远程康复设备梯度式运动功能自动评定系统在脑卒中患者中的应用

【作　者】刘洪红，都天慧 ，王婷婷，范晶晶，屈云

1 四川大学华西医院康复医学中心，成都市，610041

2 四川大学华西临床医学院康复医学系，成都市，610041

3 康复医学四川省重点实验室，成都市，610041

4 康复医学大数据实验室，成都市，610041

0　引言

在全世界范围内，中风是永久性残疾最常见的病因，常会造成患者不同程度的功能障碍[1]。多数患者由于经济原因在早期康复后选择出院回家，而由于交通条件的限制、护理人员的短缺以及我国康复资源的缺乏，后续的康复治疗往往也难以跟进[2]。有证据表明，卒中后数年内患者的运动功能仍有改善的可能，因此患者使用诸如远程康复等辅助技术在家庭环境中持续进行适当的康复训练非常重要[3-4]。近年来，互联网的快速普及和计算机技术的迅速发展，促进了基于远程设备的康复技术的发展，多项研究报告了它们的有效性[5-7]。

然而，在远程康复设备中，运动功能评估平台的标准尚不统一。这些差异主要包括评估时间的灵活性、测量部位以及评估项目三部分。首先，部分远程康复的评价平台高度依赖网络，评估时间可弹性度不高。例如，Boissy P等[8]测试的移动机器人系统要求对评估过程进行实时监督。从评估部位的选择来说，目前的评估平台都专注于不同的肢体评估。MIT-MANUS[9-10]的软件只适用于评估上肢运动功能，而Cikajlo I 等[11]的评估系统则是只考虑到下肢。此外，目前远程运动功能评定项目包括了关节活动度（Range of Motion, ROM）[6,12-14]，运动轨道[6,12-13]，速度[6,12]，精确度[6,12]，肌力[14]，痉挛状态[14]，平衡功能[11,15-16]，身体控制[11]和步态[16]，均未能对患者整体运动功能状态进行描述。上述实验及其评定系统均未采用标准化量表，且均未提及人性化设计概念。

为了设计出适用于脑卒中人群的远程康复梯度式运动功能自动评定系统，我们与四川旭康医疗电器有限公司合作，设计并验证该系统在与脑血管疾病（Cerebrovascular Disease, CVD）患者中的可行性。我们的目标是开发一种便利性、整合性、标准化、人性化均较好的运动功能自评系统，为未来远程康复标准化打下基础。

1　远程康复评估平台的设计

1.1　设备及评估运作流程

评估硬件设备由用于运动捕捉的可穿戴式双轴微传感器和一个10 in平板共同组成。评估设备的软件总共包含了148种评定动作，所有的评定由3D视频和音频指导完成（每秒帧数为16 Hz），详见图1。

图1　远程康复设备硬件及软件Fig.1 Hardware and software of the tele-rehabilitation equipment

本运动功能评估平台运行方式为一个闭环运作模式，总共包括医生端、患者端、家属端三个连接端口。患者首先通过初次评定进入系统，医生端在平台下载初次评定结果并根据结果制定相应的训练计划，训练计划和评定项目上传后，患者可以通过端口下载详细计划，执行并上传相应的训练和评定后，此闭环运作模式可循环进行。在此过程中，再次评定的结果可及时有效地帮助医生更新训练计划。与普通评估模式相比，本评估系统还纳入了人性化设计概念。通过家属端，患者家属可及时查阅训练结果，有效监督患者按时执行训练计划，同时此端口能编辑鼓励信息发送至患者端，提高患者训练积极性，并有效促进患者康复效果[17]。

1.2　运动功能自动评定系统的算法

本评估采用可穿戴式双轴微传感器对受限关节的关节活动度进行评定，运动捕捉采用自主研发的隐马尔科夫模型(Hidden Markov Model, HMM)和卡尔曼滤波(Kalman Filter, KF)混合算法[18]。其中隐马尔科夫模型能很好地区分运动状态，卡尔曼滤波能有效评估关节角度，这两种方式的结合能对关节运动状态的评定进行有效地捕捉，并将其转换为量化数据。该算法还能根据概率对实际动作和标准动作的差异进行比较，为控制异常运动模式提供基础。其原理是通过对评定关节两侧的运动端和支撑端进行建模，计算测试关节的俯仰角、偏航角和滚动角，评估其与标准运动的轨迹、速度和角度差异。通过上述计算过程，我们可以给关节评定一个量化的结果，此方法已被证明有效，以髋关节角度测量为例，详细计算方法如图2所示。

图2　隐马尔科夫模型和卡尔曼滤波混合算法运行过程Fig.2 Work fl ow of the hybrid HMM/KF system

1.3　基于Brunnstrom分级的评定分级标准

本评估系统还纳入了iK分期。在康复医学领域中，Brunnstrom分期已广泛用于评定脑卒中患者的运动功能，而iK分期则是基于Brunnstrom分期而设计的一种简便的运动评定分期标准[19]。与微传感器进行蓝牙连接后，本评估平台可根据16个基于Brunnstrom评定的默认动作来自动确定评定对象的iK分期。远程医疗人员可根据实际情况编辑（添加或删除）评定动作。患者执行评定动作时，软件会记录每个动作的原始数据（关节活动度、轨迹和角速度），完成的最大角度以及每个动作的完成度。接着，系统会根据三个维度来确定测量关节的iK分期，三个维度分别为完成的角度（图3）、偏差的方向和在限定时间内的完成度。在医生端，本阶段评定结果会自动呈现，如果医生想查看具体评估细节，可以点击3D按钮来看评定复原动画。

2　临床试验

初步的临床试验在四川大学华西医院康复医学中心进行。试验共纳入20位脑卒中住院患者，所有患者均无明显认知障碍（简易精神状态检查量表，MMSE≥17分），视力障碍及心理障碍。在进入正式试验前，20位患者均尝试使用本评估系统进行一次初次评定，熟悉本运动功能自动评定系统后开始正式评估，分别在入组时与入组三周后对患者患侧上下肢进行一次评定，评定内容包括iK分期评定和Brunnstrom分期评定。本临床试验方案已经由中国注册临床试验伦理审查委员会批准，所有纳入患者均已签署知情同意书（伦理审查文号： ChiECRCT-20150035）。

图3　梯度式运动功能自评系统的分级评定过程Fig.3 Assessing process of the gradient motor function self-evaluating system注：评定关节若无运动，iK分期=Ⅰ期；若有运动，iK分期=Ⅱ期

本试验纳入男性患者10例，女性患者10例；平均年龄为（50.90f12.20）岁；平均病程为（45.80f34.39）天。根据患者评定部位不同，分为患侧上肢及患侧下肢，分别进行iK分期评定及Brunnstrom分期评定，评定结果进行配对t检验分析。结果显示：本梯度式运动功能自动评定系统评定部位与评定结果均值无统计学意义；在不考虑评定部位条件下，iK分期与Brunnstrom分期评定结果也无统计学差异，详见表 1。

表1　不同评定部位的iK分级与Brunnstrom分级比较Tab.1 Comparison between the iK stage and Brunnstrom stage of diあerent limbs

为进一步分析本评估系统评估结果的可信度，将20例患者的iK分级与Brunnstrom分级结果做回归分析，结果显示二者存在直线回归关系（图 4）；同时对两组评定结果做相关性分析，呈高度正相关（R=0.923, P＜0.01）。

3　讨论

本试验主要关注本梯度式运动功能自动评定系统的可行性和准确性。结果表明，在本实验过程中整个系统运行流畅，未出现设备及操作故障，系统运作可行性高。试验结果显示本评定系统评定结果与标准化评定Brunnstrom分级评定结果无统计学差异，且呈高度正相关，评定结果具有较高的准确性。此外，本系统评定结果不受评定部位影响，对脑卒中患者上下肢运动功能评定均适用。

图4　iK分级与Brunnstrom分级的回归关系Fig.4 Regression between iK Stage and Brunnstrom Stage

本试验已初步证明此梯度式运动功能自动评定系统具有良好的便利性、整合性、标准化设计、人性化设计。与普通人工评定相比，本评定系统在低网络需求的基础上具有更高的便利性，医生不需要实时监控患者的评估过程，只需在空余时间下载患者的评估结果即可，时间可弹性较大。相对于其他远程评估方法，本评估对于上下肢运动功能评定均适用，具有良好的整合性。另外，与普通远程运动功能评定相比，本评估系统不仅能详细评定关节活动度、轨迹、速度等常见评定条目，还能用与Brunnstrom分级高度相关的iK分级对患者上下肢整体运动状态进行分期，系统功能更加满足标准化设计。更重要的是，本运动功能评估系统引入了人性化设计概念，充分考虑了患者及家属的角色，这也是本评估系统设计中的创新性亮点。

除上述优点以外，本运动功能评估系统在康复医学中还比其他采用类似技术的非医疗性运动评估设备有更大的优势。XSens是国际上最知名的运动捕获产品研发公司，它的3D运动捕捉技术已应用于专业运动分析、三维动画、工业控制及稳定领域，但目前还未应用于康复医学领域。其他产品，如SONY的PS2提供了基于加速度传感器和光学摄像头的交互游戏界面，但这类产品不能提供人体肢体精确的方位，不能解决康复评估问题[20]。

4　结论

本文设计开发了一种梯度式运动功能自动评定系统，临床试验已初步证明了它的可行性和有效性。与普通人工评定和远程评定相比具有良好的便利性、整合性、标准化设计、人性化设计，在采用同类技术的非医疗性运动评估设备中也有较大的竞争优势。

[1] Singam A, Ytterberg C, Tham K, et al. Participation in complex and social everyday activities six years after stroke: predictors for return to pre-stroke level[J]. PloS one, 2015, 10(12): e0144344.

[2] Wolf S L, Sahu K, Bay R C, et al. The HAAPI(home arm assistance progression initiative) trial: a novel robotics delivery approach in stroke rehabilitation[J]. Neurorehabil Neural Repair, 2015, 29(10):958-968.

[3] Feys H, De Weerdt W, Verbeke G, et al. Early and repetitive stimulation of the arm can substantially improve the long-term outcome after stroke: a 5-year follow-up study of a randomized trial[J]. Stroke, 2004, 35(4): 924-929.

[4] Langhammer B, Lindmark B, Stanghelle J K. Physiotherapy and physical functioning post-stroke: exercise habits and functioning 4 years later? long-term follow-up after a 1-year long-term intervention period: a randomized controlled trial[J]. Brain Inj,2014, 28(11): 1396-1405.

[5] David J R, Clifton T P, Jeあ A N, et al. Web-based telerehabilitation for the upper extremity after stroke[J]. IEEE Trans Neural Syst Rehabil Eng, 2002, 10(2): 102-108.

[6] Rodriquez-de-Pablo C, Perry J C, Cavallaro F I, et al. Development of computer games for assessment and training in post-stroke arm telerehabilitation[C]. Conf Proc IEEE Eng Med Biol Soc, 2012:4571-4574.

[7] Jamwal P K, Hussain S, Mir-Nasiri N, et al. Tele-rehabilitation using in-house wearable ankle rehabilitation robot[J]. Assist Technol, 2016 Sep 22:1-10.

[8] Boissy P, Brière S, Corriveau H, et al. Usability testing of a mobile robotic system for in-home telerehabilitation[C]. Conf Proc IEEE Eng Med Biol Soc, 2011:1839-1842.

[9] Krebs H I, Hogan N, Volpe B T, et al. Overview of clinical trials with mit-manus: a robot-aided neuro-rehabilitation facility[J].Technol Health Care, 1999, 7(6): 419-423.

[10] Holden M K, Dyar T A, Dayan-Cimadoro L. Telerehabilitation using a virtual environment improves upper extremity function in patients with stroke[J]. IEEE Trans Neural Syst Rehabil Eng, 2007,15(1): 36-42.

[11] Cikajlo I, Matjacic Z. Directionally specific objective postural response assessment tool for treatment evaluation in stroke patients[J]. IEEE Trans Neural Syst Rehabil Eng, 2009, 17(1): 91-100.

[12] Brennan D M, Lum P S, Uswatte G, et al. A telerehabilitation platform for home-based automated therapy of arm function[C].Conf Proc IEEE Eng Med Biol Soc, 2011: 1819-1822.

[13] Rodriguez-de-Pablo C, Balasubramanian S, Savic A, et al.Validating armassist assessment as outcome measure in upper-limb post-stroke telerehabilitation[C]. Conf Proc IEEE Eng Med Biol Soc, 2015: 4623-4626

[14] Park H S, Peng Q, Zhang L Q. A portable telerehabilitation system for remote evaluations of impaired elbows in neurological disorders[J]. IEEE Trans Neural Syst Rehabil Eng, 2008, 16(3):245-254.

[15] Cikajlo I, Krpi A. Postural responses of young adults to collision in virtual world combined with horizontal translation of haptic fl oor[J]. IEEE Trans Neural Syst Rehabil Eng, 2014, 22(4): 899-907.

[16] Franco C, Fleury A, Gumery P Y, et al. Ibalance-ABF: A smartphone-based audio-biofeedback balance system[J]. IEEE Trans Biomed Eng, 2013, 60(1): 211-215.

[17] Karahan A Y, Kucuksen S, Yilmaz H, et al. Eあects of rehabilitation services on anxiety, depression, care-giving burden and perceived social support of stroke caregivers[J]. Acta Medica (Hradec Kralove), 2014, 57(2): 68-72.

[18] Dong L, Wu J, Bao X. A hybrid hmm/kalman fi lter for tracking hip angle in gait cycle[J]. IEICE Trans Inf Syst, 2006, 89(7): 2319-2323.

[19] Huang C Y, Lin G H, Huang Y J, et al. Improving the utility of the brunnstrom recovery stages in patients with stroke: validation and quantif i cation[J]. Medicine (Baltimore), 2016, 95(31): e4508.

[20] Flynn S, Palma P, Bender A. Feasibility of using the sony playstation 2 gaming platform for an individual poststroke: a case report[J]. J Neurol Phys Ther, 2007, 31(4): 180-189.