何娟娟 ，姚志明，李波陳 ，王建國，楊先軍

1 中國科學(xué)院 合肥物質(zhì)科學(xué)研究院 合肥智能機(jī)械研究所，合肥市，230031

2 中國科學(xué)技術(shù)大學(xué)，合肥市，230026

0 引言

世界帕金森病協(xié)會的統(tǒng)計(jì)數(shù)據(jù)顯示中國（Parkinson's Disease,PD）患者超過250萬，而且以每年10萬的速度遞增。然而PD的發(fā)病病因尚不明確，其主要病理特點(diǎn)為中腦黑質(zhì)多巴胺能神經(jīng)元嚴(yán)重缺失和紋狀體多巴胺神經(jīng)遞質(zhì)減少[1-2]，其臨床運(yùn)動特征主要為震顫、肌強(qiáng)直、運(yùn)動遲緩和姿勢不穩(wěn)。

運(yùn)動遲緩是PD典型運(yùn)動障礙癥狀，也是PD確診的必要癥狀，對藥物治療敏感。作為PD的最典型特征，運(yùn)動遲緩影響所有PD患者并干擾其日?；顒樱渲饕R床表現(xiàn)為動作變慢，行動困難，主動運(yùn)動能力喪失[3]。

傳統(tǒng)的PD評估主要依賴于臨床觀察和主觀量表。近年來出現(xiàn)了基于計(jì)算機(jī)系統(tǒng)和運(yùn)動傳感器的可穿戴的PD運(yùn)動障礙量化評估方法。本文將對運(yùn)動遲緩評估方法進(jìn)行綜述，重點(diǎn)闡述近年來國內(nèi)外可穿戴設(shè)備用于運(yùn)動遲緩量化評估的方法及技術(shù)。

1 運(yùn)動遲緩量表評估

傳統(tǒng)的PD臨床評估主要依賴量表來實(shí)現(xiàn)PD嚴(yán)重程度的評估。表1列舉出了國內(nèi)外使用較多的評估量表。

表1 PD運(yùn)動癥狀評估量表及用途Tab.1 Parkinson's exercise symptom assessment scale and its use

目前運(yùn)動遲緩的評估量表中應(yīng)用最為廣泛的為UPDRS量表，該量表包含四個部分：第一部分為心理活動，行為和情緒評估；第二部分為日常生活活動的自我評估；第三部分為運(yùn)動功能評估；第四部分為治療并發(fā)癥評估。運(yùn)動遲緩的評估主要用到第三部分運(yùn)動功能評估。UPDRS通常與Hoehn&Yahr量表和ADLS一起使用。

依靠量表的運(yùn)動狀態(tài)評估方式主要依據(jù)病人對自身情況的描述和醫(yī)生的主觀觀察，從而進(jìn)行評分診斷。醫(yī)生采用這種診斷方式無法得到較為準(zhǔn)確且長時間的數(shù)據(jù)作為評分依據(jù)，存在主觀性強(qiáng)，診斷誤差大的弊端。

2 運(yùn)動遲緩可穿戴設(shè)備評估

近年來研究出了多種智能評估方法用于PD的運(yùn)動障礙評估領(lǐng)域，例如，一些研究人員利用了紅外線攝像機(jī)或激光傳感器客觀地測量運(yùn)動遲緩[4-5]。然而大多數(shù)現(xiàn)有系統(tǒng)（例如光學(xué)跟蹤）是為實(shí)驗(yàn)室使用而設(shè)計(jì)的，并且對于家庭使用來說太笨重，復(fù)雜且昂貴。其他系統(tǒng)，如活動記錄儀，重點(diǎn)是監(jiān)測整體活動，而不是量化特定的癥狀嚴(yán)重程度[6-8]。相較而言，可穿戴設(shè)備重量輕，成本低，且可隨時隨地進(jìn)行癥狀的量化評估，便于制定個性化治療方案和遠(yuǎn)程療效評估及監(jiān)護(hù)。因此一些研究人員致力于可穿戴設(shè)備進(jìn)行PD量化評估的研究。

如NIAZMAND等[9]使用兩個金屬接觸件作為觸摸傳感器，結(jié)合加速度計(jì)和壓力傳感器測量PD患者手指敲擊的間隔。KIM等[10]使用陀螺儀在手指輕拍期間量化運(yùn)動遲緩。HELDMAN等[11]利用慣性傳感器開發(fā)出下肢運(yùn)動遲緩的評估系統(tǒng)。PRINTY等[12]提出了一個量化手指運(yùn)動遲緩的智能手機(jī)應(yīng)用程序。ZWARTJES等[13]設(shè)計(jì)了基于加速度計(jì)的動態(tài)監(jiān)測系統(tǒng)，可以對運(yùn)動遲緩的嚴(yán)重程度進(jìn)行分類。

可穿戴設(shè)備中常用的傳感器有加速度傳感器、陀螺儀以及壓力傳感器，除此之外，表面肌電傳感器、磁運(yùn)動傳感器等[14-17]也可用于量化運(yùn)動遲緩，如表2所示，列舉了常用傳感器的放置位置以及測量參數(shù)。

表2 常見的傳感器類型、放置位置及測量參數(shù)Tab.2 Common sensor types,placement position and parameters

2.1 運(yùn)動數(shù)據(jù)采集

在運(yùn)動遲緩數(shù)據(jù)采集方面，研究人員根據(jù)研究目標(biāo)與實(shí)驗(yàn)要求設(shè)計(jì)實(shí)驗(yàn)方案，包括對受試者的選取和實(shí)驗(yàn)任務(wù)的設(shè)計(jì)。

（1）受試者

選取老年P(guān)D組和年齡匹配的健康對照組作為受試者，為防止受試者可能患有的其他運(yùn)動障礙疾病對實(shí)驗(yàn)造成干擾，受試者的選取一般需要額外滿足以下要求：無癡呆（遵循國際疾病分類ICD-10癡呆的定義）或精神異常，不同時患有其他運(yùn)動障礙疾病（如上肢矯形、關(guān)節(jié)炎等），PD患者能獨(dú)立完成運(yùn)動任務(wù)[20]。

（2）實(shí)驗(yàn)任務(wù)

通常根據(jù)UPDRS量表的第3部分來設(shè)計(jì)實(shí)驗(yàn)任務(wù)，即量表的運(yùn)動檢查部分。常規(guī)的方案是指導(dǎo)病人按照量表完成測試動作，例如手指開合與抓取、手臂快速交替旋前-旋后，坐站轉(zhuǎn)換，行走等。

如MEMAR等[26]的運(yùn)動任務(wù)如圖1所示，受試者首先被要求坐在椅子上，然后從椅子上起立，以自己舒適的行走速度連續(xù)走一圈17 m長的橢圓形走道，連續(xù)行走五圈，完成最后一圈后，受試者回到椅子上坐了下來。稍事休息后，受試者以盡可能快的步行速度執(zhí)行相同的任務(wù)。

圖1 MEMAR等的運(yùn)動任務(wù)Fig.1 Motion tasks of MEMAR et al.

NIAZMAND等[9]的運(yùn)動任務(wù)如圖2所示，讓受試者盡可能快速地執(zhí)行手指敲擊動作30 s，以手指敲擊的運(yùn)動頻率來量化運(yùn)動遲緩。

圖2 NIAZMAND等的運(yùn)動任務(wù)Fig.2 Motion tasks of NIAZMAND et al.

2.2 運(yùn)動數(shù)據(jù)處理

（1）數(shù)據(jù)預(yù)處理

在數(shù)據(jù)采集過程中容易受到外界噪聲的干擾，PD患者的不自主震顫也會對數(shù)據(jù)進(jìn)行干擾，通過數(shù)據(jù)濾波預(yù)處理可有效地改善噪聲和震顫的影響。常用的濾波算法包括算數(shù)平均值濾波、滑動平均值濾波、中值濾波、復(fù)合數(shù)字濾波、防脈沖干擾平均濾波、程序判斷濾波、限幅濾波、限速濾波。傳感器ADC（模擬數(shù)字轉(zhuǎn)換）采樣，可優(yōu)先采用算數(shù)平均值濾波和滑動平均值濾波。此外，卡爾曼濾波器、數(shù)字巴特沃斯濾波器、互補(bǔ)濾波器在傳感器濾波中也有應(yīng)用，其中互補(bǔ)濾波器適用于兩種傳感器進(jìn)行融合的場合，可應(yīng)用于陀螺儀數(shù)據(jù)和加速度傳感器數(shù)據(jù)的融合。

加速度傳感器測量的數(shù)據(jù)信號是運(yùn)動加速度與重力加速度的疊加，可以通過FIR高通濾波器剔除重力加速度分量，或是通過IIR低通濾波器得到重力加速度分量。如SALARIAN等[27]對測量信號使用截止頻率為3.5 Hz的八度低通IIR濾波器，濾除噪聲和消除震顫影響。ENDO等[28]使用2.5 Hz低通濾波器來平滑EMG（肌電信號）波形。HELDMAN等[11]使用10 Hz的二階巴特沃斯濾波器對數(shù)據(jù)進(jìn)行低通濾波以去除高頻噪聲。

（2）特征提取與識別分類

目前運(yùn)動遲緩沒有特定的量化評估參數(shù)，當(dāng)前使用較多的特征參數(shù)為幅度、頻率、速度[9-13]等時域特征，頻域特征可提取快速傅里葉變換系數(shù)、信號能量、頻域熵，如表3所示為當(dāng)前常用傳感器可提取的特征參數(shù)。

表3 常用傳感器可提取的特征參數(shù)Tab.3 Features that can be extracted by common sensors

在運(yùn)動遲緩的量化方面，研究人員們多采用機(jī)器學(xué)習(xí)識別分類的方法，其中算法模型包括支持向量機(jī)、多元線性回歸、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型等，此外還有峰值檢測算法以及閾值檢測算法法，如HELDMAN等[11]使用多元線性回歸模型將定量特征與臨床醫(yī)師MDS-UPDRS評分相關(guān)聯(lián)：

R為臨床醫(yī)師的評分，b0和Bj是回歸系數(shù)，Pj的n值是從運(yùn)動數(shù)據(jù)中提取的量化變量。對新數(shù)據(jù)的泛化使用留一法交叉驗(yàn)證，此模型計(jì)算得出的輸出分?jǐn)?shù)與平均臨床醫(yī)師MDS-UPDRS分?jǐn)?shù)的平均相關(guān)系數(shù)和RMS誤差分別為0.86和0.47。

PRINTY等[12]在具有徑向基函數(shù)（RBF）核的C-支持向量分類公式下構(gòu)建的支持向量機(jī)（SVM）模型和具有500棵樹的隨機(jī)森林模型分別作為分類模型對PD患者進(jìn)行識別分類。SVM分類器的平均錯誤率為0.055，AUC（Area Under Curve）為0.916 6，隨機(jī)森林分類器平均錯誤率為0.111，AUC為0.916 6。

ZWARTJES等[13]使用決策樹對活動進(jìn)行分類，在特定節(jié)點(diǎn)上使用加速度傳感器輸出的絕對值積分(IAA)來檢測靜態(tài)活動和動態(tài)活動：

ax，ay，az分別表示x，y，z軸的加速度信號。該方法對PD患者的活動分類總體準(zhǔn)確度達(dá)到98.9%，對健康對照組活動分類總體準(zhǔn)確度為99.3%。對運(yùn)動進(jìn)行識別后提取步長、步速等特征值，利用峰值檢測算法量化運(yùn)動遲緩，得出此方法輸出得分與UPDRS得分顯著相關(guān)。

SAMà等[20]通過Relief算法將最適合檢測步行的特征識別為最大化類間距離并最小化類內(nèi)距離的特征，識別出可用于檢測行走的特征，設(shè)定相應(yīng)閾值來檢測出運(yùn)動遲緩和非運(yùn)動遲緩，在第n次行走回合中檢測到的步幅由一組表示從分析中排除步行第一步和最后兩步，將運(yùn)動遲緩分析為自由運(yùn)動。因此，排除了對應(yīng)于步態(tài)開始和步態(tài)終止的步幅，步幅的子集

3 存在的問題及展望

3.1 存在的問題

目前關(guān)于可穿戴設(shè)備在運(yùn)動遲緩量化評估的研究方面依然存在一些問題，主要表現(xiàn)在以下幾點(diǎn)：

（1）當(dāng)前大部分的PD運(yùn)動障礙測量設(shè)備使用的是單個的陀螺儀或加速度傳感器等對單一動作進(jìn)行測試評估，評估局限性大，且可能存在誤差較大，評估精度不夠的問題。

（2）缺乏大量數(shù)據(jù)樣本，在目前的研究中，樣本數(shù)據(jù)基本為研究人員自行采集，數(shù)據(jù)樣本的數(shù)量和質(zhì)量都參差不齊，用于量化的樣本量較少，所得出的研究結(jié)論可能不具有普適性且存在地域差異性。

（3）缺少對研究對象長期連續(xù)不斷的跟蹤調(diào)查，目前的研究基本都是招募幾十個受試者，采集一定量的數(shù)據(jù)后進(jìn)行分析得出相應(yīng)結(jié)論，但PD具有逐漸進(jìn)展的特點(diǎn)，需要對PD患者進(jìn)行長期跟蹤調(diào)查與評估驗(yàn)證。

3.2 展望

當(dāng)前仍需研究運(yùn)動遲緩自動檢測及量化分級方法，為PD客觀定量診療和日常監(jiān)測提供新途徑，降低檢測成本，讓患者可以隨時隨地檢測病癥。另外，應(yīng)盡可能增大PD患者數(shù)據(jù)樣本量，并且收集分析不同地區(qū)PD患者數(shù)據(jù)樣本，以增大研究結(jié)果的普適性和降低地域差異。