痉挛是一种由上运动神经元功能受损导致的临床症状,多发生于脑卒中、脊髓损伤、脑瘫、多发性硬化等患者,其评估对于患者的临床管理和治疗具有很重要的意义。当前对于痉挛的量化评估主要包括临床量表、生物力学和电生理学三种方法,但是这些方法分别存在着主观性强、设备复杂以及评估片面的问题。因此,本研究致力于实现一种基于表面肌电和运动传感器的肌痉挛量化评估方法,为临床提供客观的评估方式。本研究以肱二头肌或肱三头肌痉挛为研究对象,针对肘关节设计了一系列不同速度下的被动牵拉运动,通过表面肌电和运动传感器捕获肌肉的牵张反射活动以及肘关节被动牵拉运动状态。基于采集的实验数据,本研究分别建立了 λ模型和运动模型。λ模型利用中枢神经系统对于牵张反射的调控,建立了牵张反射阈值与牵拉速度之间的线性模型,并提取方程的截距用于痉挛评估;运动模型基于急动度不变的假设,对实验人员意图的牵拉运动进行重构,并提取了运动轨迹之间的相关系数和角加速度信号的中值频率,分别表示运动曲线之间的相似性和牵拉运动的稳定性。利用两种模型所提取的参数,本研究分别采用单模型和模型融合两种方法实现痉挛评估,并以受试者的临床痉挛MAS(modified Ashworth scale)评估为标准,采用对所有受试者评估结果的均方误差MSE(mean squared error)作为痉挛评估方法性能的评价指标。研究结果表明基于模型融合的痉挛评估算法能够获得比单模型更好的评估效果。此外针对模型参数融合,本研究采用了多种算法实现痉挛评估,其中基于径向基核函数的支持向量回归算法在模型超参数优化的条件下得到了最小的评估MSE。本研究所提出的基于模型参数融合的方法能够实现对于痉挛客观的量化评估,并且利用便携式的表面肌电和运动传感器有助于其在临床、社区及家庭康复的应用。痉挛的量化评估能够提供对于患者治疗效果的准确反馈,对于临床医生制定科学合理的治疗计划具有非常大的意义。