CN104337666A - 多肌肉协同肌电反馈康复训练系统和方法 - Google Patents
多肌肉协同肌电反馈康复训练系统和方法 Download PDFInfo
- Publication number
- CN104337666A CN104337666A CN201410620126.9A CN201410620126A CN104337666A CN 104337666 A CN104337666 A CN 104337666A CN 201410620126 A CN201410620126 A CN 201410620126A CN 104337666 A CN104337666 A CN 104337666A
- Authority
- CN
- China
- Prior art keywords
- signal
- muscle
- rehabilitation training
- electromyographic signal
- module
- 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.)
- Pending
Links
- 238000012549 training Methods 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 54
- 210000003205 muscle Anatomy 0.000 claims abstract description 237
- 230000003993 interaction Effects 0.000 claims abstract description 109
- 230000002159 abnormal effect Effects 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 35
- 230000009471 action Effects 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000008602 contraction Effects 0.000 claims description 109
- 238000011156 evaluation Methods 0.000 claims description 34
- 235000013372 meat Nutrition 0.000 claims description 33
- 230000033001 locomotion Effects 0.000 claims description 32
- 230000004118 muscle contraction Effects 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 12
- 239000000556 agonist Substances 0.000 claims description 9
- 230000001595 contractor effect Effects 0.000 claims description 9
- 238000003909 pattern recognition Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 9
- 230000004308 accommodation Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 206010049565 Muscle fatigue Diseases 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000002567 electromyography Methods 0.000 description 43
- 208000006011 Stroke Diseases 0.000 description 13
- 206010008190 Cerebrovascular accident Diseases 0.000 description 10
- 210000002310 elbow joint Anatomy 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 210000001364 upper extremity Anatomy 0.000 description 6
- 230000003042 antagnostic effect Effects 0.000 description 5
- 210000003797 carpal joint Anatomy 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003387 muscular Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 208000014094 Dystonic disease Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000010118 dystonia Diseases 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001771 impaired effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 230000001769 paralizing effect Effects 0.000 description 2
- 208000012260 Accidental injury Diseases 0.000 description 1
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 230000002232 neuromuscular Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种多肌肉协同肌电反馈康复训练系统,包括:人机交互模块,用于引导用户进行人机交互任务;信号采集模块,用于采集目标肌肉在实施收缩动作过程中产生的力学信号、肌电信号;信号分析与处理模块,提取信号采集模块采集到的信号的特征参数,得到并传输控制信号到人机交互模块进行相应的训练控制;轨迹及参数设置模块,设置人机交互任务各项参数;肌肉异常收缩模式识别模块,识别康复训练过程中的肌肉异常收缩模式并给出警报;信号存储模块用于存储力学信号、肌电信号以及两者的特征参数。本发明还提供了一种多肌肉协同肌电反馈康复训练方法。本发明针对多块肌肉的协调能力进行实时、连续性的训练,并结合生物反馈,可提高康复效率。
Description
技术领域
本发明涉及医疗器械技术领域,尤其涉及一种多肌肉协同肌电反馈康复训练系统和方法。
背景技术
脑卒中(Stroke),俗称中风,已经成为人类健康的第二大杀手,它具有发病率高、死亡率高、致残率高的特点。相关临床研究发现,脑卒中后的偏瘫患者在日常生活中,经常表现为控制同一关节运动的主动肌与拮抗肌间的不协调,导致运动过程主动肌与拮抗肌的异常共收缩。除了主动肌与拮抗肌间的异常共收缩外,脑卒中后的偏瘫患者还表现为控制不同关节运动的肌肉发生异常协同。多肌肉间的异常协同和共收缩直接导致了偏瘫患者的运动功能受损。偏瘫患者由于神经通路受损,无法知晓偏瘫部位肌肉的收缩状况,这使得它们无法在传统的康复方法的帮助下,如人工物理治疗,传统作业疗法,有意识地调整肌肉的收缩状况和多肌肉间的协同情况,只能被动地接受治疗。
为了解决该问题,在上世纪70年代,肌电反馈技术被引入到临床康复应用中来。肌电反馈是采用肌电采集装置测定瘫痪肢体的肌电信号,并以听觉、视觉或触觉等反馈方式将偏瘫病人无法察觉的肌肉收缩信息反馈给病人。病人在知晓肌肉收缩状况后,可主动改变肌肉收缩情况,使得肌肉在运动过程中达到目标收缩水平,通过这种方式能让患者积极主动的参与训练,并最终恢复肢体运动功能。然而,传统的肌电反馈技术往往局限于某一块肌肉,并不能整体地反映运动过程中各肌肉间的协调情况。这种单一的肌电反馈技术的临床效果具有一定局限性。
目前,调研得到的最新的利用肌电反馈技术用于康复领域的应用,包括:美国南加利福尼亚州大学生物医学工程中心的Young,在2011年提出利用一种利用肌电反馈技术,将一对肌张力异常的肌肉的收缩程度通过视觉反馈给肌张力障碍患者,其能够有效地减少肌肉异常共收缩和肌肉过度激活;美国芝加哥西北大学费恩伯格医学院的Zachary在2013年将人体上肢八块肌肉的收缩情况反馈给中风患者,以阈值控制的方式训练中风患者调整上肢肌肉的收缩程度,减少了患者肌肉间的异常协同现象,起到了很好的康复效果;来自日本科技协会精密和智能实验室的Duk在2014年4月提出一种将肌电反馈与虚拟游戏结合的方式,将腕关节伸肌和屈肌的肌电信号通过模式识别算法转换为关节角度信号,将关节角度信号作为输入完成一种打砖块的游戏,可以使患者在完成游戏的同时,进行腕关节的康复训练。
综上所述,相比于只针对某一块单一肌肉的传统肌电反馈方法,针对多块肌肉的肌电反馈方式可以全面地反映运动过程中多块肌肉的变化情况,从而增强肌肉间的运动协调性,改善患者在运动过程中出现的肌肉异常协同和肌肉异常共收缩的现象。目前,针对多块肌肉的肌电反馈方式在康复领域得到一些应用。但是,该种肌电反馈方式多采用阈值控制的方法,或是利用模式识别算法将多块肌肉的肌电信号转换为单一的力学信号或者关节角度信号反馈给患者,尽管在训练中获得了很好的控制性能,可实际上这些现有的方法并不能直接地反映每块肌肉在训练过程中具体的收缩状况,无法实现对每一块肌肉的收缩情况都进行实时、连续的肌电反馈。因此,现有肌电反馈技术还有待改进和发展。
发明内容
本发明所要解决的技术问题是,提供一种多肌肉协同反馈的肌电反馈康复训练的技术方案,能够实时、连续地反馈多块肌肉在康复训练过程中的协同收缩情况,增强用户对多块肌肉的协同控制能力,提高康复效率。
为解决以上技术问题,一方面,本发明实施例提供一种多肌肉协同肌电反馈康复训练系统,包括:
人机交互模块,包括人机交互界面,用于引导用户进行人机交互任务,针对多块目标肌肉分别实施最大力收缩动作;
信号采集模块,用于采集所述目标肌肉在实施收缩动作过程中产生的力学信号、肌电信号;
信号分析与处理模块,用于对所述力学信号和肌电信号进行运算与处理,获得所述力学信号的特征参数和所述肌电信号的特征参数,作为用户的肌肉协同控制能力评估依据;还用于将用户进行最大力等长收缩动作时的目标肌肉产生的力学信号特征参数作为训练控制信号实时传输到人机交互模块显示,并将用户进行人机交互任务时的肌电信号特征参数作为训练控制信号实时传输到人机交互模块显示;还用于根据所述肌肉协同控制能力评估依据得到肌肉协同控制能力评估结果,同步调整康复训练计划;
轨迹及参数设置模块,用于根据所述肌肉协同控制能力评估结果及康复训练计划设置所述人机交互任务的各项参数;
肌肉异常收缩模式识别模块,用于设置肌肉异常收缩模式的各个阈值,对康复训练过程中出现的肌肉异常收缩模式进行监测;
信号存储模块,用于存储所述信号采集模块采集得到的力学信号、肌电信号,存储所述信号分析与处理模块处理得到的所述力学信号的特征参数和所述肌电信号的特征参数,存储用户肌肉协同控制能力评估结果,以及存储康复训练过程中用户的实际训练控制数据。
优选地,所述人机交互界面为多维交互界面。
进一步地,所述信号采集模块包括:
力学信号采集单元,用于采集所述目标肌肉产生的力学信号;以及,
肌电信号测量单元,用于采集所述目标肌肉产生的肌电信号。
进一步地,所述人机交互模块,用于接收所述信号分析与处理模块得到的康复训练过程中代表目标肌肉收缩情况的训练控制信号,还用于显示所述肌肉异常收缩模式识别模块发出的肌肉收缩异常警报信号。
进一步地,所述信号分析与处理模块传输到所述人机交互模块的的训练控制信号在最大力等长收缩动作中为目标肌肉产生的力的幅值;在人机交互任务中,所述信号分析与处理模块传输的训练控制信号,为代表肌肉收缩程度大小的归一化后的肌电信号特征参数,包括归一化肌电包络幅值、归一化肌电信号均方根幅值、滑动窗下计算出的肌电信号积分值;其中,归一化过程的分母为最大力等长收缩任务中测得的相应肌电信号特征参数。
进一步地,所述肌肉异常收缩模式包括肌肉过度兴奋、肌肉过度抑制、肌肉异常协同、主动肌和拮抗肌异常共收缩,以及肌肉疲劳。
进一步地,所述人机交互任务为一种根据用户对目标肌肉的协同控制能力评估结果及康复训练计划设计的实时、连续性的轨迹追踪任务;
所述人机交互界面上存在一个实时光标和一个或多个目标光标;所述实时光标用于在用户得到所述人机交互界面的视觉反馈后的主动调整下,根据多块目标肌肉之间协同收缩状况进行移动,追踪预设的目标光标;其中,所述目标光标的运动轨迹由所述轨迹及参数设置模块根据用户对目标肌肉的协同控制能力评估结果及康复训练计划进行预设;
所述人机交互界面上还设有提示指示灯,用于指示人机交互任务的开始和结束,并且当目标肌肉处于异常收缩模式时,向用户发出警报信号。
进一步地,所述力学信号的特征参数包括:等长收缩动作最大力、指定时间内收缩力均值、指定时间内力学信号方差;
所述肌电信号的特征参数包括:肌电信号包络幅值、肌电信号绝对平均值、肌电信号积分值、肌电信号均方根幅值、肌电信号峰值、肌电信号方差、过零点数、肌肉协同收缩值、肌肉共收缩值和肌电信号中值频率。
另一方面,本发明实施例还提供了一种多肌肉协同肌电反馈康复训练方法,包括:
S101:用户在人机交互界面引导下针对多块目标肌肉分别实施最大力等长收缩动作;
S102:采集并存储所述各目标肌肉在实施收缩动作过程中产生的力学信号和肌电信号;
S103:对所述力学信号和所述肌电信号进行运算与处理,获得并存储所述力学信号的特征参数和所述肌电信号的特征参数,作为用户的肌肉协同控制能力评估依据;
S104:根据所述肌肉协同控制能力评估依据得到肌肉协同控制能力评估结果,根据所述肌肉协同控制能力评估结果及康复训练计划设置人机交互任务参数;
S105:将用户进行人机交互任务时的肌电信号特征参数作为训练控制信号实时传输到人机交互模块显示;
S106:设置肌肉异常收缩模式的各个阈值,对康复训练过程中出现的肌肉异常收缩模式进行监测;
S107:根据人机交互界面的反馈信息,接受用户对各目标肌肉之间的协同收缩状况的主动调整,完成人机交互任务;
S108:对所述力学信号、肌电信号及各信号的特征参数进行实时监测和记录,获得康复训练过程中用户的实际训练控制数据;
S109:根据康复训练中的各信号的特征参数和实际训练控制数据,连续评估及同步调整康复训练计划,并且,当表征用户目标肌肉异常收缩模式的肌电特征参数的幅值达到预设的异常阈值时,向用户发出肌肉收缩异常警报信号。
其中,所述力学信号的特征参数包括:等长收缩动作最大力、指定时间内收缩力均值、指定时间内力学信号方差;
所述肌电信号的特征参数包括:肌电信号包络幅值、肌电信号绝对平均值、肌电信号积分值、肌电信号均方根幅值、肌电信号峰值、肌电信号方差、过零点数、肌肉协同收缩值、肌肉共收缩值和肌电信号中值频率。
本发明实施例提供的多肌肉协同肌电反馈康复训练系统和方法,能够实时、连续地反映多块肌肉在康复训练过程中的变化情况,给予用户直接的反馈,增强用户对多块肌肉的协同控制能力,从而增强患者肌肉间的运动协调性,提高脑卒中患者的康复效率。此外,在康复训练过程中,本发明提供的技术方案可对采集到的力学信号和肌电信号进行分析,获得康复训练过程中用户的实际训练控制数据,根据康复训练中的各信号的特征参数和实际训练控制数据,评估脑卒中用户的关节运动功能状况及康复情况,同步调整康复训练计划,并实现对训练过程中用户目标肌肉异常收缩模式的监控。
附图说明
图1是本发明提供的多肌肉协同肌电反馈康复训练系统的一个实施例的结构示意图。
图2是本发明实施例提供的人机交互界面为二维交互界面的示意图。
图3是本发明实施例提供的人机交互界面为三维交互界面的示意图。
图4是本发明提供的多肌肉协同肌电反馈康复训练系统的又一个实施例的结构示意图。
图5是本发明实施例提供的多肌肉协同肌电反馈康复训练系统在使用状态的一个具体结构图。
图6是本发明提供的多肌肉协同肌电反馈康复训练方法的一个实施例的步骤流程图。
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,是本发明提供的多肌肉协同肌电反馈康复训练系统的一个实施例的结构示意图。
本实施例提供的多肌肉协同肌电反馈康复训练系统包括:
人机交互模块100,包括人机交互界面,用于引导用户进行人机交互任务,针对多块目标肌肉实施最大力收缩动作。具体实施时,人机交互界面可以用于指导用户改变多块目标肌肉之间的协同收缩状况来完成人机交互任务。进一步地,本实施例可以通过在一种多维交互界面(包括二维交互界面和三维交互界面)上设置多个人机交互任务,指导用户主动调节多块肌肉的协同收缩情况,增强控制关节运动的主要肌肉间的运动协调性,改善脑卒中用户在关节运动过程中产生的肌肉异常协同和肌肉异常共收缩现象。
参见图2,是本发明实施例提供的人机交互界面为二维交互界面的示意图。图3是本发明实施例提供的人机交互界面为三维交互界面的示意图。并且,图2和图3中均存在一个实时光标G,和一个或多个目标光标R。
本实施例中,人机交互界面可以设计为二维平面坐标系,也可以设置为三维立体空间。在二维平面坐标系或三维立体空间里,点的坐标分别代表各目标肌肉的收缩状态,每个坐标轴的有效坐标范围为0至1。以三维交互界面为例,各目标肌肉的收缩程度分别对应多维人机交互界面上的X轴、Y轴和Z轴坐标;相应的,每个坐标轴上的0代表该目标肌肉处于完全放松状态,1代表该目标肌肉处于最大力等长收缩状态。
用户在人机交互界面的反馈下,实时、连续地主动调整多块目标肌肉之间的协同收缩状况,完成人机交互任务,从而提高脑卒中用户控制关节运动的主要肌肉间的运动协调性。本发明实施例并不局限于这两种人机交互界面,也可以是其它多维界面。
信号采集模块200,用于采集在实施人机交互任务过程中所述各目标肌肉产生的力学信号、肌电信号。
本发明实施例中,优选的,在二维交互界面上,可选择目标肌肉为控制肘关节曲屈和伸展的肱二头肌(Biceps Brachii)和肱三头肌(Triceps Brachii),它们本身是一对主动肌和拮抗肌,分别控制手臂曲屈和伸展。在三维交互界面上,可选择目标肌肉为控制腕关节曲屈、伸展和旋转的桡侧腕伸肌(ExtensorCarpus Radialis)、桡侧腕屈肌(Flexor Carpi Radialis)和旋前圆肌(Pronator Teres)。需要说明的是,本发明所提供的技术方案并不局限于这些目标肌肉,也可针对四块乃至更多目标肌肉;此外,本发明所提供的技术方案并不局限于肘关节,也可以包括控制人体其它主要关节运动的相关肌肉,如控制腕关节、膝关节和踝关节运动的相关肌肉。
信号分析与处理模块300,用于对所述力学信号和肌电信号进行运算与处理,获得所述力学信号的特征参数和所述肌电信号的特征参数,作为用户的肌肉协同控制能力评估依据;还用于将用户进行最大力等长收缩动作时的目标肌肉产生的力的幅值作为训练控制信号实时传输到人机交互模块100显示,并将用户进行人机交互任务时的肌电信号特征参数作为训练控制信号实时传输到人机交互模块100显示;还用于根据所述肌肉协同控制能力评估依据得到肌肉协同控制能力评估结果,同步调整康复训练计划。
轨迹及参数设置模块400,用于根据所述肌肉协同控制能力评估结果及康复训练计划设置所述人机交互任务的各项参数。
具体实施时,所述信号分析与处理模块300传输的训练控制信号在最大力等长收缩动作中为目标肌肉产生的力的幅值;在人机交互任务中,所述训练控制信号为代表肌肉收缩程度大小的归一化后的肌电信号特征参数,包括归一化肌电包络幅值、归一化肌电信号均方根幅值、滑动窗下计算出的肌电信号积分值中的任意一项或多项;其中,归一化过程的分母为最大力等长收缩任务中测得的相应肌电信号特征参数。
肌肉异常收缩模式识别模块500,用于设置肌肉异常收缩模式的各个阈值,对康复训练过程中出现的肌肉异常收缩模式进行监测。其中,所述肌肉异常收缩模式包括肌肉过度兴奋、肌肉过度抑制、肌肉异常协同、主动肌和拮抗肌异常共收缩,以及肌肉疲劳;所述肌肉异常收缩模式识别模块500还用于对所述代表肌肉异常收缩的肌电信号特征参数的阈值进行设置,并监测所述肌肉异常收缩的肌电信号特征参数。
在本实施例中,人机交互模块100,还用于接收所述信号分析与处理模块300得到的康复训练过程中代表目标肌肉收缩情况的训练控制信号,还用于显示所述肌肉异常收缩模式识别模块500发出的肌肉收缩异常警报信号。
具体实施时,针对最大力等长收缩动作产生的力学信号和肌电信号:所述力学信号的特征参数包括:等长收缩动作最大力、指定时间内收缩力均值、指定时间内力学信号方差;所述肌电信号的特征参数包括:肌电信号包络幅值、肌电信号绝对平均值、肌电信号积分值、肌电信号峰值、肌电信号方差、过零点数、肌肉协同收缩值、肌肉共收缩值和肌肉中值频率。
在优选的实施方式中,可以采用以下方程逐一计算出上述各个特征参数的值:
A.等长收缩动作最大力
Fmax=MAX(fi) (i=1,2...N-1,N) (1)
Fmax为指定时间(5秒)内最大力等长收缩动作中产生的力的峰值,其中fi为力学信号第i个采样点的值。参数N为5s(秒)内一共采集到的力学信号采样点数,其与力学信号的采样率有关。
B.指定时间(5s)内收缩力均值
Fmean为5s最大力等长收缩动作中产生的力的均值,其中fi为力学信号第i个采样点的值。
C.指定时间(5s)内力学信号方差
Fvar为5s最大力等长收缩动作中产生的力的方差,它体现力的变异性,并间接体现了用户对肌肉力的控制能力,其中fi为力学信号第i个采样点的值。
D.肌电信号绝对平均值
其中,参数N为该段时间内的采样点数,|xi|为第i个采样点的EMG(Electromyography,肌电图)信号幅值。
E.肌电信号积分值
该特征参数表示从时间T1到时间T2的肌电信号积分值。
F.肌电信号均方根值
RMS代表了肌电信号的有效值,在一定程度上反应肌电信号大小幅度的变化。
G.肌电信号峰值
EMGmax=Max{xi} (i=1,2....N-1,N) (7)
H.肌电信号方差
I.过零点数
其中,
过零点数(Zero Cross)即肌电信号穿过基线的次数,过零点数多,说明肌电信号高频分量多,能够在一定程度上说明肌电信号的频率特征。
J.肌肉协同收缩值
其中,肌肉协同收缩值Coh用于表示在单位时间内,一对不为主动肌和拮抗肌的目标肌肉的协同收缩程度,IEMG1和IEMG2分别代表目标肌肉在训练过程中指定时间内的肌肉积分均值。
K.肌肉共收缩值
N为每一帧的采样点数,EMGlower是第i个采样点的拮抗肌对肌肉中肌电幅值的较小者的肌电幅值,EMGhigher是第i个采样点的拮抗肌对中肌电幅值的较大者的肌电幅值。
L.肌电信号中值频率
肌电信号功率谱P(f)的平均功率频率(Mean Power Frequency,MPF)和中值频率(Median Frequency,MF)可以用来衡量肌肉的活跃程度,常被用于肌肉疲劳程度的判别。在等长收缩动作中,MPF和MF将随肌肉兴奋时间的延长而下降。其中,MPF和MF的定义如下:
在本实施例中,利用A~L所记载的12个特征参数,可以定量地评估用户的肌肉控制能力;这里使用参数肌电信号中值频率可以定量的评估目标肌肉是否疲劳。
在本实施例中,所述的多肌肉协同肌电反馈康复训练系统还包括信号存储模块600,用于存储所述信号采集模块采集得到的力学信号、肌电信号,存储所述信号分析与处理模块300处理得到的所述力学信号的特征参数和所述肌电信号的特征参数,存储用户肌肉协同控制能力评估结果,以及存储康复训练过程中用户的实际训练控制数据。
具体地,评估依据包括力学信号的特征参数,如最大力,力均值,力方差,体现肌肉的肌力水平和控制能力;还包括肌电的信号特征参数,如肌电幅值均值,方差,协同值,共收缩值,也可以得到肌肉间的一个协同控制能力。所述的评估结果是从这些信号特征参数里得到的一个分析结果,如哪些肌肉间协同控制能力好,哪些肌肉间协同控制能力差,哪块肌肉肌力差,那块肌肉容易发生异常协同和共收缩等,然后针对这个评估结果,同步调整康复训练计划。
参看图4,是本发明提供的多肌肉协同肌电反馈康复训练系统的又一个实施例的结构示意图。
本实施例在图1实施例的基础上,进一步地,所述信号采集模块200包括:力学信号采集单元201,用于采集所述目标肌肉产生的力学信号;以及,肌电信号测量单元202,用于采集所述目标肌肉产生的肌电信号。
参见图5,是本发明实施例提供的多肌肉协同肌电反馈康复训练系统在使用状态的一个具体结构图。
优选地,所述力学信号采集单元201包括上肢固定支架2011,以及与所述上肢固定支架2011连接的把手2012;具体实施时,力学信号采集单元201还包括扭矩力学传感器(图5中未示出),用于测量单个方向或多个方向上的力矩。
所述肌电信号测量单元202包括一个或多个表面电极2021,所述表面电极2021通过带屏蔽的导线与所述信号分析与处理模块300连接,用于提取目标肌肉表面的微弱肌电信号;在本实施例中,所述肌电信号测量单元202,还用于对所述微弱肌电信号进行放大和滤波等处理。通过表面电极2021获取的原始肌电信号比较微弱,需要对其进行至少包括放大和滤波的处理。
进一步地,如图4所示,在本实施例提供的多肌肉协同肌电反馈康复训练系统中,所述信号分析与处理模块300具体包括特征参数提取单元301,训练评估单元302。
其中,所述特征参数提取单元301,用于提取所述信号存储模块中的力学信号和肌电信号,分析计算得到所述力学信号的特征参数和所述肌电信号的特征参数;并且将所述力学信号的特征参数和所述肌电信号的特征参数存储到所述信号存储模块中,作为肌肉协同控制能力评估依据。所述训练评估单元302,用于评估所述力学信号特征参数和肌电信号特征参数,及训练控制情况;进一步地,训练评估单元302还用于对康复训练过程中用户的实际训练控制数据进行评估,得到肌肉协同能力评估结果。所述实际训练控制数据,包括追踪轨迹、追踪误差,可以作为训练得到的评估参数,当追踪轨迹与预设轨迹越接近,追踪误差越小,说明追踪情况越好,代表肌肉协同控制能力增强,康复效果好。
所述轨迹及参数设置模块400,用于根据所述肌肉协同能力评估结果及康复训练计划设置人机交互任务各项参数。所述人机交互任务各项参数包括人机交互任务时间、难度、人机交互界面目标光标个数及目标光标运动学参数。
利用人机交互界面,可以实时反馈显示多块目标肌肉的协同收缩情况。例如,在人机交互界面均可包含两种不同的光标,如图2和图3所示,人机交互界面上设有实时光标G和一个或多个目标光标R。所述实时光标G用于在用户得到所述人机交互界面的视觉反馈后的主动调整下,根据多块目标肌肉之间协同收缩状况进行移动,追踪预设的目标光标R;其中,所述目标光标R的运动轨迹根据用户对目标肌肉的协同控制能力评估结果及康复训练计划进行预设。其中,实时光标G中心的横坐标和纵坐标分别对应各目标肌肉当前的收缩状态。光标R为目标光标,其运动学参数可根据用户康复训练计划设置,不同的目标光标运动轨迹代表不同的康复训练任务。在进行康复训练时,用户可以通过调整各块目标肌肉的收缩状况,改变肌肉的收缩程度,实时、连续地控制光标G移动追踪已经设置好运动学参数的目标R光标,完成人机交互任务,有针对性的训练各目标肌肉间的协调能力。
本实施例中,以上代表用户各目标肌肉实际收缩状态的实时光标G,其运动轨迹由用户通过调整目标肌肉间协同收缩情况来改变;目标光标R,其运动轨迹根据存储在信号存储模块的肌肉控制能力评估结果进行设置,设置参数包括目标光标R运动范围、运动时间、运动速度等参数。一般情况下,目标光标R作匀速移动或者正弦运动。
以二维交互界面为例,在同步调整康复训练计划时,所选目标肌肉为控制肘关节曲屈和伸展的肱二头肌和肱三头肌。用户通过调整肱二头肌和肱三头肌的收缩水平,控制光标G跟上已经设置好运动参数的目标光标R,可以将人机交互界面的追踪任务设计为如下任务a~e:
追踪任务a,目标光标R的初始坐标设置为(0,0),运动类型为匀速直线运动,从初始坐标位置(0,0)匀速移动到坐标(0.1,0),再匀速回到坐标原点(0,0),运动时间为10s。用户控制光标G追踪目标光标R,让肱三头肌处于完全放松的状态,并均匀改变肱二头肌的收缩水平,使其收缩水平先缓慢增加到10%,再缓慢放松至0。
追踪任务b,目标光标R的初始坐标设置为(0,0),运动类型为匀速直线运动,从初始坐标位置(0,0)匀速移动到坐标(0,0.1),再匀速回到坐标原点(0,0),运动时间为10s。用户控制G追踪目标光标R,让肱二头肌处于完全放松的状态,并均匀改变肱三头肌的收缩水平,使其收缩水平先缓慢增加到10%,再缓慢放松至0。
追踪任务c,要求用户同时缓慢改变肱二头肌和肱三头肌的收缩水平,运动类型为匀速直线运动。此时目标光标的初始坐标位置为(0,0),匀速移动到(0.1,0.1),再匀速回到(0,0),运动时间同样设置为10s。在追踪任务e中,用户在目标光标R的引导下,同时调节肱二头肌和肱三头肌的收缩水平,使肱二头肌和肱三头肌发生共收缩,此时用户的肱二头肌的收缩水平和肱三头肌的收缩水平都先缓慢增加到10%,再放松至0。
追踪任务d,目标光标R的初始坐标位置设置为(0.05,0),运动类型为匀速直线运动,从初始坐标位置(0.05,0)匀速移动到坐标(0.05,0.1),再匀速回到初始位置,运动时间为10s。在追踪任务4中,用户在目标光标R的引导下,将肱三头肌收缩程度维持在一个比较小的收缩水平5%,并均匀改变肱二头肌的收缩水平,使其收缩水平先缓慢增加到10%,再缓慢放松至0。
追踪任务e,目标光标R的初始坐标位置设置为(0,0.05),运动类型为匀速直线运动,从初始坐标位置(0,0.05)匀速移动到坐标(0.1,0.05),再匀速回到初始位置,运动时间为10s。在追踪任务c中,用户在目标光标R的引导下,将肱二头肌收缩程度维持在一个比较小的收缩水平5%,并均匀改变肱三头肌的收缩水平,使其收缩水平先缓慢增加到10%,再缓慢放松至0。
具体的,如图2所示,二维界面上追踪任务c的运动轨迹用虚线画出。
通过设计不同的人机交互任务,可以训练用户对这一对目标肌肉的协同控制能力,改善用户在肘关节运动过程中目标肌肉的异常协同现象。需要说明的是,本实施例可以根据用户的个体差异选择其它个性化的信号特征参数,也可以选择其它目标肌肉,进行有针对性的康复训练。
此外,所述人机交互界面上还设有提示指示灯,用于指示人机交互任务的开始和结束,并且当目标肌肉处于异常收缩模式时,向用户发出警报信号,提示用户暂停训练。
进一步地,所述信号分析与处理模块300还包括用于对扭矩力学传感器采集的力学信号进行处理,得到目标肌肉产生的力的幅值,并输出肌肉力幅值至所述人机交互模块100,引导用户完成最大力等长收缩动作。
所述信号分析与处理模块300,还用于对所述肌电信号测量单元202采集的肌电信号进行处理,得到反映所述目标肌肉的收缩情况的肌电信号特征参数,作为控制信号输出至所述人机交互模块100。
所述人机交互模块100,还用于实时反馈显示所述信号分析与处理模块300产生的力学信号特征参数和肌电信号特征参数。所述人机交互界面,还用于实时显示所述信号分析与处理模块得到的目标肌肉的收缩情况的肌电信号特征参数,接受用户主动调整目标肌肉之间的协同收缩状况,完成人机交互任务。所述人机交互任务为一种根据用户对目标肌肉的协同控制能力评估结果及康复训练计划设计的实时、连续性的轨迹追踪任务。
所述轨迹及参数设置模块400用于根据所述人机交互任务评估结果及康复训练计划设置人机交互任务参数。
所述肌肉异常收缩模式识别模块500,用于对所述特征参数提取单元301提取的肌电信号特征参数进行实时监测,并且,当表征用户目标肌肉异常收缩模式的特征参数的幅值达到预设的异常阈值时,向用户发出警报信号,避免造成训练过程中神经肌肉功能的意外损伤。
本发明实施例提供的多肌肉协同肌电反馈康复训练系统,能够实时、连续地反映多块肌肉在康复训练过程中的变化情况,给予用户(脑卒中患者)直接的反馈,增强用户对多块肌肉的协同控制能力,从而增强患者肌肉间的运动协调性,提高脑卒中患者的康复效率。此外,在康复训练过程中,本发明提供的技术方案可对采集到的力学信号和肌电信号进行分析,评估脑卒中用户的关节运动功能状况及康复情况,同步调整康复训练计划,并实现对训练过程中用户目标肌肉异常收缩状况的监控。
参看图6,是本发明提供的多肌肉协同肌电反馈康复训练方法的一种步骤流程图。
在本实施例中,可以利用上述的多肌肉协同肌电反馈康复训练系统,来实现多肌肉协同肌电反馈康复训练方法。具体地,所述反馈康复训练方法包括以下步骤:
步骤S101:用户在人机交互界面引导下针对多块目标肌肉分别实施最大力收缩动作。
具体实施时,用户针对多块目标肌肉分别实施规范的最大力等长收缩动作时,采集在实施最大力等长收缩动作时所产生的力学信号和肌电信号,并计算得到力学信号和肌电信号的信号特征参数。具体地,优选的一对目标肌肉为控制肘关节曲屈和伸展的肱二头肌(Biceps Brachii)和肱三头肌(Triceps Brachii),它们各是一对主动肌和拮抗肌。在三维交互界面上,可选择目标肌肉为控制腕关节曲屈、伸展和旋转的桡侧腕伸肌(Extensor Carpus Radialis)、桡侧腕屈肌(Flexor Carpi Radialis)和旋前圆肌(Pronator Teres)而本实施例所提供的训练方法并不局限于两块或三块目标肌肉,也可针对四块乃至更多目标肌肉;并且本发明所提供的训练方法并不局限于肘关节,也包含控制人体其它主要关节运动的相关肌肉。在本实施例中,可以采用自主设计的力学信号采集单元201和肌电信号测量单元202分别采集目标肌肉产生的力学信号和肌电信号。而如图5所示,所述力学信号采集单元201包括上肢固定支架2011,以及与所述上肢固定支架2011连接的把手2012和扭矩力学传感器;其中,所述扭矩力学传感器用于测量单个方向或多个方向上的力矩。
在一种可实现的方式中,本实施例通过人机交互界面引导用户完成最大力等长收缩动作。具体地,所述最大力等长收缩动作分别是肘关节曲屈和肘关节伸展动作。本实施例要求用户在虚拟交互界面的引导下朝任务方向发出最大力,并维持指定时间(5s)。需要说明的所述人机互界面不同于康复训练时的人机交互界面,该人机交互界面含一个指示灯和力大小显示控件,力大小显示控件接收信号分析与处理模块得到的力的幅值,当指示灯亮时,用户开始一次最大力等长收缩任务,发出最大力并保持,直至5s后指示灯灭,用户迅速放松目标肌肉,完成一次最大力等长收缩任务。
步骤S102:采集并存储所述目标肌肉在实施收缩动作过程中产生的力学信号和肌电信号。
步骤S103:对所述力学信号和所述肌电信号进行运算与处理,获得并存储所述力学信号的特征参数和所述肌电信号的特征参数,作为用户的肌肉协同控制能力评估依据。
步骤S104:根据所述肌肉协同控制能力评估依据得到肌肉协同控制能力评估结果,根据肌肉协同控制能力评估结果设置康复训练计划及人机交互任务参数。
在本实施例中,所述步骤S101-S104为康复训练前的准备阶段,在前期准备阶段,可以得到用户对肌肉协同控制能力的评估结果和用户的个性化力学信号特征参数和肌电信号特征参数,作为设计康复训练计划和所述轨迹及参数设置模块设置人机交互任务各项参数的依据。
进一步地,本发明提供的多肌肉协同肌电反馈康复训练方法还包括:
步骤S105:将用户进行最大力等长收缩动作时的目标肌肉产生的力的幅值和用户进行人机交互任务时的肌电信号特征参数作为训练控制信号实时传输到人机交互模块显示。
步骤S106:设置肌肉异常收缩模式的各个阈值,对康复训练过程中出现的肌肉异常收缩模式进行监测。
步骤S107:根据人机交互界面的反馈信息,接受用户对各目标肌肉间的协同收缩状况的主动调整,完成人机交互任务。
步骤S108:对所述力学信号、肌电信号及各信号特征参数进行实时监测和记录,获得康复训练过程中用户的实际训练控制数据;
步骤S109:根据康复训练中的各信号的特征参数和实际训练控制数据,连续评估及同步调整康复训练计划,并且,当表征用户目标肌肉异常收缩模式的肌电特征参数的幅值达到预设的异常阈值时,向用户发出肌肉收缩异常警报信号。
在本实施例中,所述步骤S104-S109为康复训练阶段。
进一步地,在所述步骤S103或步骤S106中,对所述力学信号和所述肌电信号进行运算与处理,获得所述力学信号的特征参数和所述肌电信号的特征参数,包括:计算所述力学信号的特征参数,包括:等长收缩动作最大力、指定时间内收缩力均值、指定时间内力学信号方差;以及,计算所述肌电信号的特征参数,包括:肌电信号绝对平均值、肌电信号积分值、肌电信号均方根幅值、过零点数、肌电信号峰值、肌电信号方差、肌肉协同收缩值、肌肉共收缩值和肌电信号中值频率。具体实施时,可以采用前文所述的方程(1)~(13)对各个特征参数进行计算,在此不再赘述。
在本实施例中,可以通过人机交互任务,训练用户实时、连续地调整多块目标肌肉的收缩水平,增强用户对多块肌肉的协同控制能力,从而增强患者肌肉间的运动协调性,提高脑卒中患者的康复效果;记录力学信号、肌电信号以及多种特征参数;其中,在训练阶段时,所述特征参数主要为前文所述的特征参数B-L,训练时记录的力学信号、肌电信号及信号特征参数均保存在信号存储模块,以做评估用。本实施例分析用户训练时的信号特征参数,并进行连续性地评估,根据评估结果同步地调整康复训练计划;还可以根据采集到的肌电信号特征参数实时识别肌肉异常收缩模式,通过对肌肉异常收缩模式的跟踪和记录,以实现对肌肉过度激活、过度抑制,肌肉异常协同,肌肉异常共收缩,和肌肉疲劳的判断和报警。
同时,在本发明实施例中,不仅在康复训练之前的前期采集阶段对用户的肌肉协调控制能力进行初步地评估,还在整个训练过程中对用户的肌肉协调控制能力进行连续地评估,从而根据用户实际训练状况和恢复情况适应性地调整康复训练计划,提高康复效率。
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)
1.一种多肌肉协同肌电反馈康复训练系统,其特征在于,包括:
人机交互模块,包括人机交互界面,用于引导用户进行人机交互任务,针对多块目标肌肉分别实施最大力收缩动作;
信号采集模块,用于采集所述目标肌肉在实施收缩动作过程中产生的力学信号、肌电信号;
信号分析与处理模块,用于对所述力学信号和肌电信号进行运算与处理,获得所述力学信号的特征参数和所述肌电信号的特征参数,作为用户的肌肉协同控制能力评估依据;还用于将用户进行最大力等长收缩动作时的目标肌肉产生的力的幅值作为训练控制信号实时传输到人机交互模块显示,并将用户进行人机交互任务时的肌电信号特征参数作为训练控制信号实时传输到人机交互模块显示;还用于根据所述肌肉协同控制能力评估依据得到肌肉协同控制能力评估结果,同步调整康复训练计划;
轨迹及参数设置模块,用于根据所述肌肉协同控制能力评估结果及康复训练计划设置所述人机交互任务的各项参数;
肌肉异常收缩模式识别模块,用于设置肌肉异常收缩模式的各个阈值,对康复训练过程中出现的肌肉异常收缩模式进行监测;
信号存储模块,用于存储所述信号采集模块采集得到的力学信号、肌电信号,存储所述信号分析与处理模块处理得到的所述力学信号的特征参数和所述肌电信号的特征参数,存储用户肌肉协同控制能力评估结果,以及存储康复训练过程中用户的实际训练控制数据。
2.如权利要求1所述的多肌肉协同肌电反馈康复训练系统,其特征在于,所述人机交互界面为多维交互界面。
3.如权利要求1所述的多肌肉协同肌电反馈康复训练系统,其特征在于,所述信号采集模块包括:
力学信号采集单元,用于采集所述目标肌肉产生的力学信号;以及,
肌电信号测量单元,用于采集所述目标肌肉产生的肌电信号。
4.如权利要求1所述多肌肉协同肌电反馈康复训练系统,其特征在于,所述人机交互模块,还用于接收所述信号分析与处理模块得到的康复训练过程中代表目标肌肉收缩情况的训练控制信号,还用于显示所述肌肉异常收缩模式识别模块发出的肌肉收缩异常警报信号。
5.如权利要求1~4任一项所述的多肌肉协同肌电反馈康复训练系统,其特征在于,所述信号分析与处理模块传输到所述人机交互模块的训练控制信号在最大力等长收缩动作中,为目标肌肉产生的力的幅值;
在人机交互任务中,所述信号分析与处理模块传输的训练控制信号为代表肌肉收缩程度大小的归一化后的肌电信号特征参数,包括归一化肌电包络幅值、归一化肌电信号均方根幅值、滑动窗下计算出的肌电信号积分值;其中,归一化过程的分母为最大力等长收缩任务中测得的相应肌电信号特征参数。
6.如权利要求5所述多肌肉协同肌电反馈康复训练系统,其特征在于,所述肌肉异常收缩模式包括肌肉过度兴奋、肌肉过度抑制、肌肉异常协同、主动肌和拮抗肌异常共收缩,以及肌肉疲劳。
7.如权利要求5所述多肌肉协同肌电反馈康复训练系统,其特征在于,
所述力学信号的特征参数包括:等长收缩动作最大力、指定时间内收缩力均值、指定时间内力学信号方差;
所述肌电信号的特征参数包括:肌电信号包络幅值、肌电信号绝对平均值、肌电信号积分值、肌电信号均方根幅值、肌电信号峰值、肌电信号方差、过零点数、肌肉协同收缩值、肌肉共收缩值和肌电信号中值频率。
8.如权利要求7所述多肌肉协同肌电反馈康复训练系统,其特征在于,所述人机交互任务为一种根据用户对目标肌肉的协同控制能力评估结果及康复训练计划设计的实时、连续性的轨迹追踪任务;
所述人机交互界面上存在一个实时光标和一个或多个目标光标;所述实时光标用于在用户得到所述人机交互界面的视觉反馈后的主动调整下,根据多块目标肌肉之间协同收缩状况进行移动,追踪预设的目标光标;其中,所述目标光标的运动轨迹由所述轨迹及参数设置模块根据用户对目标肌肉的协同控制能力评估结果及康复训练计划进行预设;
所述人机交互界面上还设有提示指示灯,用于指示人机交互任务的开始和结束,并且当目标肌肉处于异常收缩模式时,向用户发出警报信号。
9.一种多肌肉协同肌电反馈康复训练方法,其特征在于,包括:
S101:用户在人机交互界面引导下针对多块目标肌肉分别实施最大力等长收缩动作;
S102:采集并存储所述各目标肌肉在实施收缩动作过程中产生的力学信号和肌电信号;
S103:对所述力学信号和所述肌电信号进行运算与处理,获得并存储所述力学信号的特征参数和所述肌电信号的特征参数,作为用户的肌肉协同控制能力评估依据;
S104:根据所述肌肉协同控制能力评估依据得到肌肉协同控制能力评估结果,根据肌肉协同控制能力评估结果设置康复训练计划及人机交互任务参数;
S105:将用户进行人机交互任务时的肌电信号特征参数作为训练控制信号实时传输到人机交互模块显示;
S106:设置肌肉异常收缩模式的各个阈值,对康复训练过程中出现的肌肉异常收缩模式进行监测;
S107:根据人机交互界面的反馈信息,接受用户对各目标肌肉之间的协同收缩状况的主动调整,完成人机交互任务;
S108:对所述力学信号、肌电信号及各信号的特征参数进行实时监测和记录,获得康复训练过程中用户的实际训练控制数据;
S109:根据康复训练中的各信号的特征参数和实际训练控制数据,连续评估及同步调整康复训练计划,并且,当表征用户目标肌肉异常收缩模式的肌电特征参数的幅值达到预设的异常阈值时,向用户发出肌肉收缩异常警报信号。
10.如权利要求9所述的多肌肉协同肌电反馈康复训练方法,其特征在于,
所述力学信号的特征参数包括:等长收缩动作最大力、指定时间内收缩力均值、指定时间内力学信号方差;
所述肌电信号的特征参数包括:肌电信号包络幅值、肌电信号绝对平均值、肌电信号积分值、肌电信号均方根幅值、肌电信号峰值、肌电信号方差、过零点数、肌肉协同收缩值、肌肉共收缩值和肌电信号中值频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410620126.9A CN104337666A (zh) | 2014-11-05 | 2014-11-05 | 多肌肉协同肌电反馈康复训练系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410620126.9A CN104337666A (zh) | 2014-11-05 | 2014-11-05 | 多肌肉协同肌电反馈康复训练系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104337666A true CN104337666A (zh) | 2015-02-11 |
Family
ID=52494669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410620126.9A Pending CN104337666A (zh) | 2014-11-05 | 2014-11-05 | 多肌肉协同肌电反馈康复训练系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104337666A (zh) |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106108842A (zh) * | 2016-04-13 | 2016-11-16 | 中山大学 | 一种基于熵的康复训练和评估方法、系统和装置 |
CN106137190A (zh) * | 2016-07-28 | 2016-11-23 | 上海交通大学医学院附属瑞金医院 | 一种基于表面肌电的神经反馈康复干预系统及方法 |
CN106389070A (zh) * | 2016-11-20 | 2017-02-15 | 广西大学 | 一种智能康复训练系统及应用 |
CN106551676A (zh) * | 2015-09-30 | 2017-04-05 | 中国航天员科研训练中心 | 基于认知阶段理论的认知能力检测方法及检测装置 |
CN106691447A (zh) * | 2017-02-23 | 2017-05-24 | 北京纳通科技集团有限公司 | 肌肉训练辅助装置、肌肉训练评估装置及方法 |
CN108154913A (zh) * | 2017-12-29 | 2018-06-12 | 北京精密机电控制设备研究所 | 一种康复训练参数确定方法、装置、电子设备及系统 |
CN108209947A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 一种康复保健评估方法及装置 |
CN108309295A (zh) * | 2018-02-11 | 2018-07-24 | 宁波工程学院 | 一种手臂肌肉力量测评方法 |
CN108742614A (zh) * | 2018-06-11 | 2018-11-06 | 上海交通大学 | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 |
CN108814597A (zh) * | 2018-04-16 | 2018-11-16 | 龚映清 | 一种基于运动信息与肌电交互的康复训练评测方法及系统 |
CN109243572A (zh) * | 2018-11-08 | 2019-01-18 | 中科数字健康科学研究院(南京)有限公司 | 一种精准运动评估和康复训练系统 |
CN109568083A (zh) * | 2018-12-15 | 2019-04-05 | 华南理工大学 | 一种多模态交互的上肢康复机器人训练系统 |
CN109793642A (zh) * | 2019-04-03 | 2019-05-24 | 上海理工大学 | 一种用于手指活动度训练的音乐协同训练器及控制方法 |
CN109843244A (zh) * | 2016-12-22 | 2019-06-04 | 复康机器人技术有限公司 | 用于手部康复的动力辅助装置及其使用方法 |
CN110090005A (zh) * | 2019-05-30 | 2019-08-06 | 北京积水潭医院 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN110652295A (zh) * | 2019-10-16 | 2020-01-07 | 中山大学 | 一种量化激活时间序列个体差异性的方法及系统 |
CN110917577A (zh) * | 2019-11-27 | 2020-03-27 | 西安交通大学 | 一种利用肌肉协同作用的多阶段下肢训练系统及方法 |
CN111887869A (zh) * | 2020-08-06 | 2020-11-06 | 复旦大学附属中山医院 | 一种肌力测定系统及应用 |
CN112706868A (zh) * | 2020-12-23 | 2021-04-27 | 南京溧水电子研究所有限公司 | 一种基于肌电评估的智能助力自行车监控方法及系统 |
CN112732090A (zh) * | 2021-01-20 | 2021-04-30 | 福州大学 | 基于肌肉协同的用户无关实时手势识别方法 |
CN112773380A (zh) * | 2019-11-07 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
CN112786150A (zh) * | 2019-11-08 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 肌肉训练方案的设置方法、训练系统、装置及存储介质 |
CN112807632A (zh) * | 2019-11-18 | 2021-05-18 | 深圳市理邦精密仪器股份有限公司 | 训练仪的参数优化方法、系统、肌肉训练设备以及装置 |
CN112807002A (zh) * | 2019-11-18 | 2021-05-18 | 深圳市理邦精密仪器股份有限公司 | 肌肉训练仪的参数优化方法、系统、设备以及存储介质 |
CN113329720A (zh) * | 2019-01-17 | 2021-08-31 | 奥托·博克保健产品有限公司 | 用于控制矫形或假体装置的方法和矫形或假体装置 |
CN113926160A (zh) * | 2021-10-08 | 2022-01-14 | 重庆邮电大学 | 一种用于居家人员的上肢曲肌抗阻训练辅助系统 |
CN114010453A (zh) * | 2021-09-24 | 2022-02-08 | 阿凡达康复科技(东莞)有限公司 | 一种基于运动信号的反馈穿戴系统及预处理方法 |
CN114247123A (zh) * | 2020-09-23 | 2022-03-29 | 中科数字健康科学研究院(南京)有限公司 | 一种运动功能数字评估与训练系统 |
CN114271836A (zh) * | 2022-01-25 | 2022-04-05 | 合肥学院 | 一种基于小波变换的智能肌电检测处理方法及装置 |
CN114733160A (zh) * | 2022-04-14 | 2022-07-12 | 福州大学 | 一种基于肌电信号的肌力训练设备控制方法 |
CN115317862A (zh) * | 2022-09-21 | 2022-11-11 | 深圳大学附属华南医院 | 一种沉浸式vr口面肌训练系统 |
CN115364445A (zh) * | 2022-08-18 | 2022-11-22 | 南方医科大学南方医院 | 一种乳腺癌术后上肢功能康复训练系统 |
CN115568856A (zh) * | 2022-10-17 | 2023-01-06 | 西安交通大学 | 一种基于协同映射重构的多手指力连续估计方法 |
CN117138233A (zh) * | 2023-08-29 | 2023-12-01 | 深圳市宏强兴电子有限公司 | 一种基于数据采集的中低频理疗仪控制方法及其系统 |
CN117831794A (zh) * | 2024-03-06 | 2024-04-05 | 南通大学 | 一种用于糖尿病康复的运动过程机能监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102698411A (zh) * | 2012-06-29 | 2012-10-03 | 中国科学院自动化研究所 | 坐卧式下肢康复机器人及相应的主动训练控制方法 |
CN102813998A (zh) * | 2012-08-01 | 2012-12-12 | 上海交通大学 | 中枢神经损伤患者用多功能复合康复系统 |
-
2014
- 2014-11-05 CN CN201410620126.9A patent/CN104337666A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102698411A (zh) * | 2012-06-29 | 2012-10-03 | 中国科学院自动化研究所 | 坐卧式下肢康复机器人及相应的主动训练控制方法 |
CN102813998A (zh) * | 2012-08-01 | 2012-12-12 | 上海交通大学 | 中枢神经损伤患者用多功能复合康复系统 |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106551676A (zh) * | 2015-09-30 | 2017-04-05 | 中国航天员科研训练中心 | 基于认知阶段理论的认知能力检测方法及检测装置 |
CN106108842A (zh) * | 2016-04-13 | 2016-11-16 | 中山大学 | 一种基于熵的康复训练和评估方法、系统和装置 |
CN106137190A (zh) * | 2016-07-28 | 2016-11-23 | 上海交通大学医学院附属瑞金医院 | 一种基于表面肌电的神经反馈康复干预系统及方法 |
CN106389070A (zh) * | 2016-11-20 | 2017-02-15 | 广西大学 | 一种智能康复训练系统及应用 |
US11246786B2 (en) | 2016-12-22 | 2022-02-15 | Rehab-Robotcs Company Ltd. | Power assistive device for hand rehabilitation and a method of using the same |
CN109843244B (zh) * | 2016-12-22 | 2022-03-22 | 复康机器人技术有限公司 | 用于手部康复的动力辅助装置及其使用方法 |
US11331239B2 (en) | 2016-12-22 | 2022-05-17 | Rehab-Robotics Company Ltd. | Power assistive device for hand rehabilitation and a method of using the same |
CN109843244A (zh) * | 2016-12-22 | 2019-06-04 | 复康机器人技术有限公司 | 用于手部康复的动力辅助装置及其使用方法 |
CN106691447A (zh) * | 2017-02-23 | 2017-05-24 | 北京纳通科技集团有限公司 | 肌肉训练辅助装置、肌肉训练评估装置及方法 |
CN106691447B (zh) * | 2017-02-23 | 2023-09-12 | 北京纳通科技集团有限公司 | 肌肉训练辅助装置、肌肉训练评估装置及方法 |
CN108209947A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市未来健身衣科技有限公司 | 一种康复保健评估方法及装置 |
CN108154913A (zh) * | 2017-12-29 | 2018-06-12 | 北京精密机电控制设备研究所 | 一种康复训练参数确定方法、装置、电子设备及系统 |
CN108309295A (zh) * | 2018-02-11 | 2018-07-24 | 宁波工程学院 | 一种手臂肌肉力量测评方法 |
CN108814597A (zh) * | 2018-04-16 | 2018-11-16 | 龚映清 | 一种基于运动信息与肌电交互的康复训练评测方法及系统 |
CN108742614A (zh) * | 2018-06-11 | 2018-11-06 | 上海交通大学 | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 |
CN109243572A (zh) * | 2018-11-08 | 2019-01-18 | 中科数字健康科学研究院(南京)有限公司 | 一种精准运动评估和康复训练系统 |
CN109568083A (zh) * | 2018-12-15 | 2019-04-05 | 华南理工大学 | 一种多模态交互的上肢康复机器人训练系统 |
CN109568083B (zh) * | 2018-12-15 | 2024-01-05 | 华南理工大学 | 一种多模态交互的上肢康复机器人训练系统 |
CN113329720A (zh) * | 2019-01-17 | 2021-08-31 | 奥托·博克保健产品有限公司 | 用于控制矫形或假体装置的方法和矫形或假体装置 |
CN109793642A (zh) * | 2019-04-03 | 2019-05-24 | 上海理工大学 | 一种用于手指活动度训练的音乐协同训练器及控制方法 |
CN110090005B (zh) * | 2019-05-30 | 2021-09-28 | 北京积水潭医院 | 医疗数据处理装置 |
CN110090005A (zh) * | 2019-05-30 | 2019-08-06 | 北京积水潭医院 | 医疗数据处理方法及装置、存储介质、电子设备 |
CN110652295B (zh) * | 2019-10-16 | 2022-04-26 | 中山大学 | 一种量化激活时间序列个体差异性的方法及系统 |
CN110652295A (zh) * | 2019-10-16 | 2020-01-07 | 中山大学 | 一种量化激活时间序列个体差异性的方法及系统 |
CN112773380A (zh) * | 2019-11-07 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
CN112773380B (zh) * | 2019-11-07 | 2023-09-22 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
CN112786150A (zh) * | 2019-11-08 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 肌肉训练方案的设置方法、训练系统、装置及存储介质 |
CN112807002A (zh) * | 2019-11-18 | 2021-05-18 | 深圳市理邦精密仪器股份有限公司 | 肌肉训练仪的参数优化方法、系统、设备以及存储介质 |
CN112807632A (zh) * | 2019-11-18 | 2021-05-18 | 深圳市理邦精密仪器股份有限公司 | 训练仪的参数优化方法、系统、肌肉训练设备以及装置 |
CN110917577A (zh) * | 2019-11-27 | 2020-03-27 | 西安交通大学 | 一种利用肌肉协同作用的多阶段下肢训练系统及方法 |
CN111887869A (zh) * | 2020-08-06 | 2020-11-06 | 复旦大学附属中山医院 | 一种肌力测定系统及应用 |
CN114247123A (zh) * | 2020-09-23 | 2022-03-29 | 中科数字健康科学研究院(南京)有限公司 | 一种运动功能数字评估与训练系统 |
CN112706868A (zh) * | 2020-12-23 | 2021-04-27 | 南京溧水电子研究所有限公司 | 一种基于肌电评估的智能助力自行车监控方法及系统 |
CN112732090A (zh) * | 2021-01-20 | 2021-04-30 | 福州大学 | 基于肌肉协同的用户无关实时手势识别方法 |
CN114010453A (zh) * | 2021-09-24 | 2022-02-08 | 阿凡达康复科技(东莞)有限公司 | 一种基于运动信号的反馈穿戴系统及预处理方法 |
CN113926160A (zh) * | 2021-10-08 | 2022-01-14 | 重庆邮电大学 | 一种用于居家人员的上肢曲肌抗阻训练辅助系统 |
CN114271836B (zh) * | 2022-01-25 | 2023-08-29 | 合肥学院 | 一种基于小波变换的智能肌电检测处理方法及装置 |
CN114271836A (zh) * | 2022-01-25 | 2022-04-05 | 合肥学院 | 一种基于小波变换的智能肌电检测处理方法及装置 |
CN114733160B (zh) * | 2022-04-14 | 2022-10-18 | 福州大学 | 一种基于肌电信号的肌力训练设备控制方法 |
CN114733160A (zh) * | 2022-04-14 | 2022-07-12 | 福州大学 | 一种基于肌电信号的肌力训练设备控制方法 |
CN115364445A (zh) * | 2022-08-18 | 2022-11-22 | 南方医科大学南方医院 | 一种乳腺癌术后上肢功能康复训练系统 |
CN115364445B (zh) * | 2022-08-18 | 2023-10-13 | 南方医科大学南方医院 | 一种乳腺癌术后上肢功能康复训练系统 |
CN115317862A (zh) * | 2022-09-21 | 2022-11-11 | 深圳大学附属华南医院 | 一种沉浸式vr口面肌训练系统 |
CN115317862B (zh) * | 2022-09-21 | 2023-03-21 | 深圳大学附属华南医院 | 一种沉浸式vr口面肌训练系统 |
CN115568856A (zh) * | 2022-10-17 | 2023-01-06 | 西安交通大学 | 一种基于协同映射重构的多手指力连续估计方法 |
CN115568856B (zh) * | 2022-10-17 | 2024-05-28 | 西安交通大学 | 一种基于协同映射重构的多手指力连续估计方法 |
CN117138233A (zh) * | 2023-08-29 | 2023-12-01 | 深圳市宏强兴电子有限公司 | 一种基于数据采集的中低频理疗仪控制方法及其系统 |
CN117831794A (zh) * | 2024-03-06 | 2024-04-05 | 南通大学 | 一种用于糖尿病康复的运动过程机能监测方法 |
CN117831794B (zh) * | 2024-03-06 | 2024-05-14 | 南通大学 | 一种用于糖尿病康复的运动过程机能监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104337666A (zh) | 多肌肉协同肌电反馈康复训练系统和方法 | |
CN107378944B (zh) | 一种基于主成分分析法的多维表面肌电信号假手控制方法 | |
CN111317600B (zh) | 一种假肢控制方法、装置、系统、设备和存储介质 | |
CN104207793A (zh) | 一种抓握功能评估与训练系统 | |
CN104382595A (zh) | 基于肌电信号与虚拟现实交互技术的上肢康复系统及方法 | |
CN106236503B (zh) | 肌电驱动的上肢可穿戴外骨骼系统及控制方法 | |
Wang et al. | The recognition of multi-finger prehensile postures using LDA | |
CN105213153A (zh) | 基于脑肌信息变阻抗的下肢康复机器人控制方法 | |
CN103440498A (zh) | 基于lda算法的表面肌电信号识别方法 | |
Bian et al. | SVM based simultaneous hand movements classification using sEMG signals | |
CN109480838A (zh) | 一种基于表层肌电信号的人体连续复杂运动意图预测方法 | |
Caesarendra et al. | EMG finger movement classification based on ANFIS | |
Jose et al. | Classification of forearm movements from sEMG time domain features using machine learning algorithms | |
Yu et al. | Surface electromyography image-driven torque estimation of multi-DoF wrist movements | |
Sayin et al. | Hand gesture recognition by using sEMG signals for human machine interaction applications | |
Li et al. | Wireless sEMG-based identification in a virtual reality environment | |
CN113952614A (zh) | 融合机械手和功能性电刺激的手功能康复双闭环调控系统 | |
CN110931104A (zh) | 基于机器学习的上肢康复机器人智能训练系统及方法 | |
CN114206292A (zh) | 具有意图感知功能的手功能康复装置 | |
Wang et al. | Lower limb motion recognition based on surface electromyography signals and its experimental verification on a novel multi-posture lower limb rehabilitation robots☆ | |
Hua et al. | An optimized selection method of channel numbers and electrode layouts for hand motion recognition | |
Yang et al. | Estimation of hand grasp force based on forearm surface EMG | |
Wang et al. | Research progress of rehabilitation exoskeletal robot and evaluation methodologies based on bioelectrical signals | |
Lu et al. | A hybrid deep learning framework for estimation of elbow flexion force via electromyography | |
Yu et al. | Continuous estimation of wrist torques with stack-autoencoder based deep neural network: A preliminary study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |