编辑推荐：
传统肌张力诊断依赖主观的改良Ashworth量表，本研究开发整合生物力学和sEMG信号的平台，通过59例（患者49例，健康人10例）多速度运动测试，提取经降维处理的特征，构建分类算法，验证其与MAS评分强相关（p<0.01），临床评估一致性高，为客观量化评估提供新方法。
传统的肌张力诊断依赖于改良的阿什沃斯量表（Modified Ashworth Scale，MAS），这种方法具有主观性，且依赖于医生的经验。尽管之前的研究探索了使用力传感器和表面肌电图（surface electromyography，sEMG）的方法，但找到一种可靠且有效的检测方法仍然是一个挑战。本研究旨在开发一个简单而有效的平台，该平台整合了生物力学数据和sEMG数据，用于上肢肌张力的评估，从而提供一种更加客观和定量的评估方法。
开发了一个检测平台，从59名受试者（包括49名患者（MAS Ⅰ = 21例，MAS Ⅰ+ = 16例，MAS Ⅱ = 12例）和10名健康个体）那里收集生物力学数据和sEMG数据，这些受试者在不同的运动速度（15°/s、20°/s和25°/s）下进行了测试。收集到的数据经过了特征提取、信号处理和统计分析。为了优化提取的特征，应用了降维技术，然后将这些特征整合到一个分类算法中进行进一步分析。
提取的特征能够有效区分患者和健康个体，两者之间存在统计学上的显著差异（p < 0.01）。此外，提取的特征与MAS评分之间的强相关性（p < 0.01）证实了所提出方法的可靠性。最后，分类算法与临床评估结果高度一致，验证了其在肌张力评估中的临床应用潜力。
本研究介绍了一种客观和定量的肌张力评估方法，摒弃了传统的主观MAS评估方式。通过提高诊断准确性，所提出的方法为肌张力诊断和治疗提供了更可靠的基础。这些发现对于优化临床决策具有重要意义，最终有助于改善患者管理和治疗策略。
传统的肌张力诊断依赖于改良的阿什沃斯量表（MAS），这种方法具有主观性，且依赖于医生的经验。尽管之前的研究探索了使用力传感器和表面肌电图（sEMG）的方法，但找到一种可靠且有效的检测方法仍然是一个挑战。本研究旨在开发一个简单而有效的平台，该平台整合了生物力学数据和sEMG数据，用于上肢肌张力的评估，从而提供一种更加客观和定量的评估方法。
开发了一个检测平台，从59名受试者（包括49名患者（MAS Ⅰ = 21例，MAS Ⅰ+ = 16例，MAS Ⅱ = 12例）和10名健康个体）那里收集生物力学数据和sEMG数据，这些受试者在不同的运动速度（15°/s、20°/s和25°/s）下进行了测试。收集到的数据经过了特征提取、信号处理和统计分析。为了优化提取的特征，应用了降维技术，然后将这些特征整合到一个分类算法中进行进一步分析。
提取的特征能够有效区分患者和健康个体，两者之间存在统计学上的显著差异（p < 0.01）。此外，提取的特征与MAS评分之间的强相关性（p < 0.01）证实了所提出方法的可靠性。最后，分类算法与临床评估结果高度一致，验证了其在肌张力评估中的临床应用潜力。
本研究介绍了一种客观和定量的肌张力评估方法，摒弃了传统的主观MAS评估方式。通过提高诊断准确性，所提出的方法为肌张力诊断和治疗提供了更可靠的基础。这些发现对于优化临床决策具有重要意义，最终有助于改善患者管理和治疗策略。
生物通 版权所有
