基于模糊层次分析的多时间尺度康复评价方法及系统

1.本发明涉及康复评价领域，尤其涉及一种基于模糊层次分析的多时间尺度康复评价方法及系统。


背景技术：

2.由于意外事故的高发和老龄化进程的加快，人们对康复治疗的需求在不断增加。随着生-机电技术的发展，康复机器人成为进行康复治疗的重要技术手段。康复评价是康复治疗的重要环节，对康复处方有着指导性作用。机器人辅助康复治疗往往涉及实时运动评价，以及不同治疗周期内运动功能恢复评价等不同时间尺度下的评价。
3.然而现有的康复评价方法由于时间尺度固定，无法进行不同时间尺度下的康复评价，导致现有的康复评价无法满足实时性的要求，并且康复评价的准确性也受到影响。
4.进一步的，模糊层次分析法是一种基于模糊规则的多目标决策方法，利用模糊规则解决了传统层次分析法中的一致性问题。
5.然而现有的康复评价在使用模糊层次分析法时，只有检验方式，而没有提出具体调整算法，导致模糊层次分析法的结果不够精确，导致康复评价也不够精确。
6.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

7.为解决上述技术问题，本发明提供一种基于模糊层次分析的多时间尺度康复评价方法，包括：
8.s1：构建康复评价层次结构，康复评价层次结构包括：信息层、因素层、准则层和目标层；
9.s2：构建因素层与准则层之间的关联，获得准则层评价向量；
10.s3：通过准则层评价向量构建准则层与目标层之间的关联，获得目标层评价向量；
11.s4：通过目标层评价向量获得最终康复评价结果。
12.优选的，步骤s1具体为：
13.获取下肢康复场景下的个体多源信息，通过个体多源信息构建信息层；
14.设置评价指标，通过评价指标构建因素层；
15.设置准则指标，通过准则指标构建准则层；
16.康复评价层次结构由下至上依次为：信息层-因素层-准则层-目标层。
17.优选的，步骤s2具体为：
18.s21：对评价指标进行标准化，获得标准化评价指标，由标准化评价指标构成标准化因素层，通过信息层中的个体多源信息对标准化评价指标进行评分；
19.s22：对准则层的准则指标构建准则层模糊判断矩阵，通过准则层模糊判断矩阵计算获得准则层评价指标权重矩阵；
20.s23：构建准则层权重向量矩阵，通过准则层评价指标权重矩阵和准则层权重向量矩阵计算获得准则层评价向量。
21.优选的，步骤s22具体为：
22.s221：准则层模糊判断矩阵表示为：
23.其中，b表示准则层，i为准则指标的编号，a和b均为标准化评价指标的编号，r
ab
为标准化评价指标a相对标准化评价指标b的重要程度，ni为准则指标i的标准化评价指标的总数，a和b均在ni的范围内；
24.s222：将转换为矩阵其中对矩阵ki进行一致性检测，若一致性检测通过则进入步骤s225，否则进入步骤s223；
25.s223：计算获得矩阵ki的特征向量构建矩阵构建矩阵其中α∈(0,1)；
26.s224：计算获得满足一致性的准则层模糊判断矩阵计算公式为：
27.其中用替换返回步骤s222；
28.s225：准则层评价指标权重矩阵w
ib
的计算公式为：
[0029][0030][0031][0032]
其中，i为1到ni的正整数。
[0033]
优选的，步骤s23具体为：
[0034]
s231：准则层权重向量矩阵表示为：
[0035]
其中，b表示准则层，i为准则指标的编号，a和b均为标准化评价指标的编号，e
ab
为准则指标i在选取的时间尺度下标准化评价指标a得到标准化评价指标b所占的比例；
[0036]
s232：准则层评价向量s
ib
的计算公式为：
[0037][0038]
其中，s1到为准则指标i的隶属度。
[0039]
优选的，步骤s3具体为：
[0040]
s31：通过准则层中的准则指标对目标层进行评分，通过评分对最终康复评价结果进行标准化，获得标准化最终康复评价结果，由标准化最终康复评价结果构成标准化目标
层；
[0041]
s32：构建标准化目标层的目标层模糊判断矩阵，通过目标层模糊判断矩阵计算获得目标层评价指标权重矩阵；
[0042]
s33：通过准则层评价向量计算获得目标层权重向量矩阵，通过目标层评价指标权重矩阵和目标层权重向量矩阵计算获得目标层评价向量。
[0043]
优选的，步骤s32具体为：
[0044]
s321：目标层模糊判断矩阵表示为：ra＝(r
′
df
)c×c；
[0045]
其中，a表示评价层，d和f均为准则指标的编号，r’ab
为准则指标a相对准则指标b的重要程度，c为准则指标的总数，d和f均在c的范围内；
[0046]
s322：将ra转换为矩阵k＝(k
′
df
)c×c，其中对矩阵k进行一致性检测，若一致性检测通过则进入步骤s325，否则进入步骤s323；
[0047]
s323：计算获得矩阵k的特征向量p
′
＝[p
′1,p
′2,
…
,p
′c]
t
；构建矩阵；构建矩阵其中β∈(0,1)；
[0048]
s324：计算获得满足一致性的准则层模糊判断矩阵计算公式为：
[0049]
其中用替换ra，返回步骤s322；
[0050]
s325：准则层评价指标权重矩阵wa的计算公式为：
[0051]
wa＝[w
′1,w
′2,
…w′a…
，w
′c]
[0052][0053][0054]
优选的，步骤s33具体为：
[0055]
s331：目标层权重向量矩阵ea的计算公式为：
[0056][0057]
其中，u为准则层评价向量s
ib
中准则指标编号i的最大值；
[0058]
s332：目标层评价向量sa的计算公式为：
[0059]
sa＝waea[0060]
其中，wa为目标层评价指标权重矩阵。
[0061]
优选的，步骤s4具体为：
[0062]
根据康复评价需求获得定量分数向量g；
[0063]
最终康复评价结果y的计算公式为：
[0064]
y＝sag
t
[0065]
其中，sa为目标层评价向量。
[0066]
一种基于模糊层次分析的多时间尺度康复评价系统，包括：
[0067]
结构构建模块，用于构建康复评价层次结构，康复评价层次结构包括：信息层、因素层、准则层和目标层；
[0068]
第一关联模块，用于构建因素层与准则层之间的关联，获得准则层评价向量；
[0069]
第二关联模块，用于通过准则层评价向量构建准则层与目标层之间的关联，获得目标层评价向量；
[0070]
评价模块，用于通过目标层评价向量获得最终康复评价结果。
[0071]
本发明具有以下有益效果：
[0072]
1、本发明为模糊层次分析法的模糊判断矩阵提供了可行的一致性检验和调整方法，使得模糊层次分析法的分析结果更加精确；
[0073]
2、在不同时间尺度下进行康复评价，使得康复评价可以满足实时性的要求，提高康复评价的精确性。
附图说明
[0074]
图1为本发明实施例方法流程图；
[0075]
图2为康复评价层次结构的结构图；
[0076]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0077]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0078]
参照图1，本发明提供一种基于模糊层次分析的多时间尺度康复评价方法，包括：
[0079]
s1：构建康复评价层次结构，康复评价层次结构包括：信息层、因素层、准则层和目标层；
[0080]
s2：构建因素层与准则层之间的关联，获得准则层评价向量；
[0081]
s3：通过准则层评价向量构建准则层与目标层之间的关联，获得目标层评价向量；
[0082]
s4：通过目标层评价向量获得最终康复评价结果。
[0083]
本实施例中，在机器人辅助的下肢康复训练场景中，需要获取的信息主要包括：肢体运动信息、与康复机器人的接触力和运动过程中的生物电信息；其中，肢体运动信息包括下肢髋、膝和踝关节的运动位置、速度、加速度，由图像与7个分别位于腰部、左右大腿、左右小腿和左右脚背惯性传感器采集；与康复机器人的接触力为康复机器人末端踏板与脚掌接触面的接触力，由置于踏板的压力传感器采集；生物电信息包括心电和下肢肌电信号，心电信号由个体佩戴的腕式心电计采集，下肢肌电信号由8个分布于双侧下肢胫骨前肌、腓肠肌、股直肌、股二头肌的表贴式肌电传感器采集；
[0084]
步骤s1具体为：
[0085]
获取下肢康复场景下的个体多源信息，通过个体多源信息构建信息层；
[0086]
设置评价指标，通过评价指标构建因素层；
[0087]
设置准则指标，通过准则指标构建准则层；
[0088]
康复评价层次结构由下至上依次为：信息层-因素层-准则层-目标层。
[0089]
具体的，如图2所示为康复评价层次结构的结构图；
[0090]
信息层d的个体多源信息包括：关节位置d1、运动速度d2、运动加速度d3、接触力d4、肌电d5、心电d6；
[0091]
因素层c的评价指标：包括肌力c1、肌张力c2、关节活动度c3、肌肉协调性c4、运动平滑度c5和疲劳度c6。
[0092]
准则层b的准则指标包括：肌肉节评价b1和整体运动评价b2；
[0093]
目标层输出最终康复评价结果；
[0094]
按照下肢康复评价的需求，构建由下至上的信息层-因素层-准则层-目标层的四层结构。
[0095]
本实施例中，步骤s2具体为：
[0096]
s21：对评价指标进行标准化，获得标准化评价指标，由标准化评价指标构成标准化因素层，通过信息层中的个体多源信息对标准化评价指标进行评分；
[0097]
具体的，为了获得一致的的量化分值，需要对各指标标准化；首先设定五级评语集v＝{v1,v2,v3,v4,v5}，其中v1～v5分别表示很差、比较差、一般、比较好和很好五个评语等级；其次，对因素层各项评价指标进行标准化，具体内容如下；
[0098]
肌力c1的标准化处理：针对实际测得力矩值(f)，与健肢标准值(fnor)，通过如表一标准进行打分，评分为五分制，评分标准如下：
[0099]
表一肌力评分
[0100]
肌力恢复评价等级 5(很好)f-f
nor
≤34(较好)3＜f-f
nor
≤53(一般)5＜f-f
nor
≤102(较差)10＜f-f
nor
≤151(很差)f-f
nor
＞15
[0101]
肌张力c2的标准化处理：同肌张力，按照肌张力的值确定五级评分
[0102]
关节活动度c3的标准化处理：采用患者rom与正常人rom的比值作为判别关节康复评价指标，下肢rom的测量包括髋部关节以及膝关节，髋关节rom的测量方法是量前屈125度，后伸15度，内收35度，外展45度，内外旋各45度；膝关节rom的测量方法是膝关节屈伸0～130度；记录患者的rom数值，评分仍采用五分制评分，如表二所示：
[0103]
表二关节活动度评分
[0104]
关节恢复评价等级 5(很好)rom/rom≥90％4(较好)80％≤rom/rom＜90％3(一般)60％≤rom/rom＜80％2(较差)40％≤rom/rom＜60％1(很差)rom/rom＜40％
[0105]
肌肉协调性c4的标准化处理：利用下肢各关节运动信息进行生物力学建模，分析
选取的4条关键肌肉理论上激活情况，通过肌电信号获取实际激活情况，对比二者，进行五分制打分，5分为理论情况与实际全部相符，1分为完全不相符；
[0106]
运动平滑度c5的标准化处理：利用下肢各关节运动信息，计算运动过程加加速度、谱弧长度和运动过程中不连续的停顿点个数，对比正常人标准值进行打分五分制打分，5分为最好，1分为最差；
[0107]
疲劳度c6的标准化处理：通过主成分分析法确定与肌疲劳有关的特征参数，选取心电脉搏数、总运动距离行驶距离和肌电信号特征，通过fisher判别分析确定肌肉疲劳的判别函数。进行五分制打分，将肌肉疲劳度正常赋值5分，疲劳赋值为3分，非常疲劳赋值为1分，2分和4分为中间值；
[0108]
因素层直接采集到的信息经过处理后得到与上述指标相关的实时量，通过比对评分标准，即可获得各标准化评价指标的评分；
[0109]
s22：对准则层的准则指标构建准则层模糊判断矩阵，通过准则层模糊判断矩阵计算获得准则层评价指标权重矩阵；
[0110]
s23：构建准则层权重向量矩阵，通过准则层评价指标权重矩阵和准则层权重向量矩阵计算获得准则层评价向量。
[0111]
本实施例中，步骤s22具体为：
[0112]
s221：准则层模糊判断矩阵表示为：
[0113]
其中，b表示准则层，i为准则指标的编号，a和b均为标准化评价指标的编号，r
ab
为标准化评价指标a相对标准化评价指标b的重要程度，ni为准则指标i的标准化评价指标的总数，a和b均在ni的范围内；
[0114]
具体的，例如i＝1，则可展开表示为如下形式：
[0115][0116]
标准化评价指标之间的重要程度采用0.1-0.9的标度给予标定，数量标准如下表三所示：
[0117]
表三重要程度标定的数量标准
[0118][0119][0120]
s222：将转换为矩阵其中对矩阵ki进行一致性检测，若一致性检测通过则进入步骤s225，否则进入步骤s223；
[0121]
具体的，一致性检测是指利用一致性指标ci和一致性比例cr进行检验，二者分别为：
[0122][0123]
其中，λ
max
为矩阵的最大特征值，ri可以通过查如下表四获得；
[0124]
表四ri取值
[0125][0126]
当cr＜0.1时，通过一致性检验；当cr≥0.1时，不通过一次性检验，需要对矩阵进行调整；
[0127]
s223：计算获得矩阵ki的特征向量构建矩阵构建矩阵其中α∈(0,1)；
[0128]
s224：计算获得满足一致性的准则层模糊判断矩阵计算公式为：
[0129]
其中用替换返回步骤s222；
[0130]
s225：准则层评价指标权重矩阵w
ib
的计算公式为：
[0131][0132][0133][0134]
其中，i为1到ni的正整数。
[0135]
本实施例中，步骤s23具体为：
[0136]
s231：准则层权重向量矩阵表示为：
[0137]
其中，b表示准则层，i为准则指标的编号，a和b均为标准化评价指标的编号，e
ab
为准则指标i在选取的时间尺度下标准化评价指标a得到标准化评价指标b所占的比例；
[0138]
具体的，准则层权重向量矩阵其展开形式可以表达为：
[0139][0140]
显然，该矩阵行和为定值，即所选去时间尺度；选择模糊关系合成算子，将因素层评价指标值作为上层准则层评价的依据，进行各评价指标的逐项合成运算；根据训练时间不同，评价将在不同时间尺度下完成；其中，根据不同需求，可选择的模糊算子如表五所示，此处使用加权平均型算子；
[0141]
表五模糊算子
[0142]
编号模糊算子类型说明1主因素突出型：m(λ,v)更多使用r矩阵信息，e矩阵利用少2主因素突出型：m(.,v)更多使用r矩阵信息，e矩阵利用少3加权平均型：m(λ, )更多使用e矩阵信息4加权平均型：m(., )综合利用r矩阵和e矩阵信息
[0143]
s232：准则层评价向量s
ib
的计算公式为：
[0144][0145]
其中，s1到为准则指标i的隶属度，亦即s1到为该准则指标在评语集v中不同评语的所占比例。
[0146]
本实施例中，步骤s3与准则层类似，目标层评价的获取需要构建目标层模糊判断
矩阵和目标层权重向量矩阵，其中，目标层模糊判断矩阵构建和权重计算与前述完全相同；目标层权重向量矩阵无法直接测量，因此由前一层的准则层评价向量构成；
[0147]
步骤s3具体为：
[0148]
s31：通过准则层中的准则指标对目标层进行评分，通过评分对最终康复评价结果进行标准化，获得标准化最终康复评价结果，由标准化最终康复评价结果构成标准化目标层；
[0149]
s32：构建标准化目标层的目标层模糊判断矩阵，通过目标层模糊判断矩阵计算获得目标层评价指标权重矩阵；
[0150]
s33：通过准则层评价向量计算获得目标层权重向量矩阵，通过目标层评价指标权重矩阵和目标层权重向量矩阵计算获得目标层评价向量。
[0151]
本实施例中，步骤s32具体为：
[0152]
s321：目标层模糊判断矩阵表示为：ra＝(r
′
df
)c×c；
[0153]
其中，a表示评价层，d和f均为准则指标的编号，r’ab
为准则指标a相对准则指标b的重要程度，c为准则指标的总数，d和f均在c的范围内；
[0154]
s322：将ra转换为矩阵k＝(k
′
df
)c×c，其中对矩阵k进行一致性检测，若一致性检测通过则进入步骤s325，否则进入步骤s323；
[0155]
s323：计算获得矩阵k的特征向量p
′
＝[p
′1,p
′2,
…
,p
′c]
t
；构建矩阵；构建矩阵其中β∈(0,1)；
[0156]
s324：计算获得满足一致性的准则层模糊判断矩阵计算公式为：
[0157]
其中用替换ra，返回步骤s322；
[0158]
s325：准则层评价指标权重矩阵wa的计算公式为：
[0159]
wa＝[w
′1,w
′2,
…w′a…
，w
′c]
[0160][0161][0162]
本实施例中，步骤s33具体为：
[0163]
s331：目标层权重向量矩阵ea的计算公式为：
[0164][0165]
其中，u为准则层评价向量s
ib
中准则指标编号i的最大值；
[0166]
s332：目标层评价向量sa的计算公式为：
[0167]
sa＝waea[0168]
其中，wa为目标层评价指标权重矩阵。
[0169]
本实施例中，步骤s4具体为：
[0170]
根据康复评价需求获得定量分数向量g；
[0171]
具体的，例如可以选择g＝[5,4,3,2,1]；
[0172]
最终康复评价结果y的计算公式为：
[0173]
y＝sag
t
[0174]
其中，sa为目标层评价向量。
[0175]
本发明提供一种基于模糊层次分析的多时间尺度康复评价系统，包括：
[0176]
结构构建模块，用于构建康复评价层次结构，康复评价层次结构包括：信息层、因素层、准则层和目标层；
[0177]
第一关联模块，用于构建因素层与准则层之间的关联，获得准则层评价向量；
[0178]
第二关联模块，用于通过准则层评价向量构建准则层与目标层之间的关联，获得目标层评价向量；
[0179]
评价模块，用于通过目标层评价向量获得最终康复评价结果。
[0180]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0181]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。
[0182]
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。