CN103212188A - 一种辅助步态训练的方法及系统 - Google Patents
一种辅助步态训练的方法及系统 Download PDFInfo
- Publication number
- CN103212188A CN103212188A CN2013101760500A CN201310176050A CN103212188A CN 103212188 A CN103212188 A CN 103212188A CN 2013101760500 A CN2013101760500 A CN 2013101760500A CN 201310176050 A CN201310176050 A CN 201310176050A CN 103212188 A CN103212188 A CN 103212188A
- Authority
- CN
- China
- Prior art keywords
- human body
- signal
- motion process
- gait
- electro photoluminescence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种辅助步态训练的方法及系统,所述方法包括:通过运动学信息构建人体在运动模式下的步态周期特征,根据周期特征确定一个步态周期内对目标肌肉进行电刺激的时相;实时采集人体在运动过程中的运动学数据,根据所述运动学数据判断人体的当前状态所处的时相;当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。本发明通过电流在适当的时间刺激人体的下肢肌肉进行康复助行,能够改善患者下肢运动的质量。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种辅助步态训练的方法及系统。
背景技术
现今医学界把中风同冠心病、癌症并列为威胁人类健康的三大疾病,而中是三大疾病中发展最快、恢复最慢、死亡最多、致残最重的病种,给人类造成极大痛苦,给家庭与社会带来严重危害,对于中风研究的重要性已经引起国内外医学界的广泛重视。据WHO公布的资料,在57个国家中,有40个国家把中风的死亡率列入了第3位,其中在日本和中国已占首位。我国现患脑卒中至少700万人,每年新发性脑卒中至少200万人。美国每年新发和复发性脑卒中70万人,其中,16万人死亡,平均每45秒就有一人中风,每年女性比男性的发病率高出3%。中风后偏瘫严重影响病人的日常生活质量,其中下肢行走运动能力是日常生活质量的重要组成部分,许多病人在经过长期康复训练后步态仍然难以恢复到正常范围,这严重的损害了患者进行康复治疗的信心,并且异常步态在日常生活中会导致患者尊严的丧失,不利于提高患者生活自理能力和改善患者生活质量。
在20世纪60年代,电刺激开始用于治疗中枢神经系统损伤后的肢体瘫痪,并由实验室逐渐进入临床。几十年来,治疗偏瘫下肢行走的脉冲电刺激治疗仪经历了几个发展历程,从单一通道发展为多个通道,从简单的手控电刺激治疗的方式发展为足底压力开关自动控制。
利用肌电信号控制的电刺激疗法是将患者的主动有意识的肌肉收缩产生的微弱肌电信号放大后再输出,刺激相应肌肉引起明显的肌肉收缩运动,从而完成闭环刺激模式和反复主动运动训练。在治疗过程中,患者反复进行主动运动训练,一方面可以唤醒有残存功能的运动细胞,避免出现瘫痪肢体肌力降低;另一方面,可激活中枢神经系统中的潜在性突触或帮助形成新的突触,或者可以促进其周围未受损的皮质神经元发生功能重建,从而促进患侧肢体的功能恢复。1987年,Field RW率先通过桡侧伸腕肌的肌电信号诱发电刺激,将该治疗方法应用于69例脑梗死出院患者,发现该治疗方法可以促进患侧肢体腕关节的运动功能恢复。1998年,Francisco等观察了9例6周以内的脑梗死患者,发现对于急性期患者,桡侧伸腕肌所产生的肌电触发电刺激的治疗方法比常规康复训练效果好,腕关节伸展角度更大。
相对于肌电信号控制的电刺激疗法,足底开关控制电刺激器更加简便易行,步行时相的识别也更加简单。足底开关利用了人体行走过程中足底着地和离地的瞬间压力负载和压力释放控制电路,以解决电刺激器开断控制的问题。1961年,Liberson等人提出将足底开关与电刺激器结合应用于中风患者中解决足下垂步态,并取得了良好的治疗效果。1975年,Kukulka等人测试了飞利浦公司研发的商用足下垂功能电刺激治疗仪,这款产品与以上Liberson研发的仪器的差别在于这款产品的应用了充气足底开关,使其使用更加舒适。1996年,Granat等人在这种控制方式的电刺激器上附加了记录装置以记录刺激时间长度,便于观察病人出院后电刺激器的使用情况。
近几年,瑞士的Paracare及Compex SA等研制出了用于恢复瘫痪下肢行立功能的FES手控系统。这种控制方式操作方便,相对于脚控方式来说,患者在控制时有更多的主动性,也更容易被患者接受,但是在运动过程中需要集中精力以保持稳定。也有很多学者利用从患者身体其他部位动作或残存功能所发出的信号提取控制信号用于上肢的运动康复,但是此种控制方式现在还处于上肢研究的尝试阶段,暂时还没应用到下肢;而且这种方式的控制源不是很直接,学习起来相对比较复杂,不便于方便灵活的掌握应用。
发明内容
本发明实施例提出一种辅助步态训练的方法及系统,通过电流在适当的时间刺激人体的下肢肌肉进行康复助行,能够改善患者下肢运动的质量。
本发明实施例提供一种辅助步态训练的方法,包括:
S11、通过运动学信息构建人体在运动模式下的步态周期特征,根据周期特征确定一个步态周期内对目标肌肉进行电刺激的时相;
S12、实时采集人体在运动过程中的运动学数据,根据所述运动学数据判断人体的当前状态所处的时相;
S13、当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。
在第一种实施方式中,所述步骤S12具体包括:
通过固定在人体下肢的惯性传感器,实时采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;
根据所述加速度信号、角速度信号和角度信号,判断人体的当前状态所处的时相;
当所述加速度信号、所述角速度信号以及所述角度信号分别达到设定的加速度门限值、角速度门限值以及角度门限值时,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
在第二种实施方式中,所述步骤S12具体包括:
对固定在人体身上的标记点的空间坐标进行高速采集,获得人体各特征点在运动过程中的运动轨迹数据;
根据人体各特征点在运动过程中的运动轨迹数据,计算人体的踝关节角度、踝关节角速度以及踝关节角加速度,判断人体的当前状态所处的时相;
当所述踝关节角度、所述踝关节角速度以及所述踝关节角加速度分别达到设定的踝关节角度门限值、踝关节角速度门限值以及踝关节角加速度门限值时,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
在第三种实施方式中,所述步骤S12具体包括:
通过肌电采集单元采集人体下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络;
根据所述肌电信号包络,判断人体的当前状态所处的时相;
当所述肌电信号包络达到设定的包络门限值,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相;
相应地,本发明实施例还提供一种辅助步态训练的系统,包括:
数据采集单元,用于采集人体在运动过程中的运动学数据;
控制处理单元,用于根据所述数据采集单元所采集的运动学数据,实时监测人体的当前状态所处的时相;和,
电刺激单元,用于当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。
进一步的,所述系统还包括:
肌电采集单元,用于采集人体的下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度;
所述控制处理单元还用于根据一个步态周期内的下肢肌肉的收缩相位和收缩强度,设定一个步态周期内的对目标肌肉进行电刺激的时相。
在第一种实施方式下,所述数据采集单元包括:
惯性传感器,用于采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;和,
滤波电路,用于对所述惯性传感器所采集的信号进行滤波处理。
在第二种实施方式下,所述数据采集单元包括:
多个标记点,用于固定在人体身上;和,
标记采集器,用于在人体运动过程中,对所述标记点的空间坐标轨迹进行采集。
本发明实施例提供的辅助步态训练的方法及系统,实时采集人体在运动过程中的运动学数据,根据所述运动学数据判断人体的当前状态所处的时相;当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。本发明实施例通过电流在适当的时间刺激人体的下肢肌肉进行康复助行,能够改善患者下肢运动的质量,尤其适用于中风患者日常的下肢助行。
附图说明
图1是本发明提供的辅助步态训练的方法的流程示意图;
图2是本发明提供的辅助步态训练的方法中确定电刺激时相的第一个实施例的流程示意图;
图3是本发明提供的辅助步态训练的方法中确定电刺激时相的第二个实施例的流程示意图;
图4是本发明提供的辅助步态训练的方法中确定电刺激时相的第三个实施例的流程示意图;
图5是本发明提供的辅助步态训练的系统的结构示意图;
图6是本发明提供的辅助步态训练的系统的第一个实施例的结构示意图;
图7是本发明提供的辅助步态训练的系统的第二个实施例的结构示意图;
图8是本发明提供的辅助步态训练的系统的第三个实施例的结构示意图;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明提供的辅助步态训练的方法的流程示意图。
本发明实施例提供一种辅助步态训练的方法,包括以下步骤S11~S13:
S11、通过运动学信息构建人体在运动模式下的步态周期,根据周期特征确定一个步态周期内对目标肌肉进行电刺激的时相。
本发明通过研究人体在行走、上楼梯、下楼梯、跨越障碍、坐下、站起等几种运动模式下,在一个步态周期中下肢肌肉的收缩相位和收缩程度,能够确定不同肌肉在不同运动模式的一个步态周期中的刺激时相。该研究对电刺激单元的控制算法的指导具有重要的价值,当患者在运动模式下的当前状态所处的时相是刺激时相时,则对目标肌肉进行电刺激,实现对电刺激单元的准确控制。
人体在运动模式下(例如,在正常行走过程中),从一侧脚跟着地开始到该侧脚跟再次着地,构成一个步态周期。通过监测一个步态周期内各个时相,以及通过肌电采集单元实时测量每个时相下股直肌(rectus femoris)、股外侧肌(vastus lateralis)、股内侧肌(medial vastus)、股薄肌(musculus gracilis)、阔筋膜张肌(tensor fasciae latae)、股二头肌(biceps femoris)、胫前肌(tibialis anterior)和腓肠肌(musculi gastrocnemius)八块下肢肌肉的肌电信号,可以获得一个步态周期内的下肢肌肉的收缩相位和收缩强度,从而确定不同肌肉在不同运动模式的一个步态周期中的最佳刺激时相和刺激幅度。其中,通过同步采集的肌电信号幅值变化率可判断出肌肉在一个步态周期中的哪个时相发力,而这个时相就是最佳刺激时相。刺激幅度则是通过将正常人肌肉发力的肌电信号包络与电刺激的大小相乘后得到的输出。
下面结合图2、图3和图4,对上述步骤S11中如何构建人体在运动模式下的步态周期特征,以及如何确定一个步态周期内对目标肌肉进行电刺激的时相的方法进行详细说明。
参见图2,是本发明提供的辅助步态训练的方法中确定电刺激时相的一个实施例的流程示意图。
在第一种实施方式中,上述步骤S11具体包括:
S21、通过固定在人体下肢的惯性传感器,采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;
S22、根据人体下肢在运动过程中的每一时刻的加速度、角速度和角度信号,构建人体在运动模式下的步态周期特征;
S23、通过肌电采集单元测量人体的下肢肌肉在运动过程中的肌电信号,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度;
S24、根据所述收缩相位和收缩强度,确定一个步态周期内对目标肌肉进行电刺激的时相。
惯性传感器是一种通过佩戴在用户身体上的、用于捕获人体运动数据的传感装置。惯性传感器由加速度计、陀螺仪、磁力计传感器构成,可以采集人体运动过程中加速度信号、角速度信号和角度信号。
本发明实施例可以利用多个位置固定的惯性传感器采集人体下肢的运动信号,以计算不同肢体段的相对角度。例如,使用小腿与足部的相对角度计算踝关节角度,使用小腿与大腿的相对角度计算膝关节角度,使用大腿与躯干的相对角度计算髋关节角度。根据三个关节的角度可以构建人体在运动模式下的步态周期特征,并通过肌电采集单元同步测量人体的下肢肌肉在运动过程中的肌电信号,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度,从而确定一个步态周期内对目标肌肉进行电刺激的时相。
参见图3,是本发明提供的辅助步态训练的方法中确定电刺激时相的第二个实施例的流程示意图。
在第二种实施方式中,上述步骤S11具体包括:
S31、对固定在人体身上的标记点的空间坐标进行高速采集,获得人体各特征点在运动过程中的运动轨迹数据;
S32、根据所述运动轨迹数据,构建人体在运动模式下的步态周期特征;
S33、通过肌电采集单元测量人体的下肢肌肉在运动过程中的肌电信号,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度;
S34、根据所述收缩相位和收缩强度,确定一个步态周期内对目标肌肉进行电刺激的时相。
本发明实施例通过在所跟踪的人体身上佩戴上标记点(Marker),再通过硬件设备,对所述标记点的空间坐标进行高速采集,获得人体各特征点的坐标运动轨迹数据。以坐标运动轨迹数据为基础,可以计算得到人体关节的角度、角速度、角加速度等运动信号,从而构建人体在运动模式下的步态周期特征,并通过肌电采集单元同步测量人体的下肢肌肉在运动过程中的肌电信号,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度,从而确定一个步态周期内对目标肌肉进行电刺激的时相。
其中,标记点Marker为红外线反射点,通过红外摄像头捕获标记点反射回来的红外线数据,可以确定标记点的空间坐标。
参见图4,是本发明提供的辅助步态训练的方法中确定电刺激时相的第三个实施例的流程示意图。
在第三种实施方式中,上述步骤S11具体包括:
S41、通过肌电采集单元采集人体下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络;
S42、根据人体下肢在运动过程中的肌电信号包络,构建人体在运动模式下的步态周期特征;
S43、根据一个步态周期内的下肢肌肉的收缩相位和收缩强度,确定一个步态周期内对目标肌肉进行电刺激的时相。
本发明实施例通过肌电采集单元采集人体下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络。根据人体下肢在运动过程中的肌电信号包络,构建人体在运动模式下的步态周期特征,并通过肌电信号包络获得一个步态周期内的下肢肌肉的收缩相位和收缩强度,从而确定一个步态周期内对目标肌肉进行电刺激的时相。
S12、实时采集人体在运动过程中的运动学数据,根据所述运动学数据判断人体的当前状态所处的时相。
在第一个实施方式中,上述步骤S12具体包括:
通过固定在人体下肢的惯性传感器,实时采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;
根据所述加速度信号、角速度信号和角度信号,判断人体的当前状态所处的时相;
当所述加速度信号、所述角速度信号以及所述角度信号分别达到设定的加速度门限值、角速度门限值以及角度门限值时,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
在第二个实施方式中,上述步骤S12具体包括:
对固定在人体身上的标记点的空间坐标进行高速采集,获得人体各特征点在运动过程中的运动轨迹数据;
根据人体各特征点在运动过程中的运动轨迹数据,计算人体的踝关节角度、踝关节角速度以及踝关节角加速度;
当所述踝关节角度、所述踝关节角速度以及所述踝关节角加速度分别达到设定的踝关节角度门限值、踝关节角速度门限值以及踝关节角加速度门限值时,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
在第三个实施方式中,上述步骤S12具体包括:
通过肌电采集单元采集人体下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络;
根据所述肌电信号包络,判断人体的当前状态所处的时相;
当所述肌电信号包络达到设定的包络门限值,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相;
S13、当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。
本发明实施例提供的辅助步态训练的方法,通过分析人体在步行、跨越障碍、上楼梯、下楼梯、坐下、站起等运动模式中运动学数据和肌电信号的变化特征,并通过该特征找出最优电刺激时间点和刺激幅度,对目标肌肉进行电刺激,能够改善患者下肢运动的质量,尤其适用于中风患者日常的下肢助行。
本发明还提供一种辅助步态训练的系统,能够实施上述实施例中的辅助步态训练的方法。
参见图5,是本发明提供的辅助步态训练的系统的结构示意图。
本发明实施例提供一种辅助步态训练的系统,包括:
数据采集单元1,用于采集人体在运动过程中的运动学数据;
控制处理单元2,用于根据所述数据采集单元所采集的运动学数据,实时监测人体的当前状态所处的时相;和,
电刺激单元3,用于当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。
进一步的,在一个可选的实施方式中,上述系统还包括肌电采集单元4。
肌电采集单元4用于采集人体的下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度。上述控制处理单元2还用于根据一个步态周期内的下肢肌肉的收缩相位和收缩强度,设定一个步态周期内的对目标肌肉进行电刺激的时相。
在本发明实施例中,在对对患者的下肢肌肉进行电刺激之前,通过数据采集单元1采集人体在步行、跨越障碍、上楼梯、下楼梯、坐下、站起等运动模式中的运动学数据,并通过肌电采集单元4同步采集人体的下肢肌肉的肌电信号,控制处理单元2结合运动学数据和肌电信号进行分析,可以找出最优电刺激时相和刺激幅度。在对患者进行电刺激康复助行时,通过数据采集单元1采集人体在步行、跨越障碍、上楼梯、下楼梯、坐下、站起等运动模式中的运动学数据,控制处理单元2根据所述运动学数据实时监测人体的当前状态所处的时相,当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,发出电刺激触发信号,触发电刺激单元3对目标肌肉进行电刺激。
下面结合图6、图7和图8,对本发明提供的辅助步态训练的系统的结构及工作原理进行详细说明。
参见图6,是本发明提供的辅助步态训练的系统的第一个实施例的结构示意图。
在第一个实施方式中,数据采集单元1包括惯性传感器和滤波电路。惯性传感器用于采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;滤波电路用于对所述惯性传感器所采集的信号进行滤波处理。
所述惯性传感器具体包括加速度计、陀螺仪和磁力计,如下:
加速度计,用于采集人体下肢在运动过程中的加速度信号;
陀螺仪,用于测量三维坐标系内陀螺转子的垂直轴与设备之间的夹角,并计算角速度,通过夹角和角速度来判别物体在三维空间的运动状态;和,
磁力计,用于测量磁场的强度和方向,可以测量出当前设备与东南西北四个方向上的夹角。
惯性传感器是一种通过佩戴在用户身体上的、用于捕获人体运动数据的传感装置。惯性传感器由加速度计、陀螺仪、磁力计传感器构成,可以采集人体运动过程中加速度信号、角速度信号和角度信号。
根据惯性传感器采集的加速度信号、角速度信号和角度信号,可以重构人体在运动模式下的步态周期特征,并监测人体所处步态周期的时相,进而控制电刺激单元向所治疗的肌肉发送脉冲,刺激肌肉收缩,从而达到改善或治愈中风偏瘫病人的偏瘫步态、圆规步态、运动共济失调步态、剪刀步态、短腿步态、持拐步态等异常运动模式的效果。
在惯性传感器测量系统中,由于加速度计、陀螺仪和磁力计的输出信号具有信号微弱、干扰大、噪音多等特点,不利于步态周期特征的重构和刺激时相的识别,因此需要对惯性传感器输出的信号进行预处理。惯性敏感元件的输出中往往包含有随机噪声,因此需要对敏感元件的输出进行预采样滤波,以削弱高次谐波或频率较高的干扰和噪声,来保证系统的精确度。相对于无源滤波电路来说,由集成运放和RC网络组成的有源滤波电路有很多优点,因此,优选的,本发明实施例采用有源低通滤波电路对惯性传感器输出的信号进行滤波处理。
进一步的,惯性传感器中的陀螺仪一般用来测量运动角速度,其动态性能好,适于测量快速变化的信息,测量数据经积分处理后得到转过角度,但器件存在温度漂移,角度误差增加。当其长时间工作时累积误差会无限增大,导致系统无法正常工作,需要利用加速度计与磁力计测量的姿态角适时地对陀螺仪所测的姿态角进行修正。根据陀螺仪的测量值对载体姿态角进行估计,同时加速度计和磁力计的测量值也对载体姿态角进行估计,通过滤波算法利用两次得到的姿态角估计值对姿态四元数进行修正,根据修正后的四元数计算出最终的载体姿态角。由于滤波数据融合对陀螺的漂移进行了抑制,从而提高了持续运动状态的姿态解算精度。
具体的,通过滤波算法修正数据的方法如下:利用陀螺仪测量的载体角速度,经积分后实时计算出四元数矩阵α,同时加速度计与磁力计利用重力场、大地磁场在地理坐标系和机体坐标系之间的方向余弦转换进行绝对角度解算,得到姿态角并转换为四元数矩阵β,其测量误差不随时间积累。采用矩阵β取代矩阵α的方法进行四元数姿态更新,得到修正后的姿态角。
本发明实施例提供的辅助步态训练的系统可以是单个惯性传感的控制系统,用于对单个肌肉进行电刺激;也可以是两个以上的惯性传感的控制系统,用于对两个以上的肌肉进行电刺激;下面对上述两种系统分别进行说明。
在单个惯性传感控制系统中,本发明通过固定在小腿处的惯性传感器,采集人体在运动过程中下肢肌肉的加速度信号、角速度信号和角度信号,实时计算出小腿摆动角度(小腿与地面的夹角),当摆动角度达到极小值,延时200ms后对胫前肌发放刺激。
在两个以上的惯性传感控制系统中,本发明利用多个位置固定的惯性传感器,计算不同肢体段的相对角度。使用小腿与足部的相对角度计算踝关节角度,使用小腿与大腿的相对角度计算膝关节角度,使用大腿与躯干的相对角度计算髋关节角度。通过不同关节的角度重构步态周期特征,确定刺激时间相位,同时控制多个电刺激单元刺激多块目标肌肉,辅助行走。
具体实施时,惯性传感所采集的信号,可以通过无线模块传输至控制处理单元(例如电脑),由控制处理单元进行数据处理后,可以计算出踝关节角度、膝关节角度和髋关节角度。
参见图7,是本发明提供的辅助步态训练的系统的第二个实施例的结构示意图。
在第二个实施方式中,数据采集单元1包括:多个标记点,用于固定在人体身上;和,标记采集器,用于在人体运动过程中,对所述标记点的空间坐标轨迹进行采集。
本发明实施例采用运动捕捉系统,通过在所跟踪的人体身上佩戴上标记点(Marker),再通过硬件设备,对所述标记点的空间坐标进行高速采集,获得人体各特征点的运动轨迹数据。优选的,标记点Marker为红外线反射点,标记采集器为红外摄像头。通过红外摄像头捕获标记点反射回来的红外线数据,可以确定标记点的空间坐标。人体下肢在运动过程中,控制电刺激单元的角度门限值范围设定为1.74rad~2.01rad,角速度门限值范围设定为-1.05rad/s~0.70rad/s,加速度门限值范围设定为-52.3rad/s2~-34.9rad/s2。
根据运动捕捉系统采集的坐标运动轨迹数据,可以计算得到人体关节的角度、角速度、角加速度等运动信号,从而构建人体在运动模式下的步态周期特征,并监测人体所处步态周期的时相,进而控制电刺激单元向所治疗的肌肉发送脉冲,刺激肌肉收缩,从而达到改善或治愈中风偏瘫病人的偏瘫步态、圆规步态、运动共济失调步态、剪刀步态、短腿步态、持拐步态等异常运动模式的效果。
具体的,运动捕捉系统的处理过程分为四个部分:
1、采集运动轨迹数据,包括对多个摄相头进行定标,设置受测者标记点,利用滤波算法进行标记点预测和跟踪,提高跟踪的准确性。
其中,利用卡尔曼滤波可以预测跟踪目标在下一帧图像中位置,假设其中心点设为(x0,y0),以该点为中心,取宽度为w,高度为h的区域为搜索区域,也就是要在该区域中找到和目标模板最相似的候选目标区域中心点,以提高跟踪的实时性和鲁棒性。
2、对采集的原始的运动轨迹数据进行降噪处理,利用预处理算法实现特征标记点近邻域内的噪声点的剔除。
由于运动捕捉设备和图像多目匹配算法等方面固有的原因,导致获取的特征标记点的三维空间位置出现误差和伪数据,统称为噪声数据。这种噪声数据通常是由于特征标记点的滞留投影或三维重构误差导致的,其特征为通常在一个真实特征标记点的周围存在一个或多个伪特征标记点。
本发明采用一种时域滤波器对每个标记点运动轨迹进行降噪,根据特征标记点领域内噪声数据的高频特点,将标记点数据经过低通滤波器后,滤掉高频噪声成分,从而实现剔除噪声的目的。
3、对采集的运动数据中的缺失数据进行修复。
另外,在运动捕捉过程中,由于标记点被道具、四肢、躯干或者其他标记点遮挡,容易造成标记点的丢失。所采集的肢体运动信息难以精确或逼真重构人体运动,所以通常利用关联约束、线性插值等方法对运动数据进行处理,以使运动捕捉数据处理真实地反映相应的运动过程。
人体运动系统由骨、骨连接和骨骼肌通过运动关节组成,运动中各骨骼的长度和形状是不变的,即同一骨骼上两个标记点距离保持不变。利用这一约束原理有助于重现被挡住的标记点数据。而线性插值则是由于运动捕捉系统的高速采样率,近似认为极短时间内的数据呈线性变化,因此根据前后两帧的数据计算出中间缺失的那帧数据。
4、对运动轨迹数据预处理后,监测人体运动的时相。
对运动轨迹数据进行预处理后,得到了不同特征点的三维坐标数据,通过公式(1)计算得出踝关节的关节角度数据:
cosθ=AB·AC/|AB||AC| 公式(1)
其中,θ表示踝关节的角度,即胫骨与前脚掌的角度;AB表示膝关节标记点与踝关节标记点的距离;AC表示踝关节标记点与前脚掌标记点的距离。
在人体运动过程中,可以采集每一时刻的标记点的三维坐标,经过公式(1)及微分运算,能够得到人体关节的每一时刻的角度、角速度以及角加速度等运动信号,重构步态周期特征,确定刺激时间相位,同时控制电刺激单元刺激目标肌肉辅助行走。
参见图8,是本发明提供的辅助步态训练的系统的第三个实施例的结构示意图。
在第三个实施方式中,数据采集单元1同时也是肌电采集单元4。肌电采集单元用于采集人体的下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度。
本发明实施例中采用肌电采集单元,通过贴在人体下肢肌肉的肌电采集电极,再通过硬件电路,对人体下肢肌肉在运动过程中的肌电信号进行采集,获得人体下肢肌肉的实时肌电数据。优选的,肌电采集电极以铜作为基体,表面镀银的双极型电极,硬件电路为低噪声前置放大电路,以及高通、50Hz工频以及低通滤波电路,其中高通滤波器的截止频率为150Hz,低通滤波器的截止频率为10Hz。通过硬件电路采集回来的肌电数据,可以获得人体下肢肉的收缩情况。
根据肌电采集单元采集回来的人体下肢肌肉的肌电数据,通过简单的低通滤波电路提取肌电信号包络,可以重构人体在运动模式下的步态周期特征,并监测人体所处步态周期的时相,进而控制电刺激单元向所治疗的肌肉发送脉冲,刺激肌肉收缩,从而达到改善或治愈中风偏瘫病人的偏瘫步态、圆规步态、运动共济失调步态、剪刀步态、短腿步态、持拐步态等异常运动模式的效果。
在肌电采集单元中,由于肌电的微弱性以及易干扰性,设计的肌电信号前置放大电路要求具有非常高的输入阻抗和共摸抑制比(CMRR)、低零漂、低失调、低功耗,尤其是低的1/f噪声电压,一般采用同相并联差动三运放仪表放大器,以获得良好的综合性能。
在采集过程中,由于肌电信号微弱,需要经过多级放大,而多级直接耦合的放大器虽能满足要求,但容易引起基线飘移并且容易造成无法有效剔除噪声。此外,由于极化电压存在的缘故,肌电采集系统放大器更不能采用多级直接耦合。为了有效地在隔离直流信号的同时达到滤波的效果,因此在两级放大器之间加入Sallen-Key滤波电路。Sallen-Key滤波电路优点是电路结构简单,通带增益、极点角频率和品质因素的表达式简洁,而且品质因素调节方便,可调范围大,可以通过调整截止频率参数作为高通滤波器以及低通滤波器。
另外,在表面肌电采集单元设计中,关键问题之一是如何提高系统的抗工频干扰性能。由于工频干扰频率处在肌电信号能量集中的频段,不能简单地用50Hz陷波器将其滤除。这种干扰的幅度通常会比有用信号大1~3个量级。采用传统的50Hz工频电路——对称的双T阻容有源陷波,主要原理是通过一个低通滤波器和一个高通滤波器组并联构成一个带阻滤波器,使其带阻陷波点频率为50Hz。这样的双T网络具有较强的负反馈同时具有良好的滤波作用,具有比RC更加完善的选频滤波作用。
肌电信号经过低噪声前置放大电路,以及高通、50Hz工频以及低通滤波电路后,得到较少干扰的肌电信号。再通过截止频率为3Hz的4阶低通滤波器后,可以得到该肌电信号的包络。根据肌电信号包络重构步态周期特征,确定刺激时间相位,同时控制电刺激单元刺激目标肌肉辅助行走。
本发明实施例提供的电刺激单元涉及到刺激模式和刺激电极,其中,刺激模式包括刺激波形、刺激频率以及刺激幅度。具体实施时,可以通过实验选取最优的刺激参数。另外,本发明还可以设计相关刺激电极,使得刺激模块能够以较高效率给予受测者电刺激,并且避免对受测者身体产生伤害。优选的,刺激波形为双向恒流刺激脉冲,频率为20~30Hz,强度为30~60mA,效果最为明显。
本发明实施例提供的辅助步态训练的方法及系统,实时采集人体在运动过程中的运动学数据,根据所述运动学数据判断人体的当前状态所处的时相;当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。本发明实施例通过电流在适当的时间刺激人体的下肢肌肉进行康复助行,能够改善患者下肢运动的质量,尤其适用于中风患者日常的下肢助行,达到改善或治愈中风偏瘫病人偏瘫步态、圆规步态、运动共济失调步态、剪刀步态、短腿步态、持拐步态等异常运动模式的效果。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种辅助步态训练的方法,其特征在于,包括:
S11、通过运动学信息构建人体在运动模式下的步态周期特征,根据周期特征确定一个步态周期内对目标肌肉进行电刺激的时相;
S12、实时采集人体在运动过程中的运动学数据,根据所述运动学数据判断人体的当前状态所处的时相;
S13、当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。
2.如权利要求1所述的辅助步态训练的方法,其特征在于,所述步骤S11具体包括:
S21、通过固定在人体下肢的惯性传感器,采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;
S22、根据人体下肢在运动过程中的每一时刻的加速度信号、角速度信号和角度信号,构建人体在运动模式下的步态周期特征;
S23、通过肌电采集单元测量人体的下肢肌肉在运动过程中的肌电信号,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度;
S24、根据所述收缩相位和收缩强度,确定一个步态周期内对目标肌肉进行电刺激的时相;
或者,所述步骤S11具体包括:
S31、对固定在人体身上的标记点的空间坐标进行高速采集,获得人体各特征点在运动过程中的运动轨迹数据;
S32、根据所述运动轨迹数据,构建人体在运动模式下的步态周期特征;
S33、通过肌电采集单元测量人体的下肢肌肉在运动过程中的肌电信号,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度;
S34、根据所述收缩相位和收缩强度,确定一个步态周期内对目标肌肉进行电刺激的时相;
或者,所述步骤S11具体包括:
S41、通过肌电采集单元采集人体下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络;
S42、根据人体下肢在运动过程中的肌电信号包络,构建人体在运动模式下的步态周期特征;
S43、根据一个步态周期内的下肢肌肉的收缩相位和收缩强度,确定一个步态周期内对目标肌肉进行电刺激的时相。
3.如权利要求1或2所述的辅助步态训练的方法,其特征在于,所述步骤S12具体包括:
通过固定在人体下肢的惯性传感器,实时采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;
根据所述加速度信号、角速度信号和角度信号,判断人体的当前状态所处的时相;
当所述加速度信号、所述角速度信号以及所述角度信号分别达到设定的加速度门限值、角速度门限值以及角度门限值时,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
4.如权利要求1或2所述的辅助步态训练的方法,其特征在于,所述步骤S12具体包括:
对固定在人体身上的标记点的空间坐标进行高速采集,获得人体各特征点在运动过程中的运动轨迹数据;
根据人体各特征点在运动过程中的运动轨迹数据,计算人体的踝关节角度、踝关节角速度以及踝关节角加速度,判断人体的当前状态所处的时相;
当所述踝关节角度、所述踝关节角速度以及所述踝关节角加速度分别达到设定的踝关节角度门限值、踝关节角速度门限值以及踝关节角加速度门限值时,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
5.如权利要求1或2所述的辅助步态训练的方法,其特征在于,所述步骤S12具体包括:
通过肌电采集单元采集人体下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络;
根据所述肌电信号包络,判断人体的当前状态所处的时相;
当所述肌电信号包络达到设定的包络门限值,判定人体的当前状态所处的时相是对目标肌肉进行电刺激的时相。
6.一种辅助步态训练的系统,其特征在于,包括:
数据采集单元,用于采集人体在运动过程中的运动学数据;
控制处理单元,用于根据所述数据采集单元所采集的运动学数据,实时监测人体的当前状态所处的时相;和,
电刺激单元,用于当人体的当前状态所处的时相是对目标肌肉进行电刺激的时相时,对所述目标肌肉进行电刺激。
7.如权利要求6所述的辅助步态训练的系统,其特征在于,所述系统还包括:
肌电采集单元,用于采集人体的下肢肌肉在运动过程中的肌电信号,并提取肌电信号包络,获得一个步态周期内的下肢肌肉的收缩相位和收缩强度;
所述控制处理单元还用于根据一个步态周期内的下肢肌肉的收缩相位和收缩强度,设定一个步态周期内的对目标肌肉进行电刺激的时相。
8.如权利要求6或7所述的辅助步态训练的系统,其特征在于,所述数据采集单元包括:
惯性传感器,用于采集人体下肢在运动过程中的加速度信号、角速度信号和角度信号;和,
滤波电路,用于对所述惯性传感器所采集的信号进行滤波处理。
9.如权利要求8所述的辅助步态训练的系统,其特征在于,所述惯性传感器包括:
加速度计,用于采集人体下肢在运动过程中的加速度信号;
陀螺仪,用于测量三维坐标系内陀螺转子的垂直轴与设备之间的夹角,并计算角速度,通过夹角和角速度来判别物体在三维空间的运动状态;和,
磁力计,用于测量磁场的强度和方向,可以测量出当前设备与东南西北四个方向上的夹角。
10.如权利要求6或7所述的辅助步态训练的系统,其特征在于,所述数据采集单元包括:
多个标记点,用于固定在人体身上;和,
标记采集器,用于在人体运动过程中,对所述标记点的空间坐标轨迹进行采集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310176050.0A CN103212188B (zh) | 2013-05-13 | 2013-05-13 | 一种辅助步态训练的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310176050.0A CN103212188B (zh) | 2013-05-13 | 2013-05-13 | 一种辅助步态训练的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103212188A true CN103212188A (zh) | 2013-07-24 |
CN103212188B CN103212188B (zh) | 2015-08-05 |
Family
ID=48810552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310176050.0A Active CN103212188B (zh) | 2013-05-13 | 2013-05-13 | 一种辅助步态训练的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103212188B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103584857A (zh) * | 2013-12-02 | 2014-02-19 | 上海海事大学 | 自存储便携运动肌电信号采集装置 |
CN103644911A (zh) * | 2013-11-27 | 2014-03-19 | 南京城际在线信息技术有限公司 | 陀螺仪辅助定位方法 |
CN104834384A (zh) * | 2015-06-01 | 2015-08-12 | 凌亚 | 提高运动指导效率的装置及方法 |
CN106037731A (zh) * | 2016-07-06 | 2016-10-26 | 湖南天羿领航科技有限公司 | 用于提高训练效果的智能服装及其方法 |
CN106217353A (zh) * | 2016-08-17 | 2016-12-14 | 尖叫智能科技(上海)有限公司 | 基于多轴加速度传感器的外骨骼机器人步态控制方法 |
CN106334265A (zh) * | 2016-09-19 | 2017-01-18 | 天津大学 | 以功能性肌肉电刺激驱动的外骨骼助行系统及助行方法 |
CN104383674B (zh) * | 2014-10-21 | 2017-01-25 | 小米科技有限责任公司 | 用于智能穿戴设备的计数方法、装置及智能穿戴设备 |
CN107510576A (zh) * | 2017-09-28 | 2017-12-26 | 广州博厚医疗技术有限公司 | 辅助双侧肢体协同康复的方法、装置及系统 |
CN108013998A (zh) * | 2017-12-12 | 2018-05-11 | 深圳市罗伯医疗科技有限公司 | 一种下肢康复仪器训练方法和系统 |
CN108325162A (zh) * | 2018-01-30 | 2018-07-27 | 深圳市前海未来无限投资管理有限公司 | 一种步态训练方法、装置及可穿戴设备 |
CN108355244A (zh) * | 2018-01-30 | 2018-08-03 | 深圳市未来健身衣科技有限公司 | 一种肌肉训练设备、装置及存储介质 |
CN108379817A (zh) * | 2018-04-03 | 2018-08-10 | 杭州心景科技有限公司 | 肢体康复训练系统及方法 |
CN108433729A (zh) * | 2018-04-19 | 2018-08-24 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步系统 |
CN109998490A (zh) * | 2019-04-19 | 2019-07-12 | 北京工业大学 | 一种基于子宫肌电信号自动识别宫缩的方法 |
CN110021398A (zh) * | 2017-08-23 | 2019-07-16 | 陆晓 | 一种步态分析、训练方法及系统 |
CN110201363A (zh) * | 2019-06-26 | 2019-09-06 | 天狼联盟材料科技研究(广东)有限公司 | 一种监测运动状态的运动健跑方法及智能装备 |
CN110418626A (zh) * | 2016-10-17 | 2019-11-05 | 拉科鲁尼亚大学 | 辅助行走系统 |
CN111386143A (zh) * | 2017-11-28 | 2020-07-07 | 韦斯特伯格控股公司 | 利用刺激器的改进运动训练辅助 |
CN111388862A (zh) * | 2020-03-16 | 2020-07-10 | 合肥工业大学 | 一种基于髋关节角度变化特征反馈的下肢电刺激助行系统 |
CN111388863A (zh) * | 2020-03-16 | 2020-07-10 | 合肥工业大学 | 一种基于关节角度反馈的肢体电刺激训练系统 |
CN112089580A (zh) * | 2020-05-13 | 2020-12-18 | 滨州医学院 | 一种基于干扰补偿的下肢骨骼康复机器人运动控制方法 |
CN113190056A (zh) * | 2021-04-07 | 2021-07-30 | 扬州工业职业技术学院 | 一种基于最慢环节的温度控制方法 |
CN113995634A (zh) * | 2021-12-08 | 2022-02-01 | 广州龙之杰科技有限公司 | 肢体康复训练器及其对称性参数获取方法、装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI594786B (zh) * | 2016-09-02 | 2017-08-11 | 國立臺北大學 | 自適應於即時步態之穿戴式垂足電刺激控制系統及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020151806A1 (en) * | 2000-06-26 | 2002-10-17 | Starobin Joseph M. | Method and system for evaluating cardiac ischemia with an abrupt stop exercise protocol |
US20060015470A1 (en) * | 2004-07-14 | 2006-01-19 | Richard Lauer | Neural prosthesis with fuzzy logic control system |
CN101961527A (zh) * | 2009-07-21 | 2011-02-02 | 香港理工大学 | 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 |
CN101987048A (zh) * | 2009-08-03 | 2011-03-23 | 深圳先进技术研究院 | 假肢控制方法和系统 |
CN101874758B (zh) * | 2010-05-07 | 2012-02-22 | 中国科学院深圳先进技术研究院 | 辅助运动系统及其控制方法 |
-
2013
- 2013-05-13 CN CN201310176050.0A patent/CN103212188B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020151806A1 (en) * | 2000-06-26 | 2002-10-17 | Starobin Joseph M. | Method and system for evaluating cardiac ischemia with an abrupt stop exercise protocol |
US20060015470A1 (en) * | 2004-07-14 | 2006-01-19 | Richard Lauer | Neural prosthesis with fuzzy logic control system |
CN101961527A (zh) * | 2009-07-21 | 2011-02-02 | 香港理工大学 | 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 |
CN101987048A (zh) * | 2009-08-03 | 2011-03-23 | 深圳先进技术研究院 | 假肢控制方法和系统 |
CN101874758B (zh) * | 2010-05-07 | 2012-02-22 | 中国科学院深圳先进技术研究院 | 辅助运动系统及其控制方法 |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103644911A (zh) * | 2013-11-27 | 2014-03-19 | 南京城际在线信息技术有限公司 | 陀螺仪辅助定位方法 |
CN103584857B (zh) * | 2013-12-02 | 2016-06-15 | 上海海事大学 | 自存储便携运动肌电信号采集装置 |
CN103584857A (zh) * | 2013-12-02 | 2014-02-19 | 上海海事大学 | 自存储便携运动肌电信号采集装置 |
CN104383674B (zh) * | 2014-10-21 | 2017-01-25 | 小米科技有限责任公司 | 用于智能穿戴设备的计数方法、装置及智能穿戴设备 |
CN104834384A (zh) * | 2015-06-01 | 2015-08-12 | 凌亚 | 提高运动指导效率的装置及方法 |
CN106037731A (zh) * | 2016-07-06 | 2016-10-26 | 湖南天羿领航科技有限公司 | 用于提高训练效果的智能服装及其方法 |
CN106217353A (zh) * | 2016-08-17 | 2016-12-14 | 尖叫智能科技(上海)有限公司 | 基于多轴加速度传感器的外骨骼机器人步态控制方法 |
CN106334265B (zh) * | 2016-09-19 | 2019-01-08 | 天津大学 | 以功能性肌肉电刺激驱动的外骨骼助行系统 |
CN106334265A (zh) * | 2016-09-19 | 2017-01-18 | 天津大学 | 以功能性肌肉电刺激驱动的外骨骼助行系统及助行方法 |
CN110418626A (zh) * | 2016-10-17 | 2019-11-05 | 拉科鲁尼亚大学 | 辅助行走系统 |
CN110021398B (zh) * | 2017-08-23 | 2023-03-24 | 陆晓 | 一种步态分析、训练方法及系统 |
CN110021398A (zh) * | 2017-08-23 | 2019-07-16 | 陆晓 | 一种步态分析、训练方法及系统 |
CN107510576A (zh) * | 2017-09-28 | 2017-12-26 | 广州博厚医疗技术有限公司 | 辅助双侧肢体协同康复的方法、装置及系统 |
US11033739B2 (en) | 2017-11-28 | 2021-06-15 | West & Bergh Holding Ab | Motion training aid with stimulator |
CN111386143A (zh) * | 2017-11-28 | 2020-07-07 | 韦斯特伯格控股公司 | 利用刺激器的改进运动训练辅助 |
CN108013998A (zh) * | 2017-12-12 | 2018-05-11 | 深圳市罗伯医疗科技有限公司 | 一种下肢康复仪器训练方法和系统 |
CN108325162A (zh) * | 2018-01-30 | 2018-07-27 | 深圳市前海未来无限投资管理有限公司 | 一种步态训练方法、装置及可穿戴设备 |
CN108325162B (zh) * | 2018-01-30 | 2019-08-16 | 深圳市前海未来无限投资管理有限公司 | 一种步态训练方法、装置及可穿戴设备 |
CN108355244A (zh) * | 2018-01-30 | 2018-08-03 | 深圳市未来健身衣科技有限公司 | 一种肌肉训练设备、装置及存储介质 |
CN108379817A (zh) * | 2018-04-03 | 2018-08-10 | 杭州心景科技有限公司 | 肢体康复训练系统及方法 |
CN108433729A (zh) * | 2018-04-19 | 2018-08-24 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步系统 |
CN108433729B (zh) * | 2018-04-19 | 2023-05-12 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步系统 |
CN109998490A (zh) * | 2019-04-19 | 2019-07-12 | 北京工业大学 | 一种基于子宫肌电信号自动识别宫缩的方法 |
CN109998490B (zh) * | 2019-04-19 | 2021-11-05 | 北京工业大学 | 一种基于子宫肌电信号自动识别宫缩的方法 |
CN110201363A (zh) * | 2019-06-26 | 2019-09-06 | 天狼联盟材料科技研究(广东)有限公司 | 一种监测运动状态的运动健跑方法及智能装备 |
CN111388862A (zh) * | 2020-03-16 | 2020-07-10 | 合肥工业大学 | 一种基于髋关节角度变化特征反馈的下肢电刺激助行系统 |
CN111388863A (zh) * | 2020-03-16 | 2020-07-10 | 合肥工业大学 | 一种基于关节角度反馈的肢体电刺激训练系统 |
CN111388862B (zh) * | 2020-03-16 | 2024-04-19 | 合肥工业大学 | 一种基于髋关节角度变化特征反馈的下肢电刺激助行系统 |
CN112089580A (zh) * | 2020-05-13 | 2020-12-18 | 滨州医学院 | 一种基于干扰补偿的下肢骨骼康复机器人运动控制方法 |
CN112089580B (zh) * | 2020-05-13 | 2023-02-28 | 滨州医学院 | 一种基于干扰补偿的下肢骨骼康复机器人运动控制方法 |
CN113190056A (zh) * | 2021-04-07 | 2021-07-30 | 扬州工业职业技术学院 | 一种基于最慢环节的温度控制方法 |
CN113995634A (zh) * | 2021-12-08 | 2022-02-01 | 广州龙之杰科技有限公司 | 肢体康复训练器及其对称性参数获取方法、装置 |
CN113995634B (zh) * | 2021-12-08 | 2024-04-12 | 广州龙之杰科技有限公司 | 肢体康复训练器及其对称性参数获取方法、装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103212188B (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103212188B (zh) | 一种辅助步态训练的方法及系统 | |
Celik et al. | Gait analysis in neurological populations: Progression in the use of wearables | |
Chen et al. | Locomotion mode classification using a wearable capacitive sensing system | |
Zhao et al. | Flexible and wearable EMG and PSD sensors enabled locomotion mode recognition for IoHT-based in-home rehabilitation | |
Jin et al. | Terrain identification for prosthetic knees based on electromyographic signal features | |
CN108720842A (zh) | 基于肌电信号反馈的可穿戴下肢康复系统 | |
CN106419929A (zh) | 帕金森病患者姿态平衡稳定性的定量检测装置 | |
Jiang et al. | Exploration of gait parameters affecting the accuracy of force myography-based gait phase detection | |
Rabe et al. | Use of sonomyographic sensing to estimate knee angular velocity during varying modes of ambulation | |
Sheng et al. | Metric-based muscle synergy consistency for upper limb motor functions | |
Greene et al. | Body-worn sensor based surrogates of minimum ground clearance in elderly fallers and controls | |
Tang et al. | Muscle synergy analysis for similar upper limb motion tasks | |
Jiang et al. | Study on real-time control of exoskeleton knee using electromyographic signal | |
Tong et al. | BP-AR-based human joint angle estimation using multi-channel sEMG | |
Nor et al. | Analysis of EMG signals of TA and GAS muscles during walking of Autism Spectrum Disorder (ASD) children | |
Baniasad et al. | Role and significance of trunk and upper extremity muscles in walker-assisted paraplegic gait: a case study | |
Fang et al. | Flexible and wearable GRF and EMG sensors enabled locomotion mode recognition for IoHT based in-home rehabilitation | |
Shen et al. | Lower limb activity recognition using sEMG signals via weighted random forest | |
Dutta et al. | Walking after partial paralysis assisted with EMG-triggered or switch-triggered functional electrical stimulation—Two case studies | |
Harivardhagini | Conversion of Body Muscle Signal to Control a Gripper using Surface Electromyography. | |
Ozmen et al. | Wearable mid-activity measurement of lower limb electrical bioimpedance estimates vertical ground reaction force features | |
Zabre-Gonzalez et al. | Closed-loop future prediction of continuous ankle kinematics and kinetics using residual muscle signals of transtibial amputees | |
Zheng et al. | A wearable capacitive sensing system with phase-dependent classifier for locomotion mode recognition | |
CN111053555A (zh) | 基于表面肌电信号与足底力的地形分类装置及方法 | |
Nahi et al. | Lower Limb Analysis of the Biomechanical Gait Cycle at Various Phases in Real Time |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |