脑卒中运动功能评估模型构建方法和运动功能评估方法与流程

技术特征：
1.一种脑卒中患者的运动功能评估模型的构建方法，其特征在于，包括以下步骤：步骤s101.构建数据库：通过多通道检测设备采集多名脑卒中患者额叶或运动区的静息态脑血氧信号数据，组成基础数据库；步骤s102.数据预处理：对基础数据库中采集的静息态脑血氧信号数据进行带通滤波去除漂移噪声和生理干扰；再采用样条插值的方法对伪迹进行矫正；步骤s103.特征提取：采用pearson相关性计算公式计算测量区域内两两通道之间的脑功能连接，然后对得到的相关性矩阵进行fisher’s z变换；采用lasso回归的方式在fisher’s z分数矩阵中选择最优的分类特征子集；步骤s104.构建支持向量机模型：根据步骤s103中获得的最优的分类特征子集，构建基于支持向量机的脑卒中患者的运动功能评估模型。2.根据权利要求1所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述步骤s101中通过近红外脑功能检测设备进行多通道采集脑卒中患者额叶或运动区的静息态脑血氧信号数据。3.根据权利要求2所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述近红外脑功能检测设备包括多个光源和多个探测器；多个所述光源和探测器交错设置，每个所述光源和探测器之间形成一个测量通道。4.根据权利要求3所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述静息态脑血氧信号数据为脑卒中患者保持休息状态，闭上眼睛并保持清醒时采集得到的脑血氧信号数据。5.根据权利要求3所述的的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述步骤s102还包括空间滤波，所述步骤s102中基础数据库中采集的静息态脑血氧信号数据先通过空间滤波以去除表层干扰，然后通过带通滤波去除漂移噪声和生理干扰；再采用样条插值的方法对伪迹进行矫正。6.根据权利要求5所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述空间滤波的操作方法为：将采集的静息态脑血氧信号数据减去所有测量通道的平均值，得到去除表层干扰后的静息态脑血氧信号。7.根据权利要求1所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述步骤s102中所述带通滤波的频率范围为0.01
‑
0.1hz。8.根据权利要求1所述的脑卒中患者的运动功能评估模型，其特征在于，所述步骤s102中采用三次样条插值的方法对伪迹进行矫正，包括以下过程：以基线作为判断标准，以基线的三倍标准差作为阀值；检测得到每个伪迹段的起点和终点，得出伪迹段的数量，遍历所有伪迹段并对每个伪迹段进行三次平滑样条插值，然后用每个伪迹段减去每个伪迹段插值后的信号；对处理后的信号进行整体重构，获得重构的信号序列。9.根据权利要求1所述的脑卒中患者的运动功能评估模型的构建方法，其特征在于，所述步骤s104中，所述支持向量模型的惩罚系数和核函数采用网格搜索分方式进行优化。10.一种脑卒中患者的运动功能评估方法，其特征在于，包括以下步骤：步骤s201.数据采集：使用近红外脑功能检测设备进行多通道采集脑卒中患者的静息态脑血氧信号数据；
步骤s202.数据预处理：对采集的静息态脑血氧信号数据通过空间滤波去除表层干扰，然后通过带通滤波去除漂移噪声和生理干扰；最后采用样条插值的方法对伪迹进行矫正；步骤s203.特征提取：采用pearson相关性计算公式计算测量区域内两两通道之间的脑功能连接，然后对得到的相关性矩阵进行fisher’s z变换；采用lasso回归的方式在fisher’s z分数矩阵中选择最优的分类特征子集；步骤s204.运动功能等级评估：采用权利要求1
‑
9任一项中构建的脑卒中患者的运动功能评估模型对脑卒中患者进行运动功能等级评估。

技术总结
本发明公开了一种脑卒中患者的运动功能评估模型的构建方法，先采集多名脑卒中患者额叶或运动区的静息态脑血氧信号数据构建数据库，然后将数据经过预处理后，通过回归的方法选取脑卒中患者额叶静息状态下脑连接信息作为特征，构建机器学习的模型，该模型可以对脑卒中患者不同运动功能状态进行分类预测。本发明还公开了一种基于支持向量机评估模型的运动功能评估方法，通过检测脑卒中患者的静息态脑血氧信号数据可以准确地评估脑卒中患者的运动功能。运动功能。运动功能。


技术研发人员：庞日宠 王丹 孙金燕 杨傲然 杨安平 郝志峰
受保护的技术使用者：首都医科大学附属北京康复医院（北京工人疗养院） 汕头大学
技术研发日：2021.08.31
技术公布日：2021/12/14