机器人辅助康复场景下偏瘫患者肌肉状态的精细化评估

本研究的主要目的在于探索如何有效结合康复设备与 sEMG、可穿戴腕表以实现对偏瘫患者肌肉状态和肌肉水平的低成本、高精度、数字化智能评估。我们将对比分析健康人、具有不同 Fugl-Meyer 运动功能评定量表（Fugl-Meyer Assessment, FMA）评分和处于不同康复阶段的偏瘫患者之间的肌肉振幅变化（Average activation coefficient, AAC）在 sEMG 信号、光电容积描记脉搏波（Photoplethysmogram , PPG）及三轴加速度信号上的表现，通过深度学习和机器学习建立评估模型，分析 FMA 评分、sEMG 数据和可穿戴腕表数据的互作关系，最终实现面向偏瘫患者的基于可穿戴腕表的 FMA 评分。这项研究旨在为数字化、可追溯的康复训练处方提供有力支持，以更便携、长程、低成本地帮助偏瘫患者监测肌肉功能状态和康复治疗效果。