[发明专利]基于视频运动捕捉的多模态脑卒中上肢康复训练系统

权利要求书

1.基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：包括脑电信号采集装置、功能性电刺激装置、上肢康复训练设备以及运动跟踪设备；所述脑电信号采集装置和功能性电刺激装置分别通过蓝牙与终端连接，所述运动跟踪设备通过USB接口与终端连接，其中：

所述脑电信号采集装置，用于采集被试的脑电信号，并将脑电信号发送到终端；

所述功能性电刺激装置，用于接收终端被试的想象运动脑电信息并根据不同脑电信号的识别分类结果即特征指令输出不同的刺激类型、刺激频率及刺激时间；

上述刺激部位为被试的手和前臂；

所述运动跟踪设备，用以实现被试在上肢康复训练过程中的运动捕捉，并将人体运动信息发送到终端；

所述终端，用于人体脑电信号、人体运动信息的处理、分析、识别、传输以及存储，从而识别出完成被试的康复训练现状分析和评估。

2.根据权利要求1所述的基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：所述脑电信号采集装置包括脑电帽、电极、Mini-USB接口、采集前端、MCU、电池、蓝牙；

所述脑电帽采用国际导联16导的EEG脑电记录系统，前额标注为电极地，耳后为参考电极；

所述电极通过Mini-USB接口与采集前端相连，采集前端与MCU相连，MCU与蓝牙相连，蓝牙通过无线传输与终端相连；

所述电池为采集前端、MCU和蓝牙供电。

3.根据权利要求2所述的基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：

所述终端对接收到的脑电信号进行如下处理：

1)采用带通滤波器对采集到的脑电信号进行滤波处理，利用阈值小波变换法去除眼电信号和肌电信号的干扰；

2)利用小波熵算法对信号进行非线性动力学变换，从脑电信号所包含的能量信息角度度量信号的复杂性，当大脑处于清醒的想象运动状态时，脑电信号活跃，复杂度高，其对应的小波熵值较大，从而可以度量大脑的运动想象情况；

3)采用非线性模型-人工神经网络对处理后的脑电信号参数值进行分类识别和模式输出，BP神经网络模型的搭建，主要考虑网络模型中神经元的个数、神经元的特征、神经元相互之间的连接方式拓扑结构以及网络的学习规则等，以小波熵特征值为输入神经元，运动想象深度为输出对脑电信号进行模式分类，然后将数据进行可视化并输出。

4.根据权利要求1所述的基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：所述功能性电刺激装置包括蓝牙、微控制器，按键，显示屏，波形发生电路，充电电路和6通道电极片；

所述蓝牙和微控制器相连，微控制器和按键、显示器、波形发生电路依次相连，波形发生电路和电极片相连；

所述充电电路为蓝牙、微控制器、显示屏、波形发生电路供电。

5.根据权利要求4所述的基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：

所述蓝牙采用CC2560器件，用于接收终端分析处理的运动想象脑电信号特征可视化后的数据，并将该特征传送到微控制器；

所述微控制器采用STC单片机，用于接收蓝牙传回的脑电信号特征，并根据该特征控制功能性电刺激的输出；

所述显示屏采用LCD液晶显示屏，用于显示康复训练中功能性电刺激的刺激类型、频率和幅值。

6.根据权利要求4所述的基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：

所述按键用于控制康复训练中功能性电刺激的刺激类型、频率和刺激时间；

所述波形发生电路包括连续脉冲波、断续脉冲波、锯齿波和正弦波；

所述频率可调包括低频电和中频电两个档位。

7.根据权利要求4所述的基于视频运动捕捉的多模态脑卒中上肢康复训练系统，其特征在于：

所述上肢康复训练设备采用上肢智能反馈训练设备A2，用于结合权利要求4中的功能性电刺激装置对被试进行上肢康复训练，功能性电刺激装置接收终端分析处理的运动想象脑电信号特征可视化的数据后，根据该特征控制功能性电刺激的输出，在人体受到电刺激之后结合上肢智能反馈训练设备A2进行康复训练，从而达到辅助上肢康复训练的效果。