CN101961527A - 一种结合功能性电刺激和机器人的康复训练系统和训练方法 - Google Patents

Abstract

本发明提出一种结合功能性电刺激和机器人的康复训练系统及训练方法。所述系统包括功能性电刺激部件、机器人部件、以及分别与功能性电刺激部件和机器人部件相连接的控制单元；其中所述控制单元，接收生物电信号，按照功能性电刺激部件与机器人部件辅助比例可调的模式或追踪误差阈值可调模式，实时控制所述功能性电刺激部件和所述机器人部件，使所述功能性电刺激部件刺激患者关节相应肌群，以及使所述机器人部件提供给患者关节辅助扭矩。本发明可以应用于渐进交互式肘关节，腕关节，膝关节，踝关节，和肩关节的康复，帮助患者在改善的运动空间里进行主动康复训练，极大地加快患侧关节的运动功能恢复。

Description

一种结合功能性电刺激和机器人的康复训练系统和训练方法

技术领域

本发明涉及辅助医疗康复训练设备领域，尤其涉及一种结合功能性电刺激和机器人用于给患者关节提供康复训练的系统和训练方法。

背景技术

功能性电刺激(Functional electrical stimulation，简称FES)能够通过电流人工刺激指定的肌肉组织，从而引起肌肉收缩，这样可以训练肌肉力量和产生感觉反应并反馈给大脑，以使促进神经肌肉运动功能的重塑。

康复机器人(robot)系统能够提供外部机械支持给身体部分，如偏瘫侧肢体部分，帮助患者训练相应的肢体运动，以使提高相关的感觉运动功能。所述FES和康复机器人都用于残疾人的康复。

然而，现有技术中大部分FES和robot系统通常以被动方式应用于瘫痪肢体的治疗，比如说，来自FES或robot的辅助支持不是和自主运动意识直接相关的。依据神经康复理论，有自主意识参于下的肢体康复训练比被动的肢体运动更有利于神经肌肉功能的重塑。虽然一些FES和机器人系统含有自主运动触发输入，如利用肌电或扭矩来表征自主运动，然而，这些系统仅使用自主运动输入作为触发信号去启动系统的辅助支持，系统启动后的辅助支持不再和自主运动意相关；同时，此类FES或机器人提供的训练任务往往以被动的方式由程序设定，而不能在执行训练任务时提供实时连续的人机交互。在传统的FES系统中，在刺激和肌肉收缩之间存在有反应时差，并且大部分的FES系统一般也采用预编程的被动训练运动方式，缺乏实时人机交互。现有的FES技术中，一对FES电极只可有效刺激一块目标肌肉。如果指定训练任务中包括了多块肌肉或多个肌肉群，那么在仅用FES作为训练手段的系统中对于电极数目以及电极尺寸要求就会增加；同时，如果FES所引起的肌肉收缩力度不足以便肢体完成指定训练动作所要求的位置或速度(例如对于有肌肉萎缩的患者)，那么其训练效果也会受到影响。因为，成功完成目标动作对于肢体运动感觉的恢复是重要的。机器人在训练任务中可以给偏瘫肢体提供外源性的机械支持，这就可避免在FES训练系统中由于患侧肌力不足而无法完成训练任务的现象；而且机器人在被测的生物反馈信号和电动刺激器之间不存在长时间的反应时间。然而与FES训练模式相比较，在单纯的机器人辅助训练中，系统是通过关节点来训练相应的肌肉组，但是这种训练不能针对具体某一块肌肉，如在肌肉训练的选择性上比FES性能低。由于机器人系统使用外部电机去提供辅助力量而不是利用人体本身的肌肉系统，虽然这样在完成训练动作的质量上会优于FES，但是在长期的肌力训练效果上会不如FES那样直接利用病人自己的肌肉产生辅助力量。FES所引起的肌肉收缩也可以刺激肌肉内的感觉传入神经并将来自身体内的自然感知刺激反馈给中枢神经系统。这种由FES引起的感觉通路的强化在训练期间可以帮助神经通路的重建及运动功能再学习。目前，FES和机器人在康复训练应用中都是独立的系统，还没有结合这两种系统来对患者关节进行康复训练的装置和训练方法。

发明内容

本发明的一个目的是提供一种结合FES和Robot两种功能的康复训练系统，以使能够更好地帮助患者进行康复训练。

为了实现上述目的，本发明提供一种结合功能性电刺激和机器人的康复训练系统，所述系统包括功能性电刺激部件、机器人部件、以及分别与功能性电刺激部件和机器人部件相连接的控制单元；

其中所述功能性电刺激部件，设有多个肌电电极阵列、多个FES电极阵列和多个通道FES发生器；

其中所述机器人部件，设有提供辅助扭矩支持的机械臂、带动机械臂进行旋转运动的电动机；

其中所述控制单元，接收所述肌电电极阵列所感应到的生物电信号，按照功能性电刺激部件与机器人部件辅助比例可调的模式或追踪误差阈值可调模式，实时控制所述功能性电刺激部件和所述机器人部件，使所述功能性电刺激部件中的FES发生器通过FES电极阵列刺激患者关节相应肌群，以及使所述机器人部件提供给患者关节辅助扭矩。

根据权利要求1所述的系统，其特征在于，所述功能性电刺激部件与机器人部件辅助比例可调的模式为所述控制单元按照公式(1)控制所述功能性电刺激部件和所述机器人部件提供给患者关节辅助支持：

Ass(FES，robot)＝a*Ass(FES)+b*Ass(Robot)                (1)

其中Ass(FES)为所述功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为所述机器人部件提供给患者关节的辅助支持，a和b为电刺激部件和机器人部件预先定义的辅助百分值。

所述追踪误差阈值可调模式为所述控制单元依据公式(2)选择性地并行控制或单独控制电刺激部件和机器人部件提供给患者关节辅助支持：

$\mathrm{Ass}(\mathrm{FES},\mathrm{robot})=\left\{\begin{array}{cc}\mathrm{Ass}\left(\mathrm{FES}\right),& \mathrm{Error}<\mathrm{Threshold}\\ a*\mathrm{Ass}\left(\mathrm{FES}\right)+b*\mathrm{Ass}\left(\mathrm{robot}\right)& \mathrm{Error}\&GreaterEqual;\mathrm{Threshold}\end{array}\right.---\left(2\right)$

其中，Ass(FES)为功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为机器人部件提供给患者关节的辅助支持，a和b为电刺激部件和机器人部件预先定义的辅助百分值，Error是追踪患者关节训练目标值和实际值之间的误差值，Threshold是用来判定选择性地开启辅助支持的误差阀值。

所述功能性电刺激部件提供给患者关节辅助支持定义为：

其中，Ass(FES)是到达患者关节相应肌群的辅助激励电流，I_max是最大施加到对抗肌上的激励电流，I_TF与I_TE是分别作用于屈肌与伸肌上引起肌肉收缩的阈值电流。M_F和M_E定义为公式(4)：

$M_{F/E}=\frac{{\mathrm{EMG}}_{F/E}-{\mathrm{EMG}}_R}{{\mathrm{EMG}}_{\mathrm{MAX}}-{\mathrm{EMG}}_R}---\left(4\right)$

其中，EMG_F/E是患者关节对应肌群在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R是肌肉在静息状态时的平均生物电信号，以及EMG_MAX是肌肉在等长主动收缩期间的最大生物电信号。

所述机器人部件提供给患者关节的辅助扭矩定义为：

其中，Ass(robot)表示为在追踪目标弯曲阶段或者伸展阶段电动机产生的辅助扭矩；T_F和T_E分别是患者在肌肉等长收缩期间的扭矩的最大值；M_F和M_E定义为公式(6)：

$M_{F/E}=\frac{{\mathrm{EMG}}_{F/E}-{\mathrm{EMG}}_R}{{\mathrm{EMG}}_{\mathrm{MAX}}-{\mathrm{EMG}}_R}---\left(6\right)$

其中，EMG_F/E是患者关节对应肌群在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R是肌肉在静息状态时的平均EMG信号，以及EMG_MAX是肌肉在等长主动收缩期间的最大生物电信号。

所述机器人部件提供给患者关节多处肌肉的辅助扭矩定义为：

其中，i表示肌肉的名称，Ass(robot)表示为在追踪目标弯曲阶段或者伸展阶段电动机对多处关节产生的辅助扭矩；G_i为机器人肌肉附助系数，表示肌肉i的贡献，范围在-1到1之间；T_E|i和T_F|i分别是患者肌肉i在肌肉等长收缩期间的扭矩的最大值；M_F|i和M_E|i定义为公式(8)：

$M_{F/E|i}=\frac{{\mathrm{EMG}}_{F/E|i}-{\mathrm{EMG}}_{R|i}}{{\mathrm{EMG}}_{\mathrm{MAX}|i}-{\mathrm{EMG}}_{R|i}}---\left(8\right)$

其中，EMG_F/E|i是患者关节肌肉i在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R|i是肌肉i在静息状态时的平均生物电信号，以及EMG_MAX|i是肌肉i在等长主动收缩期间的最大生物电信号。

所述功能性电刺激部件提供给患者关节多处肌肉的辅助支持定义为：

其中，I_max，i，是施加到收缩肌i上的最大激励电流；K_i为电刺激肌肉附助系数，表示肌肉i的权重，范围在-1到1之间；I_TF|I和I_TE|i分别为在弯曲或伸展阶段加在收缩肌i上引起肌肉收缩的阈值电流；M_F|i和M_E|i定义为公式(10)：

$M_{F/E|i}=\frac{{\mathrm{EMG}}_{F/E|i}-{\mathrm{EMG}}_{R|i}}{{\mathrm{EMG}}_{\mathrm{MAX}|i}-{\mathrm{EMG}}_{R|i}}---\left(10\right)$

其中，EMG_F/E|i是患者关节肌肉i在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R|i是肌肉i在静息状态时的平均生物电信号，以及EMG_MAX|i是肌肉i在等长主动收缩期间的最大生物电信号。

所述系统还包括肌电信号处理部件和数据采集部分，其中所述肌电电极阵列感应到的生物电信号通过所述肌电处理部件进行全波整流放大和滤波后，再通过所述数据采集部分输入到控制单元。

所述机器人部件还包括连接在机械臂和电动机之间的扭矩传感器和角度传感器，用来测量患者关节所产生的扭矩和角度信号。

所述生物电信号是一组包括肌电图EMG信号、肌动图MMG信号、脑电图EEG信号、神经电图ENG信号中的任意一种。

所述系统进一步地包括与控制单元相连的存储器和人机界面部分，所述存储器用于存储控制单元所获得的训练期间有关执行情况的相应信号；所述人机界面部分用来实时显示训练的执行情况，并提供给感官反馈给用户。

所述有关执行情况的相应信号为辅助扭矩信号、角度信号、扭矩或者生物电信号。

所述辅助扭矩是与患者想要运动方向一致的辅助力矩，或者是与患者想要运动方向相反的阻力力矩。

所述系统还包括干扰抑制部件，用于将所述肌电电极感应到的生物电信号中的干扰信号去除。

本发明另一目的是提供一种结合功能性电刺激和机器人的康复训练方法，所述方法采用下列步骤对患者关节进行训练：

肌电电极阵列从患者相关肌肉群中感应获取生物电信号，并传输给控制单元；

控制单元根据所述生物电信号，按照功能性电刺激部件与机器人部件辅助比例可调的模式或追踪误差阈值可调模式，实时控制所述功能性电刺激部件和机器人部件，使所述功能性电刺激部件刺激患者关节相应肌群和所述机器人部件提供给患者关节辅助扭矩。

所述控制单元按照功能性电刺激部件与机器人部件辅助比例可调的模式控制所述功能性电刺激部件和机器人部件进一步包括下列步骤：

预先设定功能性电刺激部件与机器人部件的辅助比例和训练动作达标值；

所述控制单元按照辅助比例分别控制所述功能性电刺激部件和机器人部件开始训练；

若训练动作达到所述训练动作达标值，则降低所述功能性电刺激部件与机器人部件的辅助支持，否则维持原有的辅助设定；

其中所述功能性电刺激部件与机器人部件辅助比例可调的模式为所述控制单元按照公式(11)中的a和b值来控制所述功能性电刺激部件和机器人部件：

Ass(FES，robot)＝a*Ass(FES)+b*Ass(Robot)            (11)

其中Ass(FES)为所述功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为所述机器人部件提供给患者关节的辅助支持，a和b为功能性电刺激部件和机器人部件预先设定的辅助百分值；

所述控制单元按照追踪误差阈值可调模式控制控制所述功能性电刺激部件和机器人部件进一步包括下列步骤：

预先设定追踪误差阈值和和训练动作达标值；

所述控制单元按照辅助比例分别控制所述功能性电刺激部件和机器人部件开始训练；

若训练动作达到所述训练动作达标值，则降低所述功能性电刺激部件与机器人部件的辅助支持，否则维持原有的辅助设定；

其中所述追踪误差阈值可调模式为所述控制单元按照公式(12)中的误差阈值Threshold来控制所述功能性电刺激部件和机器人部件：

$\mathrm{Ass}(\mathrm{FES},\mathrm{robot})=\left\{\begin{array}{cc}\mathrm{Ass}\left(\mathrm{FES}\right),& \mathrm{Error}<\mathrm{Threshold}\\ a*\mathrm{Ass}\left(\mathrm{FES}\right)+b*\mathrm{Ass}\left(\mathrm{robot}\right)& \mathrm{Error}\&GreaterEqual;\mathrm{Threshold}\end{array}\right.---\left(12\right)$

其中，Ass(FES)为功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为机器人部件提供给患者关节的辅助支持，a和b为电刺激部件和机器人部件预先定义的辅助百分值，Error是追踪患者关节训练目标值和实际值之间的误差值，Threshold是用来判定选择性地开启辅助支持的误差阀值。

由上述技术方案可知，本发明通过实时并连续地测得患者的自主运动意识，并用相应的生物电信号同时驱动功能性电刺激和机器人两种训练模式来对患者进行主动康复训练。由系统辅助完成的训练任务可对神经肌肉系统引入一个运动感觉性经历，这样可以帮助患者重塑受损的神经肌肉通路，并增加关节的活动范围，能够更有效地帮助患者进行康复训练。

通过以下参照附图对优选实施例的说明，本发明的上述以及其它目的、特征和优点将更加明显。

附图说明

图1是本发明FES-robot系统的结构框图；

图2是本发明FES-robot系统装置108在用于腕关节训练时的结构示意图；

图3是EMG电极与FES电极在目标肌肉上的位置示意图；

图4是本发明中Robot部件105的一个具体实施例的结构示意图；

图5是图4的透视图；

图6是由肌电幅值驱动的功能性电刺激输出实例；

图7是本发明在用于踝关节训练时Robot部件和EMG和FES电极阵列的结构示意图；

图8是本发明在用于膝关节训练时Robot部件和EMG和FES电极阵列的结构示意图；

图9是本发明在用于肘关节训练时Robot部件和EMG和FES电极阵列的结构示意图。

图10是本发明FES-robot系统用于渐进交互式训练的模式框图。

具体实施方式

下面将详细描述本发明的具体实施例。应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。

本发明提供一种结合功能性电刺激和机器人的康复训练系统，这里简称FES-Robot系统。该系统可以帮助那些带有神经肌肉损伤(比如说脑卒中造成的损伤)的人进行自主运动意愿连续控制的(而非触发式的)交互式的渐进康复训练，以使在训练期间患者能最大程度地保持患侧肌肉的主动运动。优选地，训练的偏瘫或者有肌无力的身体部位可以是上部肢体或者下部肢体。通过FES-robot系统辅助的运动包括但不限于肘关节、腕关节、膝关节以及踝关节处的伸张和弯曲。在训练期间，肢体运动任务需要很好地控制肌肉的协调性以完成指定训练任务，这些可以通过功能性电刺激FES部件和机器人Robot部件的辅助以及相应的训练模式来取得，如追踪人机界面上目标物来取得腕关节的伸张和弯曲；该系统通过一个计算机控制单元来协调FES和Robot部件协同辅助作用。该控制单元包含了一个创新性的控制策略向患者提供一个渐进交互式的FES-Robot辅助的训练方式。可以识别来自患者患侧肌肉的自主运动意愿的强度，然后分别驱动FES和Robot对受训患侧产生协同辅助，从而帮助患者实现指定训练任务。训练任务的难易程度可以按不同患者的康复进度来设定。

通过参照以下相应的附图的描述中，本发明的装置和方法细节的特点和优点将变得更容易理解。

下面某个实施例实质上仅仅是具体实施例，决不是用来限制本发明和其应用。在上述描述中，术语“训练”指代为应用于用户去学习或者再学习技能的方法，这里技能包括身体上的技能和精神上的技能。术语“关节”指代为在两个或者更多骨头的结合处。评价本发明时，单独展示的图1到图8，将作为整体考虑。

图1是本发明FES-robot系统的结构框图。

如图1所示，本发明的FES-robot系统主要包括电刺激FES部件、机器人Robot部件以及计算机控制单元。系统利用电刺激FES部件中的肌电电极(以下称为EMG电极)可从患侧相关肌肉群中测得肌电信号用来监测患者的自主运动意愿，同时将测到的肌电信号输入到计算机控制单元用于分别驱动FES部件和Robot部件，并在患者执行主动训练任务时给予辅助。其中所述FES部件设有多通道FES发生器。可以通过FES电极阵列对多块靶肌肉同时按需进行不同强度的刺激；其中所述Robot部件设有电动机和设有关节固定器的机械臂。可以提供给患者关节辅助扭矩，给于患侧肢体外部机械支持，并带动患者进行主动训练；其中所述计算机控制单元，可根据测得的肌电信号实时控制所述FES刺激发生器和所述Robot部件，使所述刺激电极阵列刺激患者关节相应肌群和使所述Robot部件提供给患者关节辅助扭矩。

优选地，本发明的FES-robot系统还包括实时肌电信号处理部件和用作人机界面的显示部分。肌电信号处理部件与肌电电极相联，可将由靶肌肉上测得的肌电信号实时地放大和滤波并通过数据采集系统传输给计算机控制单元。优选地，所述系统的Robot部件还设有扭矩传感器与角度传感器，分别可测量训练时患者关节所产生的扭矩与角度信号。此二者所测得的扭矩与角度信号与肌电信号一起经数据采集系统可存储于计算机控制单元内的存储器中用于训练效果的评估。所述人机界面部分通过电缆跟计算机控制单元相连，用来实时显示训练的执行情况，并提供给视觉反馈给患者，使患者能尽力控制自己的肢体运动以追踪目标位置。

下面结合患者关节部位的训练情况，分别对FES-robot系统的各个部件进行详细的描述，这里所述的患者关节部位包括腕关节、膝关节以及踝关节等。

图2为本发明FES-robot系统装置108在用于腕关节训练时的结构示意图。

如图2所示，该FES-robot系统装置108包括Robot部件105、FES部件(包括FES多通道发生器112和FES与EMG电极阵列106)、控制单元109。其中，FES与EMG电极阵列106的在目标肌肉1503上的摆放位置如图3所示。两个正负FES刺激电极1502以平行于目标肌肉的长轴并尽可能摆放于肌腹上，两个差分EMG电极1501以平行于目标肌肉短轴并尽可能摆放于肌腹上。控制单元109通过数据采集系统113记录并存储肌电、角度以及扭矩信号，同时又按控制程序驱动通过电缆116与其相连的FES发生器112与机器人部件105。优选地，FES-robot系统108设有用于人机界面的显示器111。所述显示器111通过电缆117跟Robot部件105和控制单元109相连，用来实时显示训练的执行情况，并提供给感官反馈给患者，以便患者能尽力控制自己的肢体运动符合目标动作。

其中所述Robot部件105包括固定患者101患处关节部位的机械臂104、带动机械臂104进行旋转运动的电动机102；所述的机械臂104在本发明中可以根据患者不同患处的关节按人体工学特征而具有不同的结构，如在用于图2所示的腕关节训练时，机械臂104上还设有手掌固定器103，这样便于当机械臂104随着电动机102旋转的时候，腕关节也能随着运动。优选地，本发明的FES-robot系统装置在用于腕关节训练的时候，还设有位于Robot部件平台上的用于固定前臂的前臂基座107，患者101可以把手掌和前臂分别放在手掌固定器103和机械臂104中，这样在腕关节运动时，能够保持前臂静止不动。

图4是本发明中Robot部件105的一个具体实施例的结构示意图，图5是图4的透视图。

如图4所示，Robot部件105包括固定在上板202上的机械臂104，通过杆状在机械臂104上的手掌固定器103，通过多个柱栓208(可为6个)固定在下板207上的电动机102，设在上板202平台上的前臂基座107，固定在上板202上用来保证上板在安全的范围内运动的机械制动器201。其中所述上板202作为安装机械臂104的平台，下板作为Robot部件的基座，把Robot部件固定在台面上，并且所述上板202和下板207通过四个铝柱203固定连接在一起，这四个铝柱是板重量的主要支撑。

如图5所示，Robot部件105还包括扭矩传感器204。所述扭矩传感器204和电动机102的中心通过转动轴306和第一金属连接器302连接在一起，并且扭矩传感器204通过金属连接块303固定在上板上，通过第二金属连接器304连接在机械臂104上，所述第一金属连接器302、扭矩传感器204、转动轴、第二金属连接器304以及电动机102在同一个轴线上。其中所述机械臂104通过金属连接器302固定在转动轴306上，该机械臂104有两个部件：杆状基座和安装在杆状基座上的手掌基座103，优选地，手掌基座103可以滑动，并且可以在手掌基座上增加海棉，以便提高手掌放置在上面的舒适性。机械臂能够随着电动机102旋转，并且逆着旋转方向施加到手掌基座103上的力量作为扭矩信号，能够被扭矩传感器204测量出来。扭矩传感器204和电动机102通过电缆113和116连接在控制单元上，来进行信息交换。

其中所述FES部件包括FES，EMG，FES电极阵列106及多通道FES发生器112，FES，EMG电极阵列106直接粘附在与训练关节运动相关的肌群的肌腹皮肤表面上。本发明在用于训练腕关节时，所述肌肉群为支配腕关节的弯曲和伸展的拮抗肌对，而腕关节伸展或弯曲的主动倾向可用相应收缩肌的肌电幅值来表示。此肌电信号由EMG电极所感知，并发送给计算机控制单元109中的目标驱动控制算法。每一对FES电极对应一个独立的FES通道，不同的FES通道可产生相互独立的刺激脉冲波，可以对身体不同部位的肌肉分别进行刺激。FES通道的数量依据被训练的肌肉数量而定。例如，在图1的腕关节训练中，两个独立的FES通道可以应用到一对拮抗肌上，如桡侧伸腕肌ECR(Extensor carpi radialis)和桡侧屈腕肌FCR(Flexor carpiradialis)。图6所示为由桡侧屈腕肌肌电幅值驱动的FES部件的输出控制实例图。FES部件所输出的刺激电流幅值1602会随着肌电幅度1601的绝对值的大小变化，并成正比关系，即肌电幅值越大，输出刺激强度也越大。FES部件的输出除了可以是在固定刺激频率和固定刺激脉宽下，刺激脉冲幅值随肌电变化而变化外；也可以是输出刺激脉宽或刺激频率随肌电幅值波动而改变以实现到达肌肉的刺激能量随肌电幅值做实时变化。此例中的刺激频率为40Hz。对于每个FES通道，刺激脉冲能够通过FES，EMG电极阵列中106的FES电极传递到目标肌肉，从而引起目标肌肉收缩。刺激参数，诸如脉冲幅度、脉冲宽度、刺激频率，能够通过控制单元109调整，例如，所述刺激脉冲的刺激频率为常量频率50Hz，并且所述脉冲宽度和肌电幅度成正比。

优选地，所述控制单元109主要有三个功能：第一个是在屏幕111上实时显示训练任务的执行情况，例如，采用一个目标指针，以被训练腕关节的某个角速度和腕关节运动轨迹的实际角坐标与腕关节一起移动，所述屏幕显示出一个可视感官反馈给患者101，以便患者能够在FES-robot的辅助下尽力控制腕关节肢体的运动；第二个功能是处理电极阵列106收集到的EMG信号，并实时驱动电动机102和多通道FES发生器部件112，在患者做设定训练任务时给患者101提供外部支持；第三个功能是在训练期间存储训练执行情况相关的信号，以便于后来的估计处理，这些信号为诸如角度、扭矩以及EMG等信号。因此，本发明具有在FES-robot系统装置108和患者101之间以及在系统不同部件之间流动信息的特点。

本发明的FES-robot系统设计用作训练患者的关节，如左右侧的腕关节、肘关节、膝关节以及踝关节，主要通过使用具有不同肢体模型和合适大小的Robot部件的机械臂来实现。图7到图9是在本发明的装置用于踝关节601、膝关节703、肘关节801训练的安装示意图。如图7-9所示，在训练期间，被训练的关节将放置在相应的电动机102中心的依据不同关节而具有不同结构的机械臂603、701、802上。

图7是本发明在用于踝关节训练时Robot部件和EMG和FES电极阵列的结构示意图。如图7所示，患者脚掌通过绑带固定在机械臂603上的脚掌固定器604上，FES，EMG电极阵列106通过托602连接在踝关节对应肌肉群的肌腹表面皮肤上。

图8是本发明在用于膝关节训练时Robot部件和FES，EMG联合电极阵列的结构示意图。如图8所示，患者小腿处通过绑带固定在机械臂701上的固定器702上，EMG和FES电极阵列106通过托704连接在膝关节对应肌肉群的肌腹表面皮肤上。

图9是本发明在用于肘关节训练时Robot部件和FES，EMG联合电极阵列的结构示意图。如图9所示，患者肘关节801的前臂处通过绑带固定在机械臂802上的前臂固定器803上，FES，EMG电极阵列106连接在膝关节对应肌肉群的肌腹表面皮肤上。

当使用时，本发明系统通过控制单元109输出控制信息以驱动FES部件112和Robot部件105，监测生物电信号，如EMG信号、肌动图MMG(mechanomyographic)、脑电图EEG(electroencephalographic)、神经电图ENG(electroneurographic)等，去分析、利用和储存患者训练过程的信息，并提供反馈给客户；在设计的训练任务期间，例如腕关节追踪目标的伸展和弯曲，控制单元109能够在训练期间向患者提供两个模式的FES和Robot辅助支持，第一个为：FES和Robot部件的辅助支持是以预先定义的结合比例进行，在这个模式中，FES-robot的最终辅助能被定义为：

Ass(FES-robot)＝a*Ass(FES)+b*Ass(robot)      (1)

这里，Ass(FES-robot)表示FES-robot系统的最终辅助支持，Ass(robot)表示为Robot部件105施加给机械臂104的辅助支持，Ass(FES)表示为FES部件112施加到FES电极1502的支持，a和b分别为机器人，电刺激辅助的比例系数(范围为0到1)，这个公式定义为在Robot部件和FES部件的辅助结合。

上述Robot部件施加给机械臂104的支持表示为电动机102产生的辅助扭矩，这个辅助扭矩会和患者的自主运动意愿互相影响。

在训练任务期间辅助扭矩定义为：

这里Ass(robot)表示为在追踪目标弯曲阶段或者伸展阶段电动机产生的辅助扭矩；T_F和T_E分别是在腕关节角度为0度时，在肌肉等长收缩期间的扭矩的最大值；M_F和M_E定义为(在下式中)：

$M_{F/E}=\frac{{\mathrm{EMG}}_{F/E}-{\mathrm{EMG}}_R}{{\mathrm{EMG}}_{\mathrm{MAX}}-{\mathrm{EMG}}_R}---\left(3\right)$

这里EMG_F/E是肌肉在训练追踪期间收缩阶段的EMG信号，比如说在腕关节弯曲阶段的FCR的EMG信号，或者在腕关节伸展阶段的ECR的EMG信号；EMG_R是肌肉在静息状态时的平均EMG信号，以及EMG_MAX是肌肉在等长主动收缩期间的最大EMG信号。所有EMG信号在输入到方程(2)前应该首先进行全波整形，阈值去刺激伪迹，和100ms窗口的移动平均滤波处理，应该理解到在追踪目标的训练期间，在对实时的EMG信号进行移动平均滤波处理时，会引入约100ms的延迟，然而，当以较慢速度追踪目标时，患者感觉运动系统通常不能感觉到这种延迟(例如脑卒中患者)，因此这种延迟不会影响到患者以10度/每秒的速度随着目标指针移动的追踪执行性能。电动机在伸展和弯曲阶段也能产生阻力扭矩，以加强肌肉力量。在最大主动收缩期间，阻力扭矩能应用到具有一定百分比值扭矩的追踪任务中，例如，T_r，F/E＝c*T_MAX，F/E，这里T_r，F/E是阻力矩，c是百分比系数(范围为0％-100％)，T_MAX，F/E包括两部分，一部分是仅应用在弯曲阶段中最大的T_F，另一部分是仅应用在伸展阶段中的T_E。由于T_r，F/E与在训练阶段关节的最大伸展和弯曲扭矩有关，因此阻力矩可自适应于训练任务中的肌肉性能改变。

FES发生器112的对患者肌肉的交互支持定义为：

其中，Ass(FES)是到达患者关节相应肌群的辅助激励电流，I_max是最大施加到对抗肌上的激励电流，I_TF与I_TE是分别作用于屈肌与伸肌上引起肌肉收缩的阈值电流，M_F和M_E与上面公式(3)相同。

FES和Robot辅助患者的第二个模式是，来自FES发生器112和Robot部件105的辅助支持能选择性地并行被开启或工作，这依赖于训练任务中的患者101的追踪任务完成的质量，这里定义为：

$\mathrm{Ass}(\mathrm{FES},\mathrm{robot})=\left\{\begin{array}{cc}a*\mathrm{Ass}\left(\mathrm{FES}\right)& \mathrm{Error}<\mathrm{Threshold}\\ a*\mathrm{Ass}\left(\mathrm{FES}\right)+b*\mathrm{Ass}\left(\mathrm{robot}\right)& \mathrm{Error}\&GreaterEqual;\mathrm{Threshold}\end{array}\right.---\left(5\right)$

这里Ass(FES)为方程(4)中的FES部件112辅助支持，Ass(robot)为方程(2)中的Robot部件105支持，a和b为比例系数(范围为0到1)。所述的误差阈值Threshold可根据每个患者残疾的不同程度以及同一个患者在不同的训练阶段而设定。所述误差Error是根据测量训练执行情况获得的。例如，Error可以是在目标腕关节角度和实际的腕关节角度之间的差值，Threshold是用来判定辅助是否开启的误差阀值，例如，在腕关节追踪目标的训练任务中，首先开启来自FES部件112的辅助。当追踪误差增加时，这意味着即使在FES的帮助下去刺激被选择肌肉的活动，患者的主动努力也不能跟上追踪目标。那么就开启Robot部件105辅助支持，与FES辅助刺激一起给予辅助性地扭矩。首先开启FES部件112的原因是，由FES引起的辅助力直接来自患者自己肌肉的收缩，这样会使患者差的或偏瘫的肌肉得到更多的主动训练这比通过Robot部件105直接给予外部的辅助扭矩会更好。来自Robot部件105的辅助扭矩仅在追踪误差超出误差阈值时，才会被开启。这样可以帮助患者完成个人想要的训练任务，并增加关节的移动范围。训练任务的完全成功可以引入一个运动感觉性经历，这主要受益于电动机的外部机械支持。

上面描述的是对患者关节追踪训练中一个肌肉的训练控制，本发明还能应用到可包括多个训练任务的多个肌肉控制。比如说，在腕关节的追踪训练中，来自主拮抗肌对和邻近关节相应(如肘关节)肌肉的肌电信号输入到控制单元109中的目标驱动算法。因此，来自Robot部分102的辅助支持定义为下式(6)：

其中，i表示肌肉的名称；T_E|i、T_F|i，和M_F/E|i对于肌肉i来说与方程(2)中T_F和T_E含义相同；G_i为机器人肌肉附助系数，表示肌肉i的权重，范围在-1到1之间，不同的肌肉i具有不同的G_i值。

同样地，FES发生器112产生的辅助支持定义为

其中，I_max，i，是施加到收缩肌i上的最大激励电流；K_i为电刺激肌肉附助系数，表示肌肉i的权重，范围在-1到1之间；I_TF|I和I_TE|i分别为在弯曲或伸展阶段加在收缩肌i上引起肌肉收缩的阈值电流，M_F/E|i对于肌肉i来说，与方程(3)中的M_F、M_E含义相同。

下面根据一个患者具体的训练任务来进一步地描述本发明所取得技术效果。

处于慢性期的脑卒中患者使用本发明的FES-robot系统108做腕关节轨迹训练任务。该患者的腕关节肌肉运动神经的残疾程度通过用于腕关节(1+)改良的Ashworth评分和前臂14的Fugl Meyer评分来评定。在这个实验中，该患者首先需要每次进行三次关节角度为0度的等长随意伸屈，然后，测量在0度腕关节处的刺激ECR和FCR的I_max(方程(4))刺激强度。之后，该患者根据计算机屏幕上的以10度/秒的角速度移动的目标指针，执行腕关节轨迹训练任务。在一个轨迹训练试验中需要5个周期腕关节的伸/屈，分析四次在FES部件112支持和Robot部件105之间的结合。通过在目标和实际的角度的均方根误差(RMSE)来估计轨迹的正确程度，定义为

这里θ₀(i)为第i次采样瞬间的腕关节的目标角度，以及θ(i)是第i次采样瞬间的腕关节的实际角度，N是总共采样的数目。

轨迹的平滑度通过振动的均方根RMSJ(root mean squared jerk)来测量得出，

这里j(i)是第i次采样瞬间的腕关节振动，估计为角度信号的三阶导数。

在轨迹训练期间，患者被要求尽可能地最小化在目标和实际指针的距离。

试验结果表明：第一，来自FES部件的支持是交互性的，和训练期间收缩肌的EMG幅度相关。第二，系统的激励强度是通过方程(4)中的增益K来计算。FES和Robot部件被患者自己的EMG信号实时控制。在部件FES和Robot各50％时，相比没有任何系统的支持，能提高训练执行性。当既没有FES部件112也没有Robot部件105支持时，观察到会具有最大训练误差，这表明如果没有FES-robot系统的支持，训练执行性会变得很差。最小训练误差可在FES部件和Robot部件结合比为1比1时取得的，同时，也取得一个低的RMSJ。总之，FES部件和Robot部件的合适比例结合下，能极大提高训练任务的性能。

图10是本发明用于渐进交互训练时的模式框图。本发明的FES-robot系统除了可以在患者执行单一的训练任务时由控制单元提出供交互式的辅助，以便患者完成指定训练动作外，还可在长期多阶段的肢体康复训练时提供训练难度渐进交互式的训练方法。

如图10所示该控制单元可提供两种不同的渐进交互式训练模式。一种是电刺激与机器人辅助比例可调的模式。在此模式下，计算控制单元可以先设定机器人部件与电刺激部件的辅助比例(如公式(1)所述)，即初始化；并且设定一个训练动作达标值，例如最大关节活动范围。当患者经反复练习后，动作达标，则控制单元会逐渐降低来自Robot和FES部件的辅助，以增加动作的难度；从而实现让患者尽量用自身的肌肉自主运动来完成训练任务，提高自主运动能力。例如，当脑卒中患者刚开始腕关节屈伸训练时，本发明系统可以给予较多的Robot和FES的辅助，以使患者的腕关节活动范围能达到一个预设值，比如伸40度屈50度。当患者训练动作完成地较为稳定时，可适当降低来自Robot部件或/和FES部件的辅助。来自Robot部件和FES部件的辅助分别为独立可调。针对每个不同的患者，来自Robot部件与FES部件的混合比例可以不同。比如，对于肌肉痿缩较为严重的患者可以调高FES部件的辅助成分，以增强肌力；而对于肌张力过高而关节活动度受限的患者，可适当降低FES部件的辅助，而提高Robot部件的辅助，以借外部机械力增加关节的活动范围。另一种训练模式为追踪误差阈值可调模式。在这种模式下，计算机控制单元首先按公式(5)所述协调来自Robot和FES部件的辅助，并初始化训练动作的起始误差阈值。患者经重复训练后如最大误差不超过阈值(即动作达标)，则控制单元会上调追踪误差阈值。在这种训练模式下，误差阈值越高难度越大。这种训练模式可提高患者运动的精准度和肌肉的协调性。两种训练模式的初始化值都要根据不同患者的具体情况设定，一般刚开始训练时的初始化值应使患者较易完成训练动作。例如，当脑卒中患者刚开始进行偏瘫侧的腕部训练时，腕关节在做屈伸追踪运动所产生的目标位置与实际位置之间的距离会较大。此时若给于患者较低的误差阈值，那么患者在做训练动作时，就比较容易获得来自Robot部件和FES部件共同的辅助而完成训练动作。当患者运动功能经训练提高后(例如，重复的腕关节屈伸追踪任务中能保持一稳定的关节活动范围，如伸40度屈50度)，那么可以提高误差阈值来增加动作难度。误差阈值增加后，患者就不太容易获得来自Robot部件和FES部件的共同支持，而主要工作在FES单一支持的状态下。这样，患者要更多地利用自身的肌肉去完成训练动作。当患者运动功能再次提高后，可以进一步调高误差阈值以增加难度。

虽然已参照几个典型实施例描述了本发明，但应当理解，所用的术语是说明和示例性、而非限制性的术语。由于本发明能够以多种形式具体实施而不脱离发明的精神或实质，所以应当理解，上述实施例不限于任何前述的细节，而应在随附权利要求所限定的精神和范围内广泛地解释，因此落入权利要求或其等效范围内的全部变化和改型都应为随附权利要求所涵盖。

Claims (17)

1.一种结合功能性电刺激和机器人的康复训练系统，其特征在于，所述系统包括功能性电刺激部件、机器人部件、以及分别与功能性电刺激部件和机器人部件相连接的控制单元；

其中所述功能性电刺激部件，设有多个肌电电极阵列、多个FES电极阵列和多个通道FES发生器；

其中所述机器人部件，设有提供辅助扭矩支持的机械臂、带动机械臂进行旋转运动的电动机；

其中所述控制单元，接收所述肌电电极阵列所感应到的生物电信号，按照功能性电刺激部件与机器人部件辅助比例可调的模式或追踪误差阈值可调模式，实时控制所述功能性电刺激部件和所述机器人部件，使所述功能性电刺激部件中的FES发生器通过FES电极阵列刺激患者关节相应肌群，以及使所述机器人部件提供给患者关节辅助扭矩。

2.根据权利要求1所述的系统，其特征在于，所述功能性电刺激部件与机器人部件辅助比例可调的模式为所述控制单元按照公式(1)控制所述功能性电刺激部件和所述机器人部件提供给患者关节辅助支持：

Ass(FES，robot)＝a*Ass(FES)+b*Ass(Robot)              (1)

其中Ass(FES)为所述功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为所述机器人部件提供给患者关节的辅助支持，a和b为电刺激部件和机器人部件预先定义的辅助百分值。

3.根据权利要求1所述的系统，其特征在于，所述追踪误差阈值可调模式为所述控制单元依据公式(2)选择性地并行控制或单独控制电刺激部件和机器人部件提供给患者关节辅助支持：

$\mathrm{Ass}(\mathrm{FES},\mathrm{robot})=\left\{\begin{array}{cc}\mathrm{Ass}\left(\mathrm{FES}\right),& \mathrm{Error}<\mathrm{Threshold}\\ a*\mathrm{Ass}\left(\mathrm{FES}\right)+b*\mathrm{Ass}\left(\mathrm{robot}\right)& \mathrm{Error}\&GreaterEqual;\mathrm{Threshold}\end{array}\right.---\left(2\right)$

其中，Ass(FES)为功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为机器人部件提供给患者关节的辅助支持，a和b为电刺激部件和机器人部件预先定义的辅助百分值，Error是追踪患者关节训练目标值和实际值之间的误差值，Threshold是用来判定选择性地开启辅助支持的误差阀值。

4.根据权利要求1-3任意一项所述的系统，其特征在于，所述功能性电刺激部件提供给患者关节辅助支持定义为：

其中，Ass(FES)是到达患者关节相应肌群的辅助激励电流，I_max是最大施加到对抗肌上的激励电流，I_TF与I_TE是分别作用于屈肌与伸肌上引起肌肉收缩的阈值电流。M_F和M_E定义为公式(4)：

$M_{F/E}=\frac{{\mathrm{EMG}}_{F/E}-{\mathrm{EMG}}_R}{{\mathrm{EMG}}_{\mathrm{MAX}}-{\mathrm{EMG}}_R}---\left(4\right)$

其中，EMG_F/E是患者关节对应肌群在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R是肌肉在静息状态时的平均生物电信号，以及EMG_MAX是肌肉在等长主动收缩期间的最大生物电信号。

5.根据权利要求1-3任意一项所述的系统，其特征在于，所述机器人部件提供给患者关节的辅助扭矩定义为：

其中，Ass(robot)表示为在追踪目标弯曲阶段或者伸展阶段电动机产生的辅助扭矩；T_F和T_E分别是患者在肌肉等长收缩期间的扭矩的最大值；M_F和M_E定义为公式(6)：

$M_{F/E}=\frac{{\mathrm{EMG}}_{F/E}-{\mathrm{EMG}}_R}{{\mathrm{EMG}}_{\mathrm{MAX}}-{\mathrm{EMG}}_R}---\left(6\right)$

其中，EMG_F/E是患者关节对应肌群在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R是肌肉在静息状态时的平均EMG信号，以及EMG_MAX是肌肉在等长主动收缩期间的最大生物电信号。

6.根据权利要求1-3任意一项所述的系统，其特征在于，所述机器人部件提供给患者关节多处肌肉的辅助扭矩定义为：

其中，i表示肌肉的名称，Ass(robot)表示为在追踪目标弯曲阶段或者伸展阶段电动机对多处关节产生的辅助扭矩；G_i为机器人肌肉附助系数，表示肌肉i的贡献，范围在一1到1之间；T_E|i和T_F|i分别是患者肌肉i在肌肉等长收缩期间的扭矩的最大值；M_F|i和M_E|i定义为公式(8)：

$M_{F/E|i}=\frac{{\mathrm{EMG}}_{F/E|i}-{\mathrm{EMG}}_{R|i}}{{\mathrm{EMG}}_{\mathrm{MAX}|i}-{\mathrm{EMG}}_{R|i}}---\left(8\right)$

其中，EMG_F/E|i是患者关节肌肉i在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R|i是肌肉i在静息状态时的平均生物电信号，以及EMG_MAX|i是肌肉i在等长主动收缩期间的最大生物电信号。

7.根据权利要求1-3任意一项所述的系统，其特征在于，所述功能性电刺激部件提供给患者关节多处肌肉的辅助支持定义为：

其中，I_max，i，是施加到收缩肌i上的最大激励电流；K_i为电刺激肌肉附助系数，表示肌肉i的权重，范围在-1到1之间；I_TF|I和I_TE|i分别为在弯曲或伸展阶段加在收缩肌i上引起肌肉收缩的阈值电流；M_F|i和M_E|i定义为公式(10)：

$M_{F/E|i}=\frac{{\mathrm{EMG}}_{F/E|i}-{\mathrm{EMG}}_{R|i}}{{\mathrm{EMG}}_{\mathrm{MAX}|i}-{\mathrm{EMG}}_{R|i}}---\left(10\right)$

其中，EMG_F/E|i是患者关节肌肉i在训练追踪期间弯曲或伸展追踪阶段的生物电信号，EMG_R|i是肌肉i在静息状态时的平均生物电信号，以及EMG_MAX|i是肌肉i在等长主动收缩期间的最大生物电信号。

8.根据权利要求1所述的系统，其特征在于，所述系统还包括肌电信号处理部件和数据采集部分，其中所述肌电电极阵列感应到的生物电信号通过所述肌电处理部件进行全波整流放大和滤波后，再通过所述数据采集部分输入到控制单元。

9.根据权利要求1所述的系统，其特征在于，所述机器人部件还包括连接在机械臂和电动机之间的扭矩传感器和角度传感器，用来测量患者关节所产生的扭矩和角度信号。

10.根据权利要求1所述的系统，其特征在于，所述生物电信号是一组包括肌电图EMG信号、肌动图MMG信号、脑电图EEG信号、神经电图ENG信号中的任意一种。

11.根据权利要求1所述的系统，其特征在于，所述系统进一步地包括与控制单元相连的存储器和人机界面部分，所述存储器用于存储控制单元所获得的训练期间有关执行情况的相应信号；所述人机界面部分用来实时显示训练的执行情况，并提供给感官反馈给用户。

12.根据权利要求11所述的系统，其特征在于，所述有关执行情况的相应信号为辅助扭矩信号、角度信号、扭矩或者生物电信号。

13.根据权利要求1所述的系统，其特征在于，所述辅助扭矩是与患者想要运动方向一致的辅助力矩，或者是与患者想要运动方向相反的阻力力矩。

14.根据权利要求1所述的系统，其特征在于，所述系统还包括干扰抑制部件，用于将所述肌电电极感应到的生物电信号中的干扰信号去除。

15.一种结合功能性电刺激和机器人的康复训练方法，其特征在于，所述方法采用权利要求1所述的系统根据下列步骤对患者关节进行训练：

肌电电极阵列从患者相关肌肉群中感应获取生物电信号，并传输给控制单元；

控制单元根据所述生物电信号，按照功能性电刺激部件与机器人部件辅助比例可调的模式或追踪误差阈值可调模式，实时控制所述功能性电刺激部件和机器人部件，使所述功能性电刺激部件刺激患者关节相应肌群和所述机器人部件提供给患者关节辅助扭矩。

16.根据权利要求15所述的康复训练方法，其特征在于，所述控制单元按照功能性电刺激部件与机器人部件辅助比例可调的模式控制所述功能性电刺激部件和机器人部件进一步包括下列步骤：

预先设定功能性电刺激部件与机器人部件的辅助比例和训练动作达标值；

所述控制单元按照辅助比例分别控制所述功能性电刺激部件和机器人部件开始训练；

若训练动作达到所述训练动作达标值，则降低所述功能性电刺激部件与机器人部件的辅助支持，否则维持原有的辅助设定；

其中所述功能性电刺激部件与机器人部件辅助比例可调的模式为所述控制单元按照公式(11)中的a和b值来控制所述功能性电刺激部件和机器人部件：

Ass(FES，robot)＝a*Ass(FES)+b*Ass(Robot)             (11)

其中Ass(FES)为所述功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为所述机器人部件提供给患者关节的辅助支持，a和b为功能性电刺激部件和机器人部件预先设定的辅助百分值。

17.根据权利要求15述的康复训练方法，其特征在于，所述控制模式按照追踪误差阈值可调模式控制控制所述功能性电刺激部件和机器人部件进一步包括下列步骤：

预先设定追踪误差阈值和和训练动作达标值；

所述控制单元按照辅助比例分别控制所述功能性电刺激部件和机器人部件开始训练；

若训练动作达到所述训练动作达标值，则降低所述功能性电刺激部件与机器人部件的辅助支持，否则维持原有的辅助设定；

其中所述追踪误差阈值可调模式为所述控制单元按照公式(12)中的误差阈值Threshold来控制所述功能性电刺激部件和机器人部件：

$\mathrm{Ass}(\mathrm{FES},\mathrm{robot})=\left\{\begin{array}{cc}\mathrm{Ass}\left(\mathrm{FES}\right),& \mathrm{Error}<\mathrm{Threshold}\\ a*\mathrm{Ass}\left(\mathrm{FES}\right)+b*\mathrm{Ass}\left(\mathrm{robot}\right)& \mathrm{Error}\&GreaterEqual;\mathrm{Threshold}\end{array}\right.---\left(12\right)$

其中，Ass(FES)为功能性电刺激部件提供给患者关节的辅助支持，Ass(robot)为机器人部件提供给患者关节的辅助支持，a和b为电刺激部件和机器人部件预先定义的辅助百分值，Error是追踪患者关节训练目标值和实际值之间的误差值，Threshold是用来判定选择性地开启辅助支持的误差阀值。

Images