對(duì)實(shí)驗(yàn)裝置及震顫信號(hào)本身的特性，結(jié)合中值濾波與帶通濾波算法，消除震顫信號(hào)頻帶外的系統(tǒng)誤差、工頻干擾及人體意向等噪聲。其中，中值濾波的窗長(zhǎng)為5，帶通濾波的截止頻率分別為3 Hz、8 Hz，原始信號(hào)如圖4所示，濾波后的信號(hào)如圖 5（a）、圖 5（b）、圖 5（c）所示。

圖4 原始震顫信號(hào)

為提高震顫信號(hào)的信噪比，采用卡爾曼濾波算法，濾除頻帶內(nèi)的隨機(jī)誤差。在濾除噪聲的同時(shí)有效估計(jì)下一步震顫特性。

在濾波過(guò)程中，假設(shè)當(dāng)下的狀態(tài)是K，根據(jù)系統(tǒng)的模型，由上一狀態(tài)而預(yù)測(cè)出當(dāng)下?tīng)顟B(tài)X(k)，式（1）中 U(k)是 k時(shí)刻對(duì)系統(tǒng)的控制量，A表示系統(tǒng)參數(shù)，初始狀態(tài)為：

經(jīng)過(guò)式（1）可刷新系統(tǒng)結(jié)果，用P表示協(xié)方差，其中Q是系統(tǒng)過(guò)程的協(xié)方差，從而得到：

式（1）、（2）可得系統(tǒng)的預(yù)測(cè)值，再對(duì)該狀態(tài)的測(cè)量值進(jìn)行采集。結(jié)合預(yù)測(cè)值和測(cè)量值，可得當(dāng)前狀態(tài)(k)的最優(yōu)估值X(k|k)，其中Kg為該濾波的增益，H=0.2為系統(tǒng)參數(shù)，R表示系統(tǒng)的噪聲，初始狀態(tài)默認(rèn)為0，再添加隨機(jī)噪聲：

至此，已知當(dāng)前狀態(tài)下最優(yōu)估值為X(k|k)。但為了使卡爾曼濾波器不斷運(yùn)行直至系統(tǒng)結(jié)束，還需不斷更新X(k|k)的協(xié)方差：

其中L矩陣對(duì)于單模型單測(cè)量為1。當(dāng)系統(tǒng)進(jìn)入k+1狀態(tài)時(shí)，P(k|k)就是式（2）的P(k-1|k-1)。這樣保證算法可以自回歸運(yùn)算。三軸的合加速度濾波結(jié)果如圖5（d）所示。

圖5 震顫信號(hào)濾波處理

考慮到震顫具有特異性，即不同的人抖動(dòng)方向不同，需在震顫識(shí)別之前對(duì)采集的數(shù)據(jù)進(jìn)行時(shí)域和頻域的特征提取，提高分類(lèi)的準(zhǔn)確性。提取之前對(duì)N個(gè)三軸的加速度信號(hào)進(jìn)行求和運(yùn)算，記為a（k），如式（6）所示，N表示采集數(shù)據(jù)的數(shù)據(jù)長(zhǎng)度：

再提取該加速度的均方根a(rms)、對(duì)數(shù)均方根，結(jié)果如圖6所示。

圖6 均方根及對(duì)數(shù)均方根提取

提取震顫信號(hào)的峰值，結(jié)果如圖7所示。

圖7 峰峰值及對(duì)數(shù)峰峰值提取

提取標(biāo)準(zhǔn)差的目的是反映所采集信號(hào)的離散程度，其中a(σ )如式（9）所示，a(k)＇代表平均值。結(jié)果如圖8所示。

圖8 標(biāo)準(zhǔn)差及對(duì)數(shù)標(biāo)準(zhǔn)差提取

提取頻域的主峰值pf（三軸中最大的）、震顫峰值pm（三軸分別在pf處的加速度和）。其中，a(pm)的公式如式（10）所示，結(jié)果如圖9所示。

圖9 頻率及合頻率提取

臨床上大多采用醫(yī)生經(jīng)驗(yàn)對(duì)患者手部震顫狀況進(jìn)行判斷，主觀(guān)性強(qiáng)，準(zhǔn)確性差。BP神經(jīng)網(wǎng)絡(luò)具有高度自適應(yīng)性，本文采取BP神經(jīng)網(wǎng)絡(luò)算法將震顫分為“無(wú)震顫”、“中度”及“重度”。本文結(jié)合十折交叉法，保證了數(shù)據(jù)的充足，震顫評(píng)估過(guò)程如圖10所示。

圖10 震顫評(píng)估過(guò)程

實(shí)驗(yàn)結(jié)果表明：通過(guò)本設(shè)計(jì)的裝置可以檢測(cè)出震顫信號(hào)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)方式可以準(zhǔn)確劃分受試者手部震顫程度，準(zhǔn)確度為84.50%。

2.3 彎曲信號(hào)處理與分析

采集彎曲程度評(píng)估過(guò)程中，首先利用單片機(jī)對(duì)模擬量進(jìn)行AD轉(zhuǎn)換參數(shù)值，隨后將參數(shù)值與“彎曲度-阻值表”進(jìn)行對(duì)比，得到當(dāng)前實(shí)際彎曲度。在實(shí)際檢測(cè)過(guò)程中，還需要對(duì)所測(cè)彎曲數(shù)據(jù)進(jìn)行濾波處理，使得到的彎曲數(shù)據(jù)更加準(zhǔn)確。為了測(cè)試受試者各個(gè)手指的彎曲狀況，本文設(shè)計(jì)了9種手勢(shì)，分別為：五指伸直、握拳、OK、蘭花指、A、W、B、U、V，如圖11所示。

圖11 手勢(shì)劃分過(guò)程

本文采用最常見(jiàn)的TAM法，其原理如式（11）所示，其中，MPf表示掌指關(guān)節(jié)彎曲度數(shù)；MPe表示掌指關(guān)節(jié)受限度數(shù)；PIPf表示近指關(guān)節(jié)彎曲度數(shù)；PIPe表示近指關(guān)節(jié)受限度數(shù)。TAM評(píng)定表如表1所示，其等級(jí)1表示狀態(tài)最差，幾乎無(wú)明顯的角度變化，評(píng)定結(jié)果為差；等級(jí)4表示狀態(tài)最好，能達(dá)到正常的活動(dòng)范圍，評(píng)定結(jié)果為優(yōu)。

表1 TAM評(píng)定表

實(shí)驗(yàn)過(guò)程中對(duì)12位受試者（8位健康受試者，4位PD患者）進(jìn)行數(shù)據(jù)采集，每一種手勢(shì)各10次。再將采集值與TAM表進(jìn)行對(duì)照，得出其靈活度，表2給出了健康受試者的平均結(jié)果（表中 1、2、3、4、5分別表示大拇指、食指、中指、無(wú)名指、小拇指）。結(jié)果表明：雖然傳感器多次彎折后會(huì)造成較小的角度偏差，但總體上本設(shè)計(jì)結(jié)果可區(qū)分健康受試者與患者的狀態(tài)，能用于手部靈活度的量化評(píng)估。

表2 手勢(shì)劃分結(jié)果

2.4 肌力信號(hào)處理與分析

目前，臨床上對(duì)手部的肌力狀態(tài)評(píng)估主要依靠醫(yī)師主觀(guān)評(píng)價(jià)，沒(méi)有實(shí)現(xiàn)數(shù)字量化。本文結(jié)合傳感器與K-means聚類(lèi)法，實(shí)現(xiàn)手部肌力大小的測(cè)量，再結(jié)合Lovertter評(píng)估法（表3所示），對(duì)12名（8位健康受試者，4位PD患者）受試者手部肌力狀態(tài)進(jìn)行等級(jí)劃分。Lovertter評(píng)估法將手部肌力狀態(tài)整體分為6個(gè)等級(jí)M0～M5，M0表示當(dāng)前手部肌力狀態(tài)最差，幾乎無(wú)明顯的收縮；M5表示狀態(tài)最佳，可以實(shí)現(xiàn)一些阻力的對(duì)抗，如本文設(shè)計(jì)的“捏硬幣”“握水杯”及“提裝有不同重量的塑料袋”等。

表3 Lovetter肌力評(píng)定標(biāo)準(zhǔn)表

在聚類(lèi)分析過(guò)程中，首先需要確定所劃分的k值。本文將k賦值為6，記為a(k) ，（k=0,1,2,3,4,5），然后迭代使得中心點(diǎn)不斷更新至收斂。接著，計(jì)算樣本點(diǎn)x(i)距中心點(diǎn)的距離，同時(shí)完成x(i)的歸類(lèi)，如式（12）所示：

聚類(lèi)分析法劃分結(jié)果如圖12所示，橫坐標(biāo)為120組數(shù)據(jù)樣本，設(shè)置樣本步長(zhǎng)為5，縱坐標(biāo)為每一個(gè)樣本對(duì)應(yīng)的肌力值，圖中不同的顏色表示不同等級(jí)分布的區(qū)間范圍。經(jīng)過(guò)聚類(lèi)分析后可以將采集的肌力信號(hào)進(jìn)行量化，再結(jié)合現(xiàn)有的評(píng)估方法，可以得出患者與健康受試者存在明顯的差距，如圖13所示，選取12位受試者的肌力最大值作為評(píng)估時(shí)的數(shù)據(jù)（1～4表示健康受試者，5～12表示患者）。也進(jìn)一步說(shuō)明該裝置可以用于肌力大小的檢測(cè)并用于手部肌力狀態(tài)的量化評(píng)估。

圖12 聚類(lèi)分析法劃分結(jié)果

圖13 患者與健康受試者信號(hào)對(duì)比

整個(gè)評(píng)估裝置最終評(píng)估結(jié)果如圖14所示，為處理后用戶(hù)的手部震顫頻率、幅度及劃分出的當(dāng)前震顫等級(jí)，各肌力采集極限值及評(píng)估等級(jí)（M0～M5），五指各自彎曲的極限值、手勢(shì)訓(xùn)練完成情況及彎曲的評(píng)估等級(jí)（優(yōu)、良、中、差）。

圖14 上位機(jī)評(píng)估系統(tǒng)

3 結(jié)論

本文通過(guò)在手部分別穿戴震顫傳感器、彎曲傳感器及肌力傳感器，設(shè)計(jì)電路采集手部數(shù)據(jù)，結(jié)合BP神經(jīng)網(wǎng)絡(luò)、TAM評(píng)定法、K-means分析、Lovertter評(píng)定法等，實(shí)現(xiàn)了手部震顫、靈活度、肌力狀況的估計(jì)。同時(shí)，本文通過(guò)Matlab與Labview的交互編程，完成上位機(jī)評(píng)估軟件的設(shè)計(jì)。本文在設(shè)計(jì)過(guò)程中引入卡爾曼濾波，并與常見(jiàn)濾波算法相結(jié)合對(duì)震顫信號(hào)進(jìn)行改善，測(cè)量的精度幾乎不受生理性震顫及環(huán)境的影響，準(zhǔn)確性高。最終實(shí)驗(yàn)表明，該手套可以準(zhǔn)確實(shí)現(xiàn)彎曲程度、肌力狀況及震顫程度等生理參數(shù)的監(jiān)測(cè)與評(píng)估，為患者手部受損及康復(fù)提供有效的指導(dǎo)。

本文設(shè)計(jì)同時(shí)存在一些有待完善的方面。首先，硬件裝置集成度不高，未來(lái)會(huì)優(yōu)化傳感器與手套融合工藝，并采用柔性電路板；其次，設(shè)計(jì)中采集樣本數(shù)量有限，需進(jìn)一步增加數(shù)據(jù)樣本數(shù)量。