肌肉痉挛的定量评估是当代康复医学的重要课题之一,由于痉挛的发生机理至今还不甚清楚,临床上只能进行定性的评估或近似的定量评估,从而影响对痉挛病人的诊断和治疗。独立成分分析理论(ICA)是一种统计和计算技术,用于揭示随机变量、测量数据或信号中的隐藏成分,是属于盲源信号分离的一种理论。本文将ICA理论应用到肌肉痉挛定量评估中,以提高肌肉痉挛定量评估的精度来帮助患者得到更好的治疗和康复。论文介绍了痉挛发生机理以及痉挛评定的研究现状,阐述了ICA理论以及应用,从空间混合和时间混合两方面论证了不论输入信号是抛物线曲线还是脉冲信号,恢复信号Y都能很好的重建观测信号X。利用时间混合的ICA理论分析了带有脉冲输入信号的系统,恢复了此系统的脉冲信号。痉挛患者下肢摆动实验类似于此系统。对于健康者和患者采用不同的实验方法恢复出不同的脉冲信号和脉冲响应,从而得出痉挛评定指标。论文利用最小化误差,增益参数和顺序参数,解决了仿真中ICA的模糊性问题；采用ICA理论中的Fast ICA算法,在只知观测信号X的情况下得出恢复信号Y并同时重建了脉冲信号和脉冲响应；通过下肢摆动测试实验中对健康者增加扭矩来模拟痉挛的脉冲信号；利用ICA理论分析了在痉挛患者下肢摆动实验中获得的角度曲线,恢复出由痉挛肌张力产生的脉冲信号和脉冲响应,并对脉冲响应的振幅进行分析,提出了痉挛程度评定标准——振幅比(R1),指出振幅比越大痉挛程度越轻。痉挛程度评定指标R1的提出是痉挛定量评估新方法,也是ICA理论在痉挛定量评估中的具体应用。图[48]表[10]参[50]