一種檢測眼睛肌肉疲勞的方法和檢測系統技術方案

本發明專利技術公開了一種檢測睫狀肌肌肉疲勞的方法和檢測系統，本發明專利技術提供了一種通過探測眼部睫狀肌肌電判斷眼部疲勞的檢測方法和檢測系統，所述方法包括：采集人體肌電信號，通過小波、自適應濾波等方法進行濾波，濾波后帶其它肌電信息的混合肌電信號使用盲源分離方法將信號進行分離，分離出的信號通過人工神經網絡、支持向量機(SVM)進行識別，識別出睫狀肌肌電信號，對睫狀肌肌電信號進行時域頻域轉換，轉換后的睫狀肌肌電信號用人工神經網絡、支持向量機(SVM)識別出眼睛睫狀肌的狀態，為使用者提供用眼建議。

【技術實現步驟摘要】

本專利技術涉及檢測眼睛肌肉疲勞的方法領域，特別地涉及一種檢測眼睛肌肉疲勞的檢測系統。本專利技術所述檢測方法和相關系統可以實時檢測使用者的眼睛肌肉的疲勞程度，并根據使用者的眼鏡疲勞程度適時提供用眼及其他醫學檢測的建議。
技術介紹
1、據教育部對全國學生體質健康調研顯示，我國學生視力狀況不容樂觀，7-12歲小學生、13-15歲初中生和16-18歲高中生視力不良率分別高達40.89％、67.33％和79.20％。某直轄市青少年近視防治中心報告，目前近視高發于9～13歲，特點是低齡化、高度數，近視度數高于600易導致視網膜病變，根據教育部關于印發《普通高等學校招生體檢工作指導意見》的通知要求，裸眼視力任何一眼低于5.0者，相關專業不能錄取，所以預防近視的工作刻不容緩，“不良的視覺環境，讀書寫字時光線不足，近距離用眼時間過長，讀寫姿勢不正確等是造成近視發生或發展的重要原因”。2、肌電信號(EMG)是眾多肌纖維中運動單元動作電位(MUAP)在時間和空間上的疊加，肌電信號能在一定程度上反映神經肌肉的活動。在肌肉疲勞時，肌電信號也會隨著肌肉的疲勞發生變化，這種變化有規律可循。肌肉疲勞通常是指肌肉運動系統最大作功能力或者最大收縮能力的暫時下降肌電信號可以在一定程度上反映肌肉收縮功能的變化，其檢測具有非損傷性、實際性、多靶點測量等優點，多年來應用肌電信號分析評價肌肉疲勞的應用性研究主要集中在線性的時、頻分析兩個領域，主要的研究包括肌肉活動和肌肉疲勞的肌電信號維數、復雜度、熵變化規律和特點等；3、當前市場上的學生用近視預防裝置都沒有考慮到探測使用者的睫狀肌肌電信號來判斷使用者眼鏡的狀態。4、目前預防近視相關的專利，可分為如下幾類：1)眨眼檢測類，如申請號為《201510376798.4》的專利技術專利，主要的方法是通過判斷使用者眨眼的次數和圖像，推斷出使用者眼睛是否疲勞，此種方法是從一些間接的證據(眨眼)來判斷眼睛的疲勞情況，導致眨眼次數變化的可能有很多如環境問題(光源、灰塵)、使用者眼睛的問題(干眼癥、眼結石、麥粒腫)，這導致申請號為《201510376798.4》的專利技術專利無法用一個標準判斷每一個個體眨眼代表的眼部肌肉疲勞與否。2)控制類，如授權公告號為《CN103453931B》、《CN103446653B》、《CN102743252B》的專利技術專利，雖然從使用者的外部環境和使用者本身的姿態對使用者的用眼進行規范，有效果，但是這些專利都沒有涉及到對使用者的眼睛疲勞程度進行實時的檢測，只是根據使用者讀書，學習的時間進行粗框的判斷，沒有做到精細化、實時判斷，達不到在判斷眼睛疲勞上的最佳效果。5、當前一些鍛煉睫狀肌的產品沒有考慮使用者使用時睫狀肌的疲勞狀態，考慮到實際情況是大部分情況下使用者(青少年)的睫狀肌處于疲勞狀態，在睫狀肌疲勞狀態下強行進行睫狀肌的鍛煉，只會加深睫狀肌的疲勞程度，造成使用者得到與目的相反的結果。以上分析的專利對眼睛疲勞的實時狀態沒有獲得或者獲得方法不實用，在實際使用中效果會有欠缺。
技術實現思路
針對現有技術中存在的問題，本專利技術旨在實現的技術問題為：獲取眼部周圍人體表面的肌電信號，對肌電信號進行放大、濾波、分離，用人工智能的方法識別睫狀肌的肌電信號，對肌電信號進行分析，分析出睫狀肌肌電的狀態即睫狀肌的疲勞程度。為了實現上述專利技術目的，其采用的技術方案由以下部分組成：數據采集單元，數據分析決策單元，數據傳輸單元：所述數據采集單元主要用途是采集人體表面的肌電信號，并將肌電信號進行A/D轉換，在這個過程中如果需要進行信號放大，可以先進行一次模擬信號的放大后進行A/D轉換。考慮到數字濾波的效率和計算量的壓力，如果有硬件濾波的需求在數據采集單元也可以加硬件濾波器在A/D轉換前，A/D器件的采樣頻率需要大于1K，是肌電信號頻率范圍10Hz～500Hz的兩倍或者更高，保證采樣數據的有效性。檢測電極可以是陣列式電極用于保證效果。所述數據分析決策單元主要用途是識別睫狀肌的疲勞狀態，所述數據分析決策單元從所述數據采集單元得到含有睫狀肌肌電信號和其它噪音信號的數據，所述數據分析決策單元處理流程分為如下步驟：A.濾波和變換，因為所述數據采集單元采集的數據包含眼睛眨眼、面部肌肉活動等肌電信息，在本系統被認為是噪音，需要從帶有噪音的原始數據中得到睫狀肌的肌電信號，所以要使用濾波器根據睫狀肌信號的特征對從所述數據采集單元得到的數據進行濾波，濾波可使用FIR、IIR類數字濾波器，對信號采用帶通濾波，濾波后的數據根據需要進行放大；濾波前后可以進行信號的時域、頻域變換，濾波、變換后的數據剩下由多種肌電信號合并成的信號，這些信號中包含睫狀肌肌電信號，還包括眨眼、面部肌肉活動的肌電信號，左右兩眼的多條睫狀肌的信號是相關的信號，可以視作一個信號，因使用者眼部病變等原因也有可能使多條睫狀肌信號不相關，后面的步驟會對分離出的肌電信號逐條判斷；B.信號分離提取，因為濾波和變換后的信號是由多種肌電信號合并成的信號，本步驟目的是從濾波和變換后的信號中分離睫狀肌的信號，這里視除睫狀肌外的信號為噪音信號，因為睫狀肌信號和其他噪音不相關，所以使用數學方法將信號分離，數學方法可以使用盲源分離(BSS)、自適應信號濾波、經驗模態分解法、主成分分析、小波，使用盲源分離(BSS)進行信號分離時分離出一組待判定的信號，這組待判定的信號中的有睫狀肌肌電信號；左右兩眼的多條睫狀肌的信號是相關的信號，可以視作一個信號，在使用盲源分離(BSS)進行信號分離后作為一個信號存在，但是在某些情況下，因眼部病變或者睫狀肌本身的病變，可能會造成使用盲源分離(BSS)進行信號分離后有多個睫狀肌信號的存在；C.對信號進行識別，本步驟目的是識別出睫狀肌的疲勞程度，識別的方式可以是人工神經網絡或支持向量機(SVM)，識別前可以由使用人對識別系統進行訓練，或者根據事前對大量使用者預先分析的數據對識別系統進行訓練，識別可以有兩級，第一級識別出睫狀肌信號，第二級識別睫狀肌信號的疲勞程度，兩級使用的識別方式、算法可以不同；識別的方式也可以是根據設定的閾值對信號的時域或頻域特性進行判定，也可結合時域、頻域特性共同判定(幅頻聯合分析JASA)，如根據Piper規律判斷表面肌電信號的頻率變化得出肌肉的疲勞程度，本步驟如果有需要可以進行時域頻域變換，變換的方法可以是傅里葉變換、小波變換；如上一步驟是盲源分離(BSS)方法，經盲源分離(BSS)得到的一組待選信號經過人工神經網絡或支持向量機(SVM)進行識別，識別出睫狀肌肌電信號，睫狀肌肌電信號直接通過人工神經網絡或支持向量機(SVM)識別出睫狀肌的疲勞狀態，或者將睫狀肌肌電信號的時頻、幅值信息等特征進行提取，提取的信息再通過人工神經網絡或支持向量機(SVM)進行識別,識別出睫狀肌的疲勞狀態，可提取的特征：時域特征、小波變換(WT)、自回歸模型系數(AR)、倒譜系數(CEP)、小波包分解(WPT)、短時傅立葉變化(STFT)、幅值。上述步驟通常實現可以按照順序也可不按照描述的順序，上述步驟在實現時按需可以省略A或者B步驟。所述數據傳輸單元可以使數據傳輸到遠程服務端，即所述數據分析決策單元可以在本地也可以在遠程服務端上，所述數據分析決策單元和所述數據采集單元本文檔來自技高網...

【技術保護點】
一種檢測眼睛睫狀肌肌肉疲勞的方法，其特征在于，它包括以下步驟：步驟一、數據采集步驟：是指采集眼部及眼部附近人體表面的肌電信號，并將肌電信號進行A/D轉換；步驟二、數據分析決策步驟：是指識別睫狀肌的疲勞狀態，從前面步驟得到含有睫狀肌肌電信號和其它噪音信號的數據，其處理流程分為具體為：子步驟1通過帶通濾波器去除噪音信號、按需要進行前置、后置放大；子步驟2判斷睫狀肌是否疲勞。

【技術特征摘要】
1.一種檢測眼睛睫狀肌肌肉疲勞的方法，其特征在于，它包括以下步驟：步驟一、數據采集步驟：是指采集眼部及眼部附近人體表面的肌電信號，并將肌電信號進行A/D轉換；步驟二、數據分析決策步驟：是指識別睫狀肌的疲勞狀態，從前面步驟得到含有睫狀肌肌電信號和其它噪音信號的數據，其處理流程分為具體為：子步驟1通過帶通濾波器去除噪音信號、按需要進行前置、后置放大；子步驟2判斷睫狀肌是否疲勞。2.如權利要求1所述的方法，其特征在于：在步驟一和步驟二之間還存在一個步驟X、數據傳輸步驟：是指把數據采集步驟獲得的信號傳輸至數據分析決策步驟。3.如權利要求2所述的方法，其特征在于：在通過帶通濾波器去除噪音信號、按需要進行放大后，使用數學方法分離出睫狀肌信號。4.如權利要求3所述的方法，其特征在于，帶通濾波器的通帶頻率為10Hz～500Hz。5.如權利要求3所述的方法，其特征在于，分離信號的算法是盲源分離(BSS)方法。6.如權利要求3所述的方法，其特征在于，分離信號的算法是自適應信號濾波、經驗模態分解法、主成分分析法或小波方法。7.如權利要求5所述的方法，其特征在于，識別出睫狀肌肌電信號的算法是支持向量機(SVM)或者人工神經網絡，支持向量機(SVM)或者人工神經網絡已經用已有的數據進行訓練或者在使用者第一次使用時通過設備的提示對支持向量機(SVM)或者人工神經網絡進行訓練。8.如權利要求1、2或3所述的方法，其特征在于，在判斷睫狀肌疲勞前進行時域頻域轉換。9.如權利要求1、2或7所述的方法，其特征在于，根據睫狀肌信號的時域特征、小波變換(WT)、自回歸模型系數(AR)、倒譜系數(CEP)、小波包分解(WPT)、短時傅立葉變化(STFT)、幅值、頻域特性判斷睫狀肌的疲勞狀態。10.如權利要求7所述的方法，其特...

【專利技術屬性】
技術研發人員：侯力宇，
申請(專利權)人：南京智松電子科技有限公司，
類型：發明
國別省市：江蘇;32