李瑩華 李貞蘭 陳曉偉 徐國興 連雅雯

0 引言

近幾十年，隨著科技的快速發(fā)展與醫(yī)學(xué)的進步，智能機器人技術(shù)以其獨特的優(yōu)勢廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域中[1-2]?？祻?fù)機器人作為機器人技術(shù)在康復(fù)醫(yī)學(xué)領(lǐng)域中的應(yīng)用，可針對患者的損傷程度提供不同強度和模式的個性化康復(fù)訓(xùn)練。由于其具有提高康復(fù)效率、保證康復(fù)質(zhì)量、降低人力成本等優(yōu)勢，逐漸成為國內(nèi)外研究和應(yīng)用的熱點[3]。

然而，現(xiàn)階段有關(guān)康復(fù)機器人臨床治療應(yīng)用方面的研究較多，而與之相匹配的康復(fù)療效評價方面的研究較少[4]。目前對于康復(fù)機器人訓(xùn)練效果的評估大多采用臨床量表評價法，雖然該方法具有良好的信度和效度，但研究發(fā)現(xiàn)其具有主觀性強、費時費力，且難以精準(zhǔn)評估患者運動功能恢復(fù)的情況等缺陷[5]，認為臨床常用的評估量表不一定適用于康復(fù)機器人訓(xùn)練過程中的運動功能康復(fù)療效的評估。因此，為提高康復(fù)評估的效率與質(zhì)量，需進一步研發(fā)和完善與治療系統(tǒng)相匹配的客觀、實時、定量且靈敏度高的康復(fù)療效評價系統(tǒng)。

本文就目前康復(fù)機器人運動訓(xùn)練過程中的康復(fù)療效客觀評價方法予以綜述，根據(jù)傳感器的類型分為：基于康復(fù)機器人內(nèi)部傳感器的運動功能評價方法、基于表面肌電信號的運動功能評價方法、基于體感交互設(shè)備的運動功能評價方法。此外，介紹了綜合評價的數(shù)學(xué)建模方法，以期為康復(fù)機器人臨床療效評價系統(tǒng)方面的研究提供參考。

1 康復(fù)機器人訓(xùn)練效果的評價方法分類

1.1 基于康復(fù)機器人內(nèi)部傳感器的運動功能評價方法

康復(fù)機器人常通過多種傳感器，有效監(jiān)測和記錄整個康復(fù)訓(xùn)練過程中的人體運動學(xué)參數(shù)，如運動速度、運動范圍、運動平穩(wěn)性、運動精確度、運動效能(主動運動比例)、運動效率(理論/目標(biāo)軌跡長度與實際運動軌跡長度之比)等，進而對患者的康復(fù)進展做出量化評價，具有較高的靈敏度[6]。

Colombo等[7]在單自由度手腕康復(fù)機器人和雙自由度肘-肩康復(fù)機器人中，采用完成圓形或方形軌跡任務(wù)時的平均速度、運動偏差和主動運動指數(shù)來描述恢復(fù)期腦卒中患者上肢的運動速度、精確度及效能，認為這些運動學(xué)參數(shù)與Fugl-Meyer運動功能評定量表呈中度相關(guān)(r>0.53,P<0.03)。Longhi等[8]則在Armeo Spring外骨骼機器人中，采用手徑比、平均速度和速度分布峰速度來測定腦卒中患者上肢的運動精確度、速度及平穩(wěn)性，結(jié)果與Wolf運動功能評價量表呈中度相關(guān)(|rho|=0.31-0.50)。以上運動學(xué)參數(shù)與量表評價法的相關(guān)性研究結(jié)果，為該評價方法應(yīng)用于臨床療效評估提供了可能性。

基于康復(fù)機器人內(nèi)部傳感器識別記錄訓(xùn)練過程中的運動學(xué)參數(shù)，能夠?qū)崟r定量評估不同的運動模式，還能夠掌握患者是否主動參與訓(xùn)練等情況。但尚存以下問題：① 不同機器人提供的運動學(xué)參數(shù)和指標(biāo)不一致，評估結(jié)果缺乏可比性。例如，InMotion上肢機器人采用峰值速度來反映運動平穩(wěn)性，而RUPERT上肢外骨骼機器人以加速度變化率來反映這一特性；運動精確度評價方面，Braccio di Ferro觸覺機器人通過記錄“∞字形”軌跡任務(wù)時的運動軌跡偏差來反映運動精確度，而HapticKnob末端牽引式上肢機器人則記錄了點對點任務(wù)時的目標(biāo)誤差來反映這一特性[9-12]。② 無嚴格的信度和效度研究，尚待進一步的驗證[13]。③ 因康復(fù)機器人的機械結(jié)構(gòu)限制了參數(shù)采集的范圍，如末端牽引式上肢康復(fù)機器人的內(nèi)部傳感器只能記錄手部運動軌跡，而不能采集上肢其他部位的運動學(xué)參數(shù)，導(dǎo)致其評估結(jié)果不夠全面。此外，部分康復(fù)機器人無信號采集子系統(tǒng)，不能實時采集訓(xùn)練過程中的運動學(xué)參數(shù)。

鑒于以上缺點，基于機器人內(nèi)部傳感器提供運動學(xué)參數(shù)來進行康復(fù)療效評估方法尚未得到臨床廣泛應(yīng)用，筆者認為建立規(guī)范有效的評價體系是康復(fù)機器人亟需解決的問題。

1.2 基于表面肌電信號的運動功能評價方法

表面肌電信號作為一種肌電活動產(chǎn)生的生物電信號，在一定程度上反映了神經(jīng)、肌肉的活動。因此，分析表面肌電信號的特征能夠定量評估患者局部運動功能的改善情況。目前，表面肌電信號常用于評估腦卒中患者的肌力與肌張力的改善程度。

張海燕等[14]在Fourier M2上肢康復(fù)機器人中，采集患側(cè)肱二頭肌和肱三頭肌的表面肌電信號評估患者上肢肌力的改善情況，發(fā)現(xiàn)表面肌電信號均方根值與Fugl-Meyer運動功能、徒手肌力評分呈顯著正相關(guān)。朱琳等[15]在A2型肢體智能反饋訓(xùn)練系統(tǒng)中采集肱二頭肌和肱三頭肌的表面肌電信號，用積分肌電值評估腦卒中上肢痙攣改善程度，發(fā)現(xiàn)與改良Ashworth量表具有較高的一致性。以上研究認為表面肌電信號可用于康復(fù)機器人訓(xùn)練過程中的肌力和痙攣方面的評估。

一些學(xué)者將表面肌電信號與算法相結(jié)合，進行康復(fù)療效的等級評價。即預(yù)先設(shè)計不同等級的動作及對應(yīng)的表面肌電信號特征值，當(dāng)患者完成規(guī)定動作時采集表面肌電信號，運用算法對其特征值進行分級得出評價結(jié)果。Liparulo等[16]運用模糊邏輯算法，分析不同Brunnstrom分期的腦卒中患者的表面肌電信號，結(jié)果顯示準(zhǔn)確率為92.47%。王豐焱等[17]采用tsfresh庫和隨機森林模型對表面肌電信號進行特征提取和篩選，并采用集成學(xué)習(xí)方法建立了基于Brunnstrom分期的康復(fù)分級自動評價模型，結(jié)果顯示，該算法可以將評價結(jié)果的準(zhǔn)確率提高到94.36%。西安交通大學(xué)[18]將該方法運用到康復(fù)機器人虛擬環(huán)境下的任務(wù)訓(xùn)練中，通過采集患者的下肢表面肌電信號，計算每塊肌肉的肌電信號均值占正常人的百分比，進而評價運動狀態(tài)并進行等級分類，表明基于表面肌電信號的康復(fù)等級評價也可用于康復(fù)機器人動態(tài)評價體系中。

表面肌電信號在腦卒中運動功能障礙評價中具有良好的應(yīng)用價值，數(shù)學(xué)建模后的數(shù)據(jù)可實時提供康復(fù)等級，精確反映局部肌肉活動的細微變化，且具有無創(chuàng)、非侵入性、操作簡單等優(yōu)點，但通過該方法采集的數(shù)據(jù)易受電極位置、降噪處理過程、特征提取方法等諸多因素的干擾，因此評價難度高，臨床應(yīng)用受限[19]，如何有效采集并提取表面肌電信號是該評價方法能否進一步應(yīng)用于康復(fù)機器人臨床療效評估的關(guān)鍵環(huán)節(jié)。

1.3 基于體感交互設(shè)備的運動功能評價方法

隨著體感交互技術(shù)的不斷成熟，該技術(shù)逐漸應(yīng)用于康復(fù)評估與治療中。研究表明，外接式體感設(shè)備可動態(tài)跟蹤和捕捉關(guān)節(jié)的運動位置和軌跡，實時計算各關(guān)節(jié)活動度，具有較高的精確度。目前常用的有3D動作捕捉系統(tǒng)、Kinect、Leap Motion等。

3D動作捕捉系統(tǒng)通過標(biāo)記點采集關(guān)節(jié)在三維空間的位置坐標(biāo)，目前被認為是關(guān)節(jié)活動度測量的金標(biāo)準(zhǔn)。Chen等[20]在外骨骼式上肢康復(fù)機器人中，通過3D動作捕捉設(shè)備和計算機技術(shù)，監(jiān)測上肢在空間的位置變化，利用Mahony互補算法計算患者上肢的關(guān)節(jié)活動度，以評估患者上肢的運動功能和康復(fù)療效。Zong等[21]將RobuWalker下肢步行機器人與3D人體動作捕捉系統(tǒng)相結(jié)合，記錄人體下肢各個關(guān)節(jié)位置以及關(guān)節(jié)活動度變化，發(fā)現(xiàn)3D動作捕捉系統(tǒng)也可實時評估下肢關(guān)節(jié)活動度及行走功能。Murphy等[22]利用光電3D動作捕捉采集完成伸手及喝水任務(wù)過程中的關(guān)節(jié)活動度變化，也證實了該方法的可行性。3D動作捕捉設(shè)備精確度高，但價格昂貴，且在運動時標(biāo)記點容易被其他物體和自身遮擋而影響數(shù)據(jù)采集。

Kinect主要通過紅外深度攝像頭實時捕捉運動過程中肢體的運動姿態(tài)，本質(zhì)是一種無標(biāo)記點的動作捕捉系統(tǒng)。Brokaw等[23]提出在末端牽引式上肢機器人訓(xùn)練過程中利用Kinect對患者的動作進行實時監(jiān)測與信息反饋，以減少腦卒中患者出現(xiàn)的代償動作，該方法不僅幫助患者以正確的運動模式進行訓(xùn)練，也為Kinect應(yīng)用于機器人療效評估提供了新的思路。韓志峰等[24]提出一種基于Kinect骨骼跟蹤技術(shù)和Unity3D游戲引擎技術(shù)相結(jié)合的上肢康復(fù)訓(xùn)練與評估系統(tǒng)，利用Kinect設(shè)備獲取各關(guān)節(jié)角度序列和距離序列，并運用算法加權(quán)評分實時提供患者上肢運動功能的改善情況。Kinect成本較低、操作方便，但不適合手部精細運動的測量[25]。

Leap Motion可獲取手指關(guān)節(jié)的三維坐標(biāo)信息，實時識別各種手勢，有效彌補了Kinect無法測量手部精細運動的不足[26]。Li等[27]提出Leap Motion與算法相結(jié)合的自動化評估系統(tǒng)，在患者完成康復(fù)機器人任務(wù)過程中，利用Leap Motion捕捉手部角度信息，再運用集成學(xué)習(xí)算法自動計算出Fugl-Meyer運動功能量表與Brunnstrom量表的評分結(jié)果。該研究通過對50例腦卒中患者進行臨床試驗，發(fā)現(xiàn)系統(tǒng)得到的自動評分結(jié)果與人工評分結(jié)果具有較高的一致性，提示該方法可用于患者手功能的自動評估。楊文璐等[28]將Leap Motion與Unity3D技術(shù)相結(jié)合，在偏癱患者完成抓握動作時，獲取患者的腕關(guān)節(jié)背伸角度、近端指間關(guān)節(jié)屈曲角度、掌指關(guān)節(jié)屈曲角度及拇指對指功能等特征點信息，通過與正常人體關(guān)節(jié)活動度進行對比來評估患者手指抓握功能的改善情況，但該系統(tǒng)尚需進一步的臨床研究以驗證其有效性。

基于體感交互設(shè)備的康復(fù)機器人療效評價方法能夠準(zhǔn)確地反映關(guān)節(jié)活動范圍的動態(tài)變化，在一定程度上彌補了傳統(tǒng)臨床評估方法的不足；與基于機器人內(nèi)部傳感器的康復(fù)療效評價方法相比，具有采樣頻率高、數(shù)據(jù)處理速度快、采集范圍廣、技術(shù)相對較成熟等優(yōu)勢。但運動功能康復(fù)評價指標(biāo)單一，難以監(jiān)測患肢肌力恢復(fù)狀態(tài)及運動模式的改變，具有一定的局限性。

2 數(shù)學(xué)建模綜合評價方法

針對腦卒中患者的康復(fù)效果綜合評價，有學(xué)者提出層次分析法、模糊綜合評價法和灰色關(guān)聯(lián)分析法等數(shù)學(xué)建模方法總體評價訓(xùn)練效果，以達到全面評估和提高評估的準(zhǔn)確性。

2.1 基于層次分析法的綜合評價方法

層次分析法是定性分析與定量分析相結(jié)合的目標(biāo)決策分析方法。該方法根據(jù)問題的性質(zhì)和預(yù)期設(shè)定的總目標(biāo)，將問題分解成不同的組成因素，即按照因素間的相互關(guān)系與隸屬關(guān)系，分為目標(biāo)層、準(zhǔn)則層和方案層，從而建立一個多層次分析結(jié)構(gòu)模型，并通過計算準(zhǔn)則層、方案層中的各個因素相對于總目標(biāo)的權(quán)重系數(shù)，得到綜合評價結(jié)果。

王睿等[29]將層次分析法應(yīng)用于運動反饋虛擬現(xiàn)實康復(fù)系統(tǒng)，初步實現(xiàn)了對患者康復(fù)訓(xùn)練整體效果的自動評價。該研究以康復(fù)訓(xùn)練綜合評價為目標(biāo)層；以患者自身情況A1、訓(xùn)練設(shè)置情況B1及訓(xùn)練過程情況C1為準(zhǔn)則層；以綜合關(guān)節(jié)活動度A11、系統(tǒng)訓(xùn)練次數(shù)A12、訓(xùn)練時間B11、訓(xùn)練模式B12、訓(xùn)練模式難易程度B13、動作方向準(zhǔn)確度C11、目標(biāo)完成情況C12及訓(xùn)練完成百分比C13為方案層構(gòu)建評價指標(biāo)體系結(jié)構(gòu)，并采用“1-9”標(biāo)度法對各指標(biāo)進行比較，得出各指標(biāo)的權(quán)重。根據(jù)各指標(biāo)的權(quán)重，計算出綜合評價得分(綜合得分=0.05A11+0.02A12+0.02B11+0.01B12+0.09B13+0.07C11+0.62C12+0.12C13)。該研究為層次分析法在腦卒中患者綜合評價中的應(yīng)用提供了可能性，但尚需進一步的信效度研究。

2.2 基于模糊邏輯的綜合評價方法

模糊邏輯綜合評價法是應(yīng)用模糊關(guān)系綜合原理，從多因素的角度對被評價事物的隸屬程度進行評價的一種綜合評價方法。先確定待評價對象的因素集和評價集，再確定各因素的權(quán)重及其隸屬度向量，獲得模糊評價矩陣，最后對模糊評價矩陣與因素的權(quán)重集進行模糊運算并進行歸一化，得到綜合評價結(jié)果。

Hennes等[30]在末端牽引式機器人訓(xùn)練過程中，利用機器人內(nèi)部傳感器和運動捕捉系統(tǒng)分別采集患者的手指及手臂各個關(guān)節(jié)的運動軌跡，再利用模糊邏輯算法進行模糊運算，得到最終評分。該研究對1名腦卒中患者與1名健康受試者進行測試，初步驗證了該評價方法的可行性，但仍需大樣本臨床研究。

部分學(xué)者結(jié)合了層次分析法與模糊綜合評價法提高評價結(jié)果的準(zhǔn)確性。王建輝等[31]在五自由度穿戴式上肢康復(fù)機器人中，根據(jù)患者運動功能障礙表現(xiàn)的特點，選取關(guān)節(jié)活動度、肌力、肌張力、運動控制功能、反射活動及表面肌肉電信號作為評價指標(biāo)，再運用層次分析-模糊分析法確定評價指標(biāo)的權(quán)重系數(shù)和隸屬度，構(gòu)建了上肢運動功能綜合評價系統(tǒng)。

2.3 基于灰色關(guān)聯(lián)分析法的綜合評價方法

灰色關(guān)聯(lián)分析法是根據(jù)因素之間發(fā)展趨勢的相似或相異程度，作為衡量因素間關(guān)聯(lián)程度的一種方法。該方法通過指標(biāo)關(guān)聯(lián)度確定每個指標(biāo)的權(quán)重，再加權(quán)求和打分進行綜合評價。

王彤[32]在五自由度上肢康復(fù)機器人訓(xùn)練中，利用表面肌電信號和機器人內(nèi)部傳感器，獲取關(guān)節(jié)活動度、肌力、肌張力、反射及運動功能障礙評價等指標(biāo)，建立了基于灰色關(guān)聯(lián)度的模糊層次上肢康復(fù)綜合評價模型。該研究采用層次分析法和灰色關(guān)聯(lián)分析法來確定各評價指標(biāo)的權(quán)重，再利用模糊綜合評價法進行模糊合成運算，得到上肢運動功能的綜合評價結(jié)果。通過對患者進行實際評價測試，發(fā)現(xiàn)與臨床評價結(jié)果一致，證實了該方法的可行性。

基于數(shù)學(xué)建模的綜合評價方法，可全面反映患者運動功能的改善情況，然而評價指標(biāo)尚無統(tǒng)一標(biāo)準(zhǔn)且缺乏信度和效度的研究，限制了其臨床應(yīng)用推廣。

3 小結(jié)與展望

康復(fù)機器人作為新興的智能訓(xùn)練手段，具有較好的應(yīng)用前景，但與治療系統(tǒng)相匹配的康復(fù)療效評價系統(tǒng)尚待完善。隨著信號采集及處理技術(shù)的不斷發(fā)展，研究者逐漸將傳感器實時定量采集數(shù)據(jù)的方法引入康復(fù)功能評價領(lǐng)域，以彌補傳統(tǒng)臨床康復(fù)評價手段不夠客觀、量化及耗時長等不足。目前，對機器人內(nèi)部傳感器或與外接傳感器相結(jié)合獲取的運動學(xué)參數(shù)進行數(shù)學(xué)建模的綜合評價方法，成為國內(nèi)外研究的熱點，但尚需解決以下問題：不同信息采集設(shè)備提供的參數(shù)和評價指標(biāo)存在較大的差異，研究結(jié)果無可比性；評價系統(tǒng)缺乏大樣本、多中心的信度和效度研究。為了充分發(fā)揮康復(fù)智能設(shè)備在數(shù)據(jù)采集、信息處理等方面的絕對優(yōu)勢，達到從“康復(fù)訓(xùn)練”到“康復(fù)評價”的協(xié)調(diào)統(tǒng)一，亟待優(yōu)化與康復(fù)機器人訓(xùn)練系統(tǒng)相匹配的康復(fù)療效評價方法。相信隨著評價系統(tǒng)的不斷完善，將進一步推動康復(fù)機器人在康復(fù)醫(yī)學(xué)相關(guān)領(lǐng)域的廣泛應(yīng)用，為康復(fù)醫(yī)師和患者提供更高效的康復(fù)評估與治療模式。