在当前人们健康日益受到普遍关注的背景下，对患者康复的准确评价已经成为医学康复中重要组成部分，以往对康复的评价通常以静态评价为主，其结果只能反映出当前患者的状态，而患者本身是处于动态变化中的，因而有必要对其在不同时段的康复状况作出动态的评价，以反映病人恢复的情况，为患者的康复提供参考依据。
马尔科夫过程是一种无后效性的随机过程，即在已知当前状态的情况下，未来的状态与其过去状态无关，到目前为止，其在很多领域已有应用。鉴于病人的康复情况受到很多不确定因素的影响，具有很强的随机性，康复态势只与当前的某种状态有关，因此本文提出了上肢康复动态的马尔科夫方法，用马尔科夫链模拟患者康复的变化过程，并通过构建转移矩阵与确定进步度的方法对患者的康复情况作出动态的评价。
1上肢康复机器人评价的马尔科夫法
1.1马尔科夫链定义
假设的参数集T是离散的时间集合，即T=，其相应Xn可能取值的全体组成的状态空间是离散的状态集I=，对于任意的整数和任意的，条件概率满足
（1）
则称为马尔科夫链，简称马氏链。（1）式说明在已知现在所处的状态只与前一时刻的状态有关，而与过去的状态无关，此性质称为马尔科夫链的马氏性（或无后效性）。
1.2 评价状态的划分
根据患者的特点和实际需要，在评价中设有k个指标，每个指标划分为N个级别，得到其状态空间。比如说指标选择肌力大小，若将其划分为大、中、小，则，若将其划分为大、较大、中等、小，较小，则。
1.3 转移概率
为马尔科夫链在时刻n的一步转移概率。它表示系统在时刻n处理状态i的条件下，在时刻n+1系统处于状态j的概率，它相当于在时刻n处理状态i的条件下，下一步转移到状态j的概率。设上肢康复评价中有k个指标，第k个指标中有lk 个评价区域，对患者在一定的时间内进行mk次观察，两次相邻间观察病人等级由i级变成j级的总数为nijk ，令
设Pk表示一步转移概率所组成的矩阵，且状态空间I=则
称为系统状态的一步转移矩阵，它具有如下性质：
（1）
（2）
1.4 平稳分布
对于患者的康复，是一个有限的状态，根据马尔科夫的性质可知，有限状态的马尔科夫链存在稳态分布，对于k的评价指标，应满足
根据所得的平稳分布概率，评价出患者的康复程度。
2 实例
2.1 评价指标的确定
在大量的实验中，选择一名脑卒偏瘫患者为研究对象，性别男，年龄60岁。偏瘫患者的恢复期可以分为软瘫期、痉挛期和改善期。软瘫期主要以恢复和提高肌张力的训练为主，痉挛期主要以单关节的分离运动为主，改善期主要是制定运动训练计划，对病人训练。其中软瘫期和痉挛期主要以被动运动为主，改善期主要是主动运动，由于本文主要是以哈尔滨工业大学设计开发的5-DOF上肢康复机器人为实验平台，来进行康复评价的，所以选择被动运动期间内即软瘫期和痉挛期内进行研究。选取肌力、关节活动度、平衡功能和协调性作为评价指标。
肌力是指肌肉主动收缩时产生的最大力量，肌力评定主要是用来评定肌肉的功能状态，将肌力大小划分为5个等级，肌力很小为1、肌力较小2、肌力中等为3、肌力较大4、肌力很大为5。
关节活动度，主要是指关节运动时所通过的运动弧，将关节活动度划分为5个等级，位置很不标准为1、位置不标准为2、位置一般为3、位置较标准为4、位置标准为5。
平衡性是通过评定了解对象是否有平衡障碍，将平衡性划分为5个等级，平衡性很差为1、平衡性差为2、平衡性一般为3、、平衡性较好为4、平衡性好为5。
协调性主要指肢体在运动过程中整体运动模式的一种表现，可以在进行肌电信号采集时得到，将协调性划分为5个等级协调性很差为1、协调性差为2、协调性一般为3、协调性较好为4、协调性好为5。
