劉朗，劉勇國(guó)，李巧勤，楊尚明，金榮疆，何霞

1.電子科技大學(xué)信息與軟件工程學(xué)院中醫(yī)知識(shí)與數(shù)據(jù)工程實(shí)驗(yàn)室，四川成都市 610054；2.成都中醫(yī)藥大學(xué)養(yǎng)生康復(fù)學(xué)院，四川成都市 610075；3.四川省八一康復(fù)中心，四川成都市610035

腦卒中是世界范圍內(nèi)主要致死性疾病之一[1]。我國(guó)40 歲以上人群腦卒中患者達(dá)1242萬，每年新發(fā)患者超過270萬，存活人群中超過70%存在不同程度功能障礙[2]，包括運(yùn)動(dòng)、感覺、認(rèn)知?心理、言語和吞咽障礙等[3]。運(yùn)動(dòng)功能障礙指患者的肌肉控制、移動(dòng)能力或活動(dòng)水平受限或完全喪失，常涉及患者單側(cè)或雙側(cè)面部、上肢和下肢，影響超過80%腦卒中患者[4]，是腦卒中患者最常見、最嚴(yán)重的功能障礙，嚴(yán)重影響患者的家庭和生活質(zhì)量[5]。運(yùn)動(dòng)康復(fù)是降低腦卒中患者致殘率最有效的方法，有助于改善患者運(yùn)動(dòng)功能，提升獨(dú)立生活能力，更好回歸家庭與社會(huì)[6]。腦卒中運(yùn)動(dòng)功能康復(fù)流程包含問診與臨床檢查、評(píng)定、治療及院外康復(fù)訓(xùn)練等環(huán)節(jié)[7]。評(píng)定是康復(fù)治療的重要環(huán)節(jié)，通過評(píng)定了解患者功能障礙性質(zhì)和嚴(yán)重程度，至少在治療前、中、后期各進(jìn)行一次[8]，根據(jù)最新評(píng)定結(jié)果制定康復(fù)治療目標(biāo)和治療方案[9]。

腦卒中運(yùn)動(dòng)功能評(píng)定涉及運(yùn)動(dòng)控制、平衡、步態(tài)和關(guān)節(jié)活動(dòng)度等方面[10]，臨床主要通過量表方式進(jìn)行，常用量表包括Brunnstrom分期、Fugl?Meyer評(píng)定量表(Fugl?Meyer Assess?ment,FMA)、Tinetti平衡與步態(tài)量表、Berg平衡量表(Berg Bal?ance Scale,BBS)等[10?12]。該評(píng)定方式存在以下問題：①需專業(yè)評(píng)定師完成，評(píng)定過程耗時(shí)長(zhǎng)[13?14]；②受評(píng)定師主觀影響，結(jié)果存在個(gè)體差異[15?16]；③評(píng)定量表選擇存在差異和通用性問題[17?18]。

近來，康復(fù)醫(yī)學(xué)正向個(gè)性化、精確化、遠(yuǎn)程化、智能化發(fā)展，精準(zhǔn)評(píng)定是腦卒中康復(fù)評(píng)定的必然趨勢(shì)[19]。為彌補(bǔ)傳統(tǒng)評(píng)定方法不足，方便家庭環(huán)境下康復(fù)評(píng)定開展，融合傳感器技術(shù)和機(jī)器學(xué)習(xí)實(shí)現(xiàn)運(yùn)動(dòng)功能自動(dòng)化評(píng)定日益受到重視。傳感器用于感知患者運(yùn)動(dòng)過程的運(yùn)動(dòng)學(xué)及電生理學(xué)等信息，常用傳感器包括慣性測(cè)量單元(inertial measurement unit,IMU)、表面肌電圖(surface electromyography,sEMG)測(cè)試儀和深度傳感器等。由于傳感器信號(hào)存在噪聲，需要通過信號(hào)預(yù)處理，提取均值、方差等時(shí)域和頻域特征，向量化表示運(yùn)動(dòng)強(qiáng)度、范圍、頻率等信息，構(gòu)建機(jī)器學(xué)習(xí)模型，自動(dòng)獲得運(yùn)動(dòng)功能評(píng)定結(jié)果(圖1)。本文針對(duì)腦卒中運(yùn)動(dòng)功能評(píng)定領(lǐng)域運(yùn)動(dòng)控制、平衡、步態(tài)、關(guān)節(jié)活動(dòng)度(range of motion,ROM)等方面，綜述腦卒中運(yùn)動(dòng)功能自動(dòng)化評(píng)定的國(guó)內(nèi)外最新研究進(jìn)展。

圖1 運(yùn)功功能自動(dòng)化評(píng)定流程

1 運(yùn)動(dòng)功能

腦卒中存在不同程度神經(jīng)系統(tǒng)損傷，導(dǎo)致肌張力升高，引發(fā)肢體運(yùn)動(dòng)控制功能障礙，常表現(xiàn)為肢體一側(cè)活動(dòng)范圍受限或癱瘓[20]。運(yùn)動(dòng)控制功能評(píng)定內(nèi)容包括肌張力、靈活性、穩(wěn)定性、協(xié)調(diào)性和運(yùn)動(dòng)模式等[21]。引入深度視頻、IMU、sEMG 等傳感器技術(shù)進(jìn)行客觀測(cè)量，通過統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)法進(jìn)行自動(dòng)化評(píng)定，有助于獲得客觀準(zhǔn)確的評(píng)定結(jié)果。

Zhang 等[17]將IMU 固定于患側(cè)前臂，采集摸肩動(dòng)作過程中的加速度，使用動(dòng)態(tài)時(shí)間規(guī)整算法計(jì)算患者數(shù)據(jù)與正常人數(shù)據(jù)的歐式距離，再輸入K 近鄰分類器計(jì)算上肢Brunnstrom 分期，對(duì)21例腦卒中患者試驗(yàn)，該自動(dòng)化評(píng)定準(zhǔn)確度82.1%。

Liparulo 等[18]提出基于幾何無約束隸屬函數(shù)的模糊核分類方法，采集三角肌中束單通道sEMG，提取最大振幅、平均振幅等時(shí)/頻域特征，自動(dòng)化評(píng)定9 例不同程度腦卒中患者Brunnstrom分期，準(zhǔn)確率92.47%。

Brunnstrom 分期體系具有評(píng)分簡(jiǎn)單、耗時(shí)短、易被患者接受等優(yōu)點(diǎn)，在臨床獲得廣泛應(yīng)用[22]，但存在敏感性差等不足。FMA 在Brunnstrom 分期基礎(chǔ)上對(duì)評(píng)定任務(wù)與評(píng)分規(guī)則進(jìn)行細(xì)化，提高了信度和敏感性，但也增加了應(yīng)用難度。Chiang 等[23]采集三角肌前束和中束、肱三頭肌長(zhǎng)頭和外側(cè)頭、肱二頭肌、背闊肌和肱橈肌sEMG，引入隱馬爾可夫模型提取患者運(yùn)動(dòng)狀態(tài)特征，通過多變量自回歸模型自動(dòng)化評(píng)定腦卒中患者運(yùn)動(dòng)功能，準(zhǔn)確率90%。

Yu 等[24]設(shè)計(jì)遠(yuǎn)程FMA 自動(dòng)化評(píng)定框架，使用2 個(gè)加速度計(jì)和7 個(gè)柔性傳感器捕捉上肢、手腕和手指運(yùn)動(dòng)，提取傳感器信號(hào)的時(shí)域特征，利用極限學(xué)習(xí)機(jī)算法對(duì)運(yùn)動(dòng)數(shù)據(jù)自動(dòng)分類并生成評(píng)分，24例患者試驗(yàn)結(jié)果表明，自動(dòng)化評(píng)定所得結(jié)果與傳統(tǒng)評(píng)定結(jié)果的決定系數(shù)達(dá)0.918。

Lee等[25]構(gòu)建腦卒中患者上肢FMA 自動(dòng)化評(píng)定系統(tǒng)，使用深度傳感器Kinect和力量電阻傳感器采集人體關(guān)節(jié)相對(duì)位置和手指抓握力量，將33項(xiàng)上肢評(píng)定任務(wù)分為5種類型，設(shè)計(jì)二進(jìn)制邏輯分類算法以預(yù)測(cè)患者FMA 評(píng)定結(jié)果，結(jié)果顯示，系統(tǒng)能對(duì)79%評(píng)定任務(wù)進(jìn)行自動(dòng)化評(píng)定，評(píng)定時(shí)間比傳統(tǒng)評(píng)定方式減少85%，準(zhǔn)確率達(dá)92%。

2 平衡功能

平衡與協(xié)調(diào)功能是人體保持姿勢(shì)與體位，完成各項(xiàng)日常生活活動(dòng)的基本保證[26]。腦卒中患者感覺輸入、中樞整合、軀干控制等功能受損，影響平衡能力，增加跌倒風(fēng)險(xiǎn)[27?28]。靜態(tài)與動(dòng)態(tài)平衡功能的臨床評(píng)估主要通過儀器和量表完成[29]。專業(yè)平衡測(cè)試儀器操作復(fù)雜，空間環(huán)境要求高?；趥鞲衅鳒y(cè)量的自動(dòng)化評(píng)定系統(tǒng)可提供客觀評(píng)定結(jié)果，且便于使用。

Simil? 等[30]通過腰部綁定三軸加速度計(jì)，采集受試者執(zhí)行3 項(xiàng)BBS 任務(wù)過程數(shù)據(jù)，使用K 近鄰算法進(jìn)行相似性分類，實(shí)現(xiàn)BBS 評(píng)分，對(duì)54 例神經(jīng)疾病患者、老年人和健康年輕人進(jìn)行試驗(yàn)，自動(dòng)評(píng)分平均誤差4.85分。

Badura 等[31]在患者背部、左右髖與腳踝共5 個(gè)位置綁定IMU，采集患者執(zhí)行14 項(xiàng)BBS 任務(wù)的加速度和角速度信號(hào)，提取時(shí)/頻域特征，分別構(gòu)建Fisher線性判別分析器進(jìn)行特征降維，再輸入多層感知機(jī)分類器獲得各任務(wù)評(píng)分，對(duì)64 例老年人試驗(yàn)結(jié)果表明，BBS自動(dòng)評(píng)分平均誤差1.55分。

Bacciu 等[32]使用Wii 平衡板采集患者執(zhí)行BBS 任務(wù)時(shí)前后左右四角重力分布數(shù)據(jù)流，患者無需佩戴附加設(shè)備，通過內(nèi)嵌儲(chǔ)備池計(jì)算范式的回聲狀態(tài)網(wǎng)絡(luò)對(duì)序列數(shù)據(jù)進(jìn)行特征提取，輸出層估算BBS 得分，對(duì)21 例志愿者進(jìn)行BBS 自動(dòng)評(píng)分，平均誤差3.80分。

3 步態(tài)分析

步態(tài)異常為腦卒中患者常見功能障礙，是影響日常生活能力和生活質(zhì)量的主要因素。腦卒中發(fā)病6個(gè)月后，約50%～80%患者存在不同程度下肢功能障礙和步態(tài)異常[33]。步態(tài)分析對(duì)制定康復(fù)治療方案和評(píng)價(jià)療效具有重要參考意義[34]。臨床步態(tài)分析方法包括主觀量表法和定量步態(tài)分析。前者通過主觀方式評(píng)價(jià)步行能力，描述步態(tài)異常程度；后者需要價(jià)格昂貴的專業(yè)設(shè)備與場(chǎng)地，并且評(píng)定時(shí)間較長(zhǎng)。借助便攜傳感器和高效數(shù)據(jù)分析，可快速獲得步態(tài)參數(shù)，為定量步態(tài)參數(shù)分析提供新思路。

Motiian等[35]提出基于深度傳感器Kinect的兒童步態(tài)周期自動(dòng)分割方法，將最大似然估計(jì)、均勻尺度估計(jì)、非均勻尺度估計(jì)和子序列匹配相結(jié)合，解決幼兒群體骨骼跟蹤數(shù)據(jù)噪聲的高變異性問題，通過2～4 歲健康兒童步態(tài)分析，步行階段分割準(zhǔn)確率高于90%。

Zhao 等[36]將IMU 固定于雙腳，搭建慣性導(dǎo)航系統(tǒng)進(jìn)行步態(tài)分析，使用不等式約束的零速更新算法輔助慣性導(dǎo)航系統(tǒng)，識(shí)別步態(tài)周期階段并計(jì)算步態(tài)參數(shù)，該系統(tǒng)可準(zhǔn)確計(jì)算步態(tài)周期中腳跟著地、站立、腳跟離地和搖擺期時(shí)間，有助于醫(yī)護(hù)人員制定治療計(jì)劃。

Tunca 等[37]提出一種IMU 步態(tài)分析系統(tǒng)，擴(kuò)展零速更新和卡爾曼濾波算法，提取步幅、節(jié)律、周期、姿態(tài)時(shí)間、搖擺時(shí)間、姿態(tài)比、速度、最大/最小間隙和轉(zhuǎn)化率等步態(tài)指標(biāo)，對(duì)16例健康人和6例神經(jīng)疾病患者進(jìn)行分析，該系統(tǒng)獲得的步長(zhǎng)和搖擺時(shí)間與基于紅外深度相機(jī)三維步態(tài)分析結(jié)果的相關(guān)性系數(shù)分別為0.98和1。

Eguchi等[38]結(jié)合激光距離傳感器(laser range sensor,LRS)和內(nèi)置壓力傳感器鞋墊進(jìn)行步態(tài)分析，LRS 用于測(cè)量患者步幅、周期和步行速度，鞋墊內(nèi)置壓力傳感數(shù)據(jù)用于計(jì)算地面接觸力(ground contact force,GCF)和壓力中心(center of pressure,CoP)，通過直線行走試驗(yàn)，與圖像運(yùn)動(dòng)捕捉技術(shù)相比，下肢運(yùn)動(dòng)跟蹤精度的均方根誤差≤50 mm；與足底力量測(cè)量板的CoP 數(shù)據(jù)相比，X、Y軸坐標(biāo)CoP軌跡均方根誤差分別＜16 mm和＜5 mm。

4 ROM

ROM 是評(píng)定關(guān)節(jié)運(yùn)動(dòng)功能的重要指標(biāo)[39]，系測(cè)量大關(guān)節(jié)在運(yùn)動(dòng)狀態(tài)下的活動(dòng)角度，條目繁多，傳統(tǒng)采用量角器測(cè)量，十分費(fèi)時(shí)，重復(fù)性差且精確度低，通常最小刻度值為5°[40]。

王杰[41]結(jié)合傳感器、嵌入式軟件、串口通信等技術(shù)，使用SCA100T?D02 傾角傳感器研發(fā)ROM 評(píng)定嵌入式系統(tǒng)計(jì)算ROM。將量角尺一條臂固定，旋轉(zhuǎn)綁定有傳感器的另一條臂，可實(shí)時(shí)獲取關(guān)節(jié)角度，經(jīng)4例受試者重復(fù)10次測(cè)量，與量角器測(cè)量結(jié)果相比，平均誤差約0.95°。

Lee 等[42]設(shè)計(jì)無線可穿戴上肢關(guān)節(jié)ROM 自動(dòng)化測(cè)量系統(tǒng)，使用智能手機(jī)收集7 個(gè)IMU 的慣性運(yùn)動(dòng)數(shù)據(jù)，選取12 項(xiàng)FMA的評(píng)定任務(wù)，系統(tǒng)不僅能自動(dòng)識(shí)別所測(cè)任務(wù)，還可計(jì)算關(guān)節(jié)最大活動(dòng)角度，與量角器測(cè)量結(jié)果平均誤差0.82°。

葛云等[43?44]將光學(xué)定位設(shè)備NDI Polaris Spectra 應(yīng)用于ROM 測(cè)量，將反光小球固定于人體骨性標(biāo)志點(diǎn)，收集反光小球的三維坐標(biāo)，使用最小二乘法擬合肢體運(yùn)動(dòng)軌跡和軸心，計(jì)算關(guān)節(jié)活動(dòng)角度，測(cè)量平均誤差0.313°。

Neto 等[45]利用深度傳感器Kinect采集人體深度圖像，提取骨骼三維位置信息，計(jì)算上肢關(guān)節(jié)角度，實(shí)現(xiàn)動(dòng)態(tài)、非接觸式ROM 評(píng)估關(guān)節(jié)，肩外展/內(nèi)收、肘屈/伸測(cè)量結(jié)果與量角器法無顯著性差異。

5 展望

當(dāng)前，研究人員將傳感器技術(shù)與機(jī)器學(xué)習(xí)方法引入腦卒中運(yùn)動(dòng)功能自動(dòng)化評(píng)定領(lǐng)域，研究工作仍處于起步階段，存在以下問題：①傳感器單一，而運(yùn)動(dòng)控制障礙常表現(xiàn)為身體多部位變化，且不同階段表現(xiàn)不同[19]，單一傳感器難以全面準(zhǔn)確地反映；②平衡功能自動(dòng)化評(píng)定多關(guān)注動(dòng)態(tài)平衡，根據(jù)先驗(yàn)知識(shí)提取傳感器數(shù)據(jù)時(shí)域、頻域靜態(tài)特征，忽略數(shù)據(jù)動(dòng)態(tài)變化及相互間依賴關(guān)系，導(dǎo)致特征提取欠充分，影響評(píng)定結(jié)果的準(zhǔn)確性；③臨床步態(tài)分析關(guān)注患者步態(tài)異常特征，而現(xiàn)有步態(tài)自動(dòng)化評(píng)定工具主要識(shí)別步態(tài)行為并估算運(yùn)動(dòng)學(xué)參數(shù)，缺乏步態(tài)異常特征分析；④ROM 自動(dòng)評(píng)估由于存在多個(gè)關(guān)節(jié)測(cè)量情況，多關(guān)節(jié)可穿戴式傳感器標(biāo)記困難，深度視頻傳感器雖受患者干擾低，但存在視頻遮擋問題。

針對(duì)上述問題，腦卒中運(yùn)動(dòng)功能自動(dòng)化評(píng)定可開展以下研究：①多源多模態(tài)數(shù)據(jù)獲取，如針對(duì)上肢運(yùn)動(dòng)控制，除結(jié)合人體運(yùn)動(dòng)學(xué)和機(jī)體構(gòu)造，獲取IMU、肌電、握力等傳感器數(shù)據(jù)外，可考慮人口統(tǒng)計(jì)學(xué)、臨床診斷等信息，引入多模態(tài)數(shù)據(jù)融合與特征選擇方法開展特征融合與關(guān)鍵屬性選取；②設(shè)計(jì)深度學(xué)習(xí)模型表示康復(fù)多變量時(shí)間序列特征，捕獲多傳感器數(shù)據(jù)間相互關(guān)系和時(shí)間維度演化特征；③引入模式挖掘技術(shù)開展臨床數(shù)據(jù)與步態(tài)異常特征關(guān)聯(lián)分析，輔助醫(yī)生制定個(gè)性化康復(fù)治療方案；④開展基于多源多維深度傳感器的運(yùn)動(dòng)關(guān)節(jié)三維空間運(yùn)動(dòng)捕捉，避免視頻遮擋問題，實(shí)現(xiàn)ROM非接觸式精準(zhǔn)評(píng)定。

目前，腦卒中發(fā)病日益增加，傳統(tǒng)人工評(píng)定不能較好滿足日益增長(zhǎng)的康復(fù)需求。運(yùn)動(dòng)功能自動(dòng)化評(píng)定通過傳感器技術(shù)和機(jī)器學(xué)習(xí)方法建立運(yùn)動(dòng)功能障礙程度與數(shù)據(jù)模型的評(píng)估關(guān)系，經(jīng)過實(shí)驗(yàn)和臨床驗(yàn)證，獲得較好性能表現(xiàn)。后續(xù)腦卒中運(yùn)動(dòng)功能自動(dòng)化評(píng)定將在傳感器便攜性、精準(zhǔn)性、易操作性和深度人工智能技術(shù)的引入方面深入發(fā)展，在改善康復(fù)效果、降低醫(yī)療成本、減輕醫(yī)生負(fù)擔(dān)等方面扮演日益重要的角色，促進(jìn)社區(qū)和家庭康復(fù)健康發(fā)展。