可穿戴傳感裝置對帕金森病患者上肢靜止性震顫的量化評估價值

武文豪， 吳 曦， 沈林勇， 王家莉， 錢晉武*

1. 上海大學機電工程與自動化學院，上海 200072 2. 海軍軍醫大學附屬長海醫院神經外科，上海 200433

可穿戴傳感裝置對帕金森病患者上肢靜止性震顫的量化評估價值

武文豪1， 吳 曦2*， 沈林勇1， 王家莉2， 錢晉武1*

1. 上海大學機電工程與自動化學院，上海 200072 2. 海軍軍醫大學附屬長海醫院神經外科，上海 200433

目的評估采用可穿戴傳感器量化評估帕金森病(Parkinson disease，PD)患者上肢靜止性震顫的可行性。方法15例PD患者和8例健康受試者雙手穿戴檢測裝置，完成統一帕金森病評定量表(UPDRS)中的檢測靜止性震顫的標準動作。對采集到的上肢靜止性震顫的加速度信號進行時域和頻域分析，并與UPDRS中的靜止性震顫評分進行相關性分析。結果可穿戴設備可以良好地測定上肢靜止性震顫的加速度均值、均方根值、峰值振幅和峰值功率的對數值；震顫的加速度均值、均方根值、峰值振幅和峰值功率的對數值與UPDRS中靜止性震顫的評分高度相關(r分別為0.960、0.961、0.893、0.944)。結論可穿戴傳感裝置可準確、客觀、量化地評估PD患者上肢的靜止性震顫，值得臨床推廣。

可穿戴系統；靜止性震顫；帕金森病；傳感器

帕金森病(Parkinson disease，PD)是一種常見的中樞神經系統退行性疾病，主要以中腦黑質多巴胺能神經元變性或缺失和路易小體形成為病理特征。其發病率隨著人群的年齡增大而升高，嚴重影響患者的生活質量[1]。

靜止性震顫通常是PD患者或其家屬發現的首個臨床癥狀。特征為患者的手指在靜止狀態下搓丸樣震顫[2]。目前臨床仍主要依賴主觀評分量表來評估靜止性震顫，如統一帕金森病評分量表(unified Parkinson disease rating scale, UPDRS)、帕金森病Webster評分量表等[3]，評估結果主觀性強，存在明顯的個體差異。因此，本研究嘗試采用傳感裝置評估震顫，并探討其可行性。

1 資料與方法

1.1 受試者選擇 海軍軍醫大學附屬長海醫院神經外科2016年4月至9月招募23例受試者，分為PD組和對照組。對照組包括8例健康受試者，PD組包括15例PD患者。兩組一般資料差異無統計學意義(表1)。所有受試者均神智清楚，能配合完成評估。PD患者診斷符合英國腦庫臨床標準的原發性帕金森病，進行UPDRS雙上肢震顫評分，確定PD患者的靜止性震顫嚴重程度。本研究經海軍軍醫大學附屬長海醫院倫理委員會批準，所有受試者知情同意并簽署知情同意書。

表1 受試者基線資料對比

1.2 數據采集 主要通過NORAXON三維關節角度采集系統(Noraxon U.S.A. Inc.,USA)采集數據，該儀器可以將獲得的加速度數據通過無線傳輸保存到電腦中，其采樣頻率為100 Hz。受試者將傳感器通過手套固定在手背部，通過無線傳輸將數據傳輸到電腦中，采用Matlab R2014a(MathWorks, USA)軟件對數據進行處理。受試者需要完成2008版UPDRS-Ⅲ中的第21項手部靜止性震顫項目，即將雙手放在大腿上，保持不動持續15 s。

PD患者不服用抗帕金森病藥物72 h后，第2天早晨完成測量，以確保可以體現受試者服藥前的癥狀，由同一名醫師進行震顫評估，得到評分。健康受試者由于無震顫癥狀，因此評分默認為0。

1.3 靜止性震顫數據處理 針對PD患者的數據處理主要分為兩部分：震顫檢測和特征提取。首先判斷受試者是否發生震顫，當震顫發生時，再提取震顫特征值，以量化患者癥狀的嚴重程度。對數據進行了時域、頻域分析。

1.3.1 震顫檢測 對5 s窗口中的數據進行劃分，判斷這5 s內是否發生震顫。震顫的頻率多為3～8 Hz[4]，因此需要對數據進行頻域的分析。采用離散傅里葉變換(DFT)對數據進行處理，經過DFT變換后，判斷震顫發生的條件有2個，若2個條件都通過，說明該時間窗內發生震顫。條件1：由于檢測靜止性震顫，手部沒有其他運動，因此如果受試者有震顫，其頻譜圖中就會出現明顯的峰值，只要x、y、z軸中有一軸上存在明顯峰值，則條件1通過。幅頻圖中的第1大峰值Pm和第2大峰值Pm2，若Pm2小于Pm的60%，則判斷存在明顯峰值。條件2：若Pm所在的頻率在3～8 Hz(3 Hz

1.3.2 特征提取 當檢測到震顫發生后，對數據進行特征提取，主要提取震顫時域、頻域、譜域特征。由于得到的數據可能受到高頻噪聲干擾，因此采用3～8 Hz的帶通濾波器將震顫信號分離出來。有限脈沖響應(FIR)數字濾波器是一種在數字信號處理領域中應用廣泛的基礎性濾波器，其在保證任意幅頻特性的同時有嚴格的線性相頻特性。FIR濾波器下截止頻率為3 Hz，上截止頻率為8 Hz，過渡帶寬為0.2 Hz，通帶波動小于0.1 dB。在時域、頻域、譜域中計算震顫信號的特征值，由于每個PD患者的震顫方向均不同，因此特征的提取均是基于x、y、z三軸的合加速度a(i)見公式1。

其中，N表示該數據段的點數，i表示第幾個點，a(i)表示在i點的總加速度，ax(i)、ay(i)、az(i)分別表示x、y、z三軸在i點的加速度。

時域：均方根(RMS)是一種統計量，其計算公式如下。

頻域：由于震顫是以一種固定頻率的抖動，因此對x、y、z三軸數據進行DFT變換，可以求出震顫主頻率。震顫主頻率是一種顯示PD患者震顫特性的特征值。若三軸的主頻率不同，取三軸中最大峰值的頻率作為主頻率Pf。震顫峰值Pm為三軸在Pf處的合加速度(公式3)。

功率譜：對于常見的隨機信號，不可能用清楚的數學關系式來描述，但可以利用給定的N個樣本數據估計一個信號的功率譜密度，稱為功率譜估計(PSD)。由功率譜密度計算得出的峰值功率可以較好地反映信號的能量，與震顫的評分相關性較好[4]。總的峰值功率為各個軸的加速度信號的峰值功率之和。各個軸的峰值功率為圍繞主頻率Pf±4 Hz的評估功率。加速度信號某一軸的峰值功率見公式4，三軸總的峰值功率見公式5。

1.4 標準化的震顫嚴重模型 采用多元線性回歸模型對靜止性震顫的UPDRS分數進行評估。通過選取特征值中相關系數較高的特征值作為回歸模型參數(公式6)。

公式6:Rank=a1×ln(F1)+a2×ln(F2)+b

其中，a1、a2、b分別回歸系數，Rank為預測的震顫評分，F1和F2分別為時域和頻譜域相關系數最大的兩個特征值。

2 結 果

2.1 受試者時域分析 PD患者震顫UPDRS平均評分左手為(1.33±1.23)分，右手為(1.20±1.01)分；左手或右手存在明顯波形，頻率快且幅度大，雙手震顫差異明顯(圖1A)。健康受試者雙手UPDRS均為0；左手或右手均未見明顯波形，幅度微小(圖1B)。

圖1 PD患者(A)和健康受試者(B)手部波形圖

2.2 受試者頻域分析 經過DFT變化，對數據進行頻域分析，可見PD患者震顫頻率為3～8 Hz處有明顯峰值，且幅度較大(圖2A)；健康受試者沒有明顯的峰值，且幅度較小，較為平緩(圖2B)。所有受試者加速器采集的運動參數見表2。相關性分析顯示，加速度均值(MEAN)、均方根值(RMS)、峰值振幅(Pm)和峰值功率(PPeak)與上肢震顫UPDRS-Ⅲ評分相關性較好(r分別為0.850、0.850、0.864、0.763)；4種特征值的對數值與UPDRS-Ⅲ評分的相關性更好(r分別為0.960、0.961、0.893、0.944)。

圖2 PD患者(A)和健康受試者(B)手部震顫頻域圖

3 討 論

PD患者的運動癥狀評估長久以來缺乏公認的客觀量化指標，評估者對癥狀的評估費時且有主觀差異，這不利于藥物效果評估及手術效果評估。因此，越來越多的研究者探索并采用客觀測量方法來評估帕金森病癥狀。由于PD運動癥狀非常復雜，因此目前將運動癥狀分解進行量化評估。其中，對于震顫的客觀量化評估方法包括表面肌電信號(surface electromyogram, sEMG)[5-8]、慣性傳感器[9-10]、手畫線檢測[11-12]和光學傳感器檢測等[13]。sEMG采集過程較為復雜，不利于快速檢測。光學傳感器檢測對周圍環境的要求較高。以上兩種方法設備都比較復雜，不適合長時間記錄數據。慣性傳感器是檢測和測量加速度、傾斜、沖擊、振動、旋轉和多自由度運動的傳感器，分為角速率陀螺和加速度傳感器，其體積更小、精度更高，使用更方便，為長時間的震顫檢測提供了新方法。Latt等[14]采用智能手機中的加速度軟件和陀螺儀檢測震顫，并對數據進行存儲和計算，但手機的傳感器精度不高，一些微弱的震顫信號無法檢測。本研究采用的設備精度較高，并且是對加速度信號進行了分析，可以更好地反映震顫強度。

表2 加速器采集的運動參數特征值

MEAN: 加速度均值; RMS: 均方根值; Pf: 峰值頻率; Pm: 峰值振幅; PPeak: 峰值功率;Rank: 標準化的震顫嚴重模型所得評分

本研究中，健康受試者的加速度數據數值小且波動小，而PD患者在3～8 Hz存在明顯波形，說明本研究采用的方法可以檢測出靜止性震顫信號，且可以分辨出PD患者和健康者。而3～8 Hz為PD手部震顫的特征性頻率，如果患者的震顫頻率不在此范圍，則需考慮其他類型的運動障礙疾病，有一定的鑒別診斷價值。本研究將震顫量化數據與UPDRS-Ⅲ評分進行相關分析，顯示相關系數達0.965，提示通過本研究方法可對上肢震顫作出客觀準確的評價。

綜上所述，本研究中設計的可穿戴震顫數據采集裝置可以準確、客觀、數字化評估PD患者上肢的靜止性震顫。本研究的不足之處在于未對其他震顫類型評估進行研究。后續將基于本研究，對姿勢性震顫和運動性震顫進行評估，并且進一步采用支持向量機、神經網絡算法等更加智能的方式對其進行量化評分。

[ 1 ] CONNOLLY B S, LANG A E.Pharmacological treatment of Parkinson disease: a review[J].JAMA,2014,311(16):1670-1683.

[ 2 ] HURTADO J M, GRAY C M. TAMAS L B, et al. Dynamics of tremor-related oscillations in the human globus pallidus: a single case study[J]. Proc Natl Acad Sci USA, 1999, 96(4):1674-1679．

[ 3 ] 羅 毅.帕金森病的診斷標準及其評分[J].中國實用內科雜志, 1999, 19(6):325-328.

[ 4 ] 艾玲梅, 黃力宇, 王 玨. 震顫信號分析的研究現狀及展望[J]. 生物醫學工程學雜志, 2007, 24(6):1402-1405.

[ 5 ] MAETZLER W, DOMINGOS J, SRULIJES K, et al. Quantitative wearable sensors for objective assessment of Parkinson’s disease[J].Mov Disord, 2013, 28(12):1628-1637.

[ 6 ] RUONALA V, MEIGAL A, RISSANEN S M, et al. EMG signal morphology and kinematic parameters in essential tremor and Parkinson’s disease patients[J]. J Electromyogr Kinesiol, 2014, 24(2):300-306.

[ 7 ] EFTAXIAS K, ENSHAEIFAR S, GEMAN O, et al. Detection of Parkinson’s tremor from EMG signals; a singular spectrum analysis approach[C]//IEEE International Conference on Digital Signal Processing:2015. Singapore: IEEE, 2015: 398-402.

[ 8 ] RISSANEN S, KANKAANPM, TARVAINEN M P, et al. Analysis of surface EMG signal morphology in Parkinson’s disease[J]. Physiol Meas, 2007, 28(12):1507-1521.

[ 9 ] PASCOALFARIA P, PATRCIO M, LEAL A, et al. Understanding tremor in rapid upper limb movements using 3D accelerometers data[J]. Neuroscience & Medicine, 2014, 5(5):205-213.

[10] SHERRILL D M, HUGHES R, SALLES S S, et al.Advanced analysis of wearable sensor data to adjust medication intake in patients with Parkinson’s disease[C]//Conference Proceedings. International IEEE Embs Conference on Neural Engineering:2005. Arlington:IEEE,2005:202-205.

[11] SALARIAN A, RUSSMANN H, WIDER C, et al. Quantification of tremor and bradykinesia in Parkinson’s disease using a novel ambulatory monitoring system[J]. IEEE Trans Biomed Eng, 2007, 54(2):313-22.

[12] 周祖巍, 王 堅, 成偉華, 等. 手繪直線、螺線的兩個統計指標定量檢測手震顫[J]. 中國臨床神經科學, 2002, 10(2):175-177.

[14] LATT W T, TAN U X, SHEE C Y, et al. A compact hand-held active physiological tremor compensation instrument[C]//LEEE/ASME International Conference on Advanced Intelligent Mechatronics:2009. Singapore: IEEE, 2009:711-716.

Quantitative assessment value of wearable sensor for rest tremor in Parkinson disease

WU Wen-hao1, WU Xi2*, SHEN Lin-yong1, WANG Jia-li2, QIAN Jin-wu1*

1. School of Mechatronic Engineering and Automation, Shanghai University, Shanghai 200072, China 2. Department of Neurosurgery, Changhai Hospital, Navy Military Medical University, Shanghai 200433, China

Objective： To analyze the feasibility of wearable sensor for assessing the severity of tremor in patients with Parkinson disease (PD).MethodsTotally 15 PD subjects and 8 healthy subjects completed the standard action for detecting resting tremor in unified PD rating scale (UPDRS) with the detecting equipment on their hands. The time domain and frequency domain of acceleration signal collected during rest tremor were analyzed, and their correlations with rest tremor score in UPDRS were explored.ResultsThe logarithm of mean acceleration, root-mean-square roughness, peak amplitude and peak power were well assessed, which were all significantly correlated with rest tremor score in UPDRS (r=0.960，0.961，0.893，0.944).ConclusionsThe wearable tremor data acquisition device is accurate, objective and digital in evaluation of resting tremor in PD patients.

wearable system; resting tremor; Parkinson disease; sensor

2016-12-19接受日期2017-12-10

國家自然科學基金(51275282)，教育部博士點基金(20123108110009)，國家重點研發計劃“數字診療裝備研發”試點專項課題(2016YFC0105900).Supported by National Natural Science Foundation of China(51275282), Doctoral Program of the Ministry of Education of China (20123108110009), and “Digital Equipment of Diagnosis and Treatment” Special Program of National Key Research and Development Plan (2016YFC0105900).

武文豪，碩士. E-mail：wuwenhao1991@qq.com

*通信作者(Corresponding authors). Tel: 021-56331783, E-mail：jwqian@shu.edu.cn; Tel: 021-31161789, E-mail：wuxi_smmu@sina.com

10.12025/j.issn.1008-6358.2017.20161165

R 742.5

A

[本文編輯] 姬靜芳