[发明专利]一种基于肌电-惯性信息的手部康复训练装置及方法有效

专利信息
申请号: 202111231927.2 申请日: 2021-10-22
公开(公告)号: CN113940856B 公开(公告)日: 2023-01-03
发明(设计)人: 杜义浩;曹添福;范强;常超群;张延夫;杜正;王颖;吴晓光;谢平 申请(专利权)人: 燕山大学
主分类号: A61H1/02 分类号: A61H1/02;A61B5/397;A61B5/11
代理公司: 石家庄众志华清知识产权事务所(特殊普通合伙) 13123 代理人: 陈跃心
地址: 066004 河北*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 惯性 信息 康复训练 装置 方法
【权利要求书】:

1.一种基于肌电-惯性信息的手部康复训练装置,其特征在于:包括上位机,所述上位机内设置有肌电-惯性康复训练系统,所述上位机通过无线连接有采集患者上肢肌电数据和惯性信息的Delsys肌电-惯性信息采集装置,所述Delsys肌电-惯性信息采集装置包括信号接收器和分别佩戴于受试者健侧手臂以及患侧手臂指伸肌和尺侧腕屈肌位置的Delsys肌电-惯性采集模块;所述Delsys肌电-惯性采集模块将采集的肌电信号和惯性信号通过信号接收器无线传输至肌电-惯性康复训练系统,所述肌电-惯性康复训练系统将采集的肌电信号进行预处理、特征提取、分类识别后将结果以指令形式通过蓝牙发送给可穿戴康复机械手,所述可穿戴康复机械手辅助受试者进行手部康复训练,所述可穿戴康复机械手包括由柔软的手套构成的内层、由硬材料构成的中间层、驱动手指运动的第三层,所述中间层安装有执行机构、钢丝绳导向器以及刚性板,所述第三层安装有驱动器和钢丝绳,所述可穿戴康复机械手的指尖以及关节处均装有不可拉伸织物,指尖部分装有薄膜压力传感器,手指掌心部位装有弯曲角度传感器,所述肌电-惯性康复训练系统通过采集的受试者惯性信息获取受试者运动过程中的姿态数据并运用健侧隐马尔可夫模型计算患侧手部相对于健侧手部运动功能对数似然概率,然后通过归一化处理得出患侧手部相对于健侧手部运动功能的归一化对数似然概率数值,实现肌电与惯性信息相结合方式进行手部康复训练与评估,通过Leap Motion手部跟踪器采集受试者手部动作,并同步到肌电-惯性康复训练系统内的虚拟场景中,通过场景中虚拟手的形式实现受试者可穿戴康复机械手与虚拟场景的交互;

基于肌电-惯性信息的手部康复训练装置的训练方法,包括如下步骤:

S1、将Delsys肌电-惯性采集模块佩戴于受试者健侧以及患侧手臂指伸肌和尺侧腕屈肌位置并固定,通过信号接收器将Delsys肌电-惯性采集模块与肌电-惯性康复训练系统无线连接,为受试者佩戴可穿戴康复机械手并接通电源,通过蓝牙将可穿戴康复机械手与肌电-惯性康复训练系统进行连接;

S2、登录肌电-惯性康复训练系统,Delsys肌电-惯性采集模块将采集的健侧的肌电信号和惯性信号通过信号接收器无线传输至肌电-惯性康复训练系统,开始对受试者进行手部动作康复训练;

S3、建立LF肌电分类模型:受试者根据肌电-惯性康复训练系统的虚拟场景中模型手出现的手部状态,Delsys肌电-惯性采集模块采集受试者健侧手臂指伸肌和尺侧腕屈肌位置肌电信号,通过健侧手部运动带动患侧手部训练的方式进行主动式康复训练,肌电-惯性康复训练系统对采集的肌电信号进行预处理和特征提取,肌电-惯性康复训练系统对肌电信号特征提取包括均方根值、斜率标志变更和肌电积分值的时域特征,以及中心频率、平均功率频率和平均频域的频域特征;平均功率频率计算公式为:

其中,p(f)代表肌电信号的功率谱密度函数,f代表肌电信号的频率,fp(f)指代f乘以p(f);

MPF的协同收缩率MPF_CR计算公式如下:

其中,MPFantagonist代表拮抗肌的平均功率频率,MPFagonist代表主动肌的平均功率频率;

LF肌电分类模型的损失函数公式为J(θ),对其进行二阶泰勒展开:

其中,J(θ)表示LF肌电分类模型的损失函数,θ表示LF肌电分类模型损失函数的影响参数,θ0是使得J(θ)取极小值的估计值,α是指对LF肌电分类模型损失函数进行二阶泰勒展开之后的余项;

当θ=θ0时,α=0,此时求J(θ)的最小值,对θ直接进行求导:

J′(θ)=0+J′(θ0)+(θ-θ0)*J″(θ0),

令J′(θ)=0可以得到:

加入学习率可得:

其中,学习率为优化算法的调整参数,学习率决定每次迭代的步长,同时朝着损失函数的最小值前进;

S4、通过已建立的LF分类模型进行分类,以指令的形式将分类结果通过蓝牙模块发送至可穿戴康复机械手,分别用来控制可穿戴康复机械手的不同训练动作,辅助受试者进行手部康复训练;

S5、建立惯性信号的隐马尔科夫模型:采集患侧手部运动时的惯性信号,通过隐马尔科夫模型计算患侧手部相对于健侧手部运动功能对数似然概率,对患侧手部运动功能进行评价,惯性信号特征提取过程为:信号x(t)经过N层分解,分成2N个子空间,第n(n=1,2,3...2n)个子空间信号的重构表示:

其中,j表示尺度系数,k代表平移因数,ψj,k(t)是小波函数,为小波系数;

第n个子空间重构信号对应的能量En的计算公式为:

信号分解的各个子空间叠加得到信号总的小波包能量为:

其中,WPE代表小波包能量,反映信号不同频段内的总能量大小;

S6、通过Leap Motion手部跟踪器采集受试者手部动作,经过分析处理后,完成手势识别,并在虚拟场景中以虚拟手的实时动作形式展示出来,作为视觉反馈提受试者康复训练的主动性时,形成闭环的康复训练;

S7、根据受试者情况设置训练时间,训练结束后,生成训练报表并打印存档,退出康复训练系统。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于燕山大学,未经燕山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111231927.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top