手是人体最重要的器官之一,手外伤、重复性作业和神经损伤等因素均会造成手部运动功能受损。手部运动功能评估能够帮助医生清楚地了解患者手部运动功能的受损程度,对患者的康复治疗具有指导性意义。当前临床中存在评估所需信息的获取方式不够客观、无法对手部肌腱位移和手部肌肉力进行量化评估和评估依赖于专业医师手动操作等缺点。针对上述问题,本文采用生物力学建模技术、传感器技术、信号处理技术以及人机交互技术,设计并实现了一种基于多模态信息的手部运动功能辅助评估系统。本文的主要工作如下:1、基于对当前临床中手部运动功能评估的需求分析,确定系统功能和性能要求,构建了基于多模态信息的手部运动功能辅助评估系统的设计框架。系统框架包含手部运动信息感知、手部生物力学模型设计和人机交互设计三个模块。根据系统设计框架,搭建系统硬件平台,设计系统软件结构。2、采用视觉传感器和肌电传感器分别采集手部关节节点空间坐标和表面肌电信号,基于拉依达法则和非递归型滤波器分别对视觉信息和肌电信息进行处理。根据视觉信息实现对关节角度、角速度和角加速度等手部运动信息的智能感知;通过肌电信号强度的时序对肌肉发力顺序进行分析;利用BP神经网络识别手部运动模式,为手部运动功能辅助量化评估奠定基础。3、分析人体手部骨骼、关节、肌肉和肌腱的生理解剖结构,依据手部力平衡与扭矩平衡建立了手部生物力学模型,并对手部肌腱网络分布模型与手部关节扭矩臂模型进行了优化。基于该模型和手部多模态运动信息,可实时计算手部肌腱位移和手部肌肉力,辅助医生对手部运动功能进行量化评估。4、实现手部运动功能辅助评估系统并进行可靠性测试,对本系统的手部肌腱位移和肌肉力的量化评估进行初步临床实验验证。手部肌腱位移的系统测量值与肌骨超声观测值的Pearson相关性系数均大于0.92,手部肌肉力的系统测量值与表面肌电信号在归一化后的Pearson相关性系数均大于0.88。实验结果表明,本文实现的手部运动功能辅助评估系统能够基本满足当前临床需求。