癱瘓肢體運動功能重建的電子系統(tǒng)設計研究.pdf

1、癱瘓肢體運動功能的重建是極具挑戰(zhàn)的醫(yī)學難題。利用電子系統(tǒng)替代受損神經(jīng)組織，重建運動神經(jīng)元通路，進而重建運動功能的方法為該問題的解決提供了新的思路。該方法被稱為“微電子神經(jīng)橋”。
　　基于項目組前期在“微電子神經(jīng)橋”領域所做研究，本文主要涉及用于脊髓神經(jīng)損傷后功能重建的“微電子神經(jīng)橋”以及用于腦卒中后偏癱患者肢體運動功能重建的“微電子肌電橋”，研究內(nèi)容包括:
　　1)神經(jīng)元胞外探測仿真信號的生成算法。仿真信號生成是進行相關神經(jīng)

2、信號處理算法的基礎。
　　2)胞外探測中神經(jīng)元動作電位的檢測算法。在此基礎上，進行動作電位識別的相關研究。動作電位的檢測與識別是“微電子神經(jīng)橋”進行選擇性激勵的基礎。
　　3)基于分立器件和集成電路，進行了“微電子神經(jīng)橋”相關原型系統(tǒng)的設計，包括神經(jīng)信號探測電路、功能性電刺激電路、無線/有線神經(jīng)信號采集電路、功能電刺激信號生成電路、小型微電子神經(jīng)橋?qū)嶒炏洹⒖焖僭退惴炞C平臺，以及實時動作電位檢測與識別電路。
　　4)

3、基于分立器件和集成電路，進行了“微電子肌電橋”相關原型系統(tǒng)的設計，包括雙通道微電子肌電橋原型系統(tǒng)以及用于手部運動功能重建的微電子肌電橋系統(tǒng)。其中，雙通道微電子肌電橋原型系統(tǒng)目前已經(jīng)通過相關檢測，處于臨床科學實驗階段。
　　本文共分為7章，第1章緒論對造成肢體癱瘓的病因進行分析，重點介紹脊髓損傷與腦卒中。之后對項目組前期的工作進行了總結。第2章至第五章研究“微電子神經(jīng)橋”的相關電路與系統(tǒng)。其中，第2章介紹“微電子神經(jīng)橋”涉及的神經(jīng)生

4、物學基礎，綜述治療脊髓損傷的生物學方法，并介紹“微電子神經(jīng)橋”的原理。
　　第3章介紹“微電子神經(jīng)橋”所采用的神經(jīng)信號探測與激勵方法，以及其系統(tǒng)設計與信號處理流程。
　　第4章主要介紹“微電子神經(jīng)橋”訓練階段的信號處理核心技術:動作電位檢測與識別。首先研究胞外探測仿真神經(jīng)信號的生成方法。對于動作電位檢測問題，首先從傳統(tǒng)的幅度閾值法開始研究，分析造成傳統(tǒng)幅度閾值法誤檢率高的原因。在此基礎上，提出基于幅度閾值與動態(tài)一階前向差分閾

5、值的檢測算法。最終，結合時域特征篩選，使算法的平均靈敏度達到99.27％，平均特異度達到98.60％。對于動作電位的識別問題，首先研究基于時域信息、K-L變換和離散小波變換的三種特征提取方法。并通過基于正態(tài)性檢驗(Lilliefors檢驗)和概率密度函數(shù)估計(Parzen窗估計)的兩種特征提取方法，進行特征屬性約減。通過可分性測度，確定以基于離散小波變換所獲得的特征作為識別依據(jù)。在此基礎上，利用基于馬氏距離的K均值聚類算法，獲得高達99

6、.29％的平均分類正確率。并初步研究利用自組織映射進行類別數(shù)確定以及初始聚類中心選取的問題。
　　第5章主要涉及與“微電子神經(jīng)橋”相關的原型系統(tǒng)設計。包括神經(jīng)信號探測電路、功能性電刺激電路、無線/有線神經(jīng)信號采集電路、任意波形生成電路和小型微電子神經(jīng)橋?qū)嶒炏?。重點介紹基于ARM CortexA8+TMS320C64x+MSP430F5336硬件構架的快速原型系統(tǒng)實現(xiàn)，并將其應用于“微電子神經(jīng)橋”橋接階段的實時處理算法的快速驗證。利

7、用三倍交叉驗證，橋接階段算法的平均靈敏度，特異度以及識別正確率分別達到99.43％，97.13％和92.58％。最終以Hercules安全微控制器為目標硬件，實現(xiàn)了經(jīng)過快速原型平臺驗證的實時信號處理算法。
　　第6章初步涉及用于腦卒中后偏癱運動功能重建的“微電子肌電橋”相關原理以及原型系統(tǒng)設計，包括雙通道微電子肌電橋原型系統(tǒng)以及用于手部運動功能重建的微電子肌電橋系統(tǒng)。涉及肌電信號探測電路設計，高壓、隔離、任意波形功能性電刺激電路設

8、計，相關信號處理算法，虛擬現(xiàn)實系統(tǒng)設計以及應用于臨床時安全性方面的考慮。
　　文章的最后對全文進行總結，并提出需要進一步解決的問題。
　　本文所涉及的創(chuàng)新點:
　　1)設計一種基于幅度與動態(tài)一階前向差分閾值的動作電位檢測新算法，利用加州理工大學提供的數(shù)據(jù)庫進行測試，該算法的平均靈敏度與特異度分別達到99.45％與97.21％。
　　2)設計一種利用滑動窗口與極差判別以及中值估計的神經(jīng)信號背景噪聲估計算法。相比于D

9、onoho與Johnstone等人所提出的算法，該算法在100Hz放電頻率下估計精度提高了3倍。
　　3)設計兩種離散小波變換后的特征選擇方法:(1)利用Lilliefors檢驗以及層次化選擇的方法進行特征系數(shù)選擇，(2)利用Parzen窗估計，即核密度估計的方法進行特征系數(shù)選擇。在本文所用的可分性測度下，證明本文所提出的特征選擇方法優(yōu)于基于時域特征提取以及基于Karhunen-Loève變換的特征提取方法。
　　4)將自組