CN109589247A - 一种基于脑-机-肌信息环路的助行机器人系统 - Google Patents

Abstract

本发明公开了一种基于脑‑机‑肌信息环路的助行机器人系统，所述系统包括：计算机实时处理脑电数据与肌电数据，通过分析脑电数据和肌电数据中的运动相关特征，实时获取用户的运动意图；计算机获得用户有运动意图信息以及运动状态信息后，送入混合助行驱动模型，输出两种控制参数分别控制神经肌肉电刺激仪和机械外骨骼；第一控制参数用于控制神经肌肉电刺激仪在有运动意图的迈腿侧施加电刺激进而驱动意图侧产生抬腿动作；第二控制参数用于控制机械外骨骼调节重心角度进而维持站立和行走转换中的平衡；计算机以神经可塑性为指标，优化协同脑机信息交互模块、机肌信息交互模块、以及脑肌信息交互模块组成的环路模型，建立高紧密性脑‑机‑肌信息环路模型的助行机器人系统。

Description

一种基于脑-机-肌信息环路的助行机器人系统

技术领域

本发明涉及神经工程与康复领域，尤其涉及一种基于脑-机-肌信息环路的助行机器人系统。

背景技术

大脑的可塑性变化才是运动机能障碍患者康复的最本质因素，正确利用中枢神经可塑性变化对预测和加快康复进程尤为重要。中枢神经可塑性是指大脑受到诸如行为、环境、情绪的变化、特别是神经通路和身体受损的影响，从而产生了一系列神经通路或者突触连接的变化。中枢神经可塑性发生在多个不同的层面，从由于学习而产生的神经元细胞尺度变化到因为伤害而激发的皮层网络大规模重新映射。中枢神经可塑性在健康发展、学习、记忆以及脑损伤和恢复的作用已成为共识。

多项研究指出，无论是残疾人或正常人，在日常的学习或训练的过程中，大脑均受到这两种可塑性变化相互作用的影响，从而对学习训练效果产生直接或间接的影响。因此，在患者参与康复训练的过程中，必须遵循中枢神经可塑性这一基本准则，方能有效提升患者对康复设备的适应性和其本身的康复疗效。

传统脑卒中康复手段有：药物疗法、针灸疗法、被动式电刺激疗法、等速运动训练器等，这些方法的共性是患者接受被动式治疗、得到被动的康复效果。而近年新开发的基于脑-机接口(brain computer interface，BCI)的脑控康复机器人技术，如减重步行器、机械外骨骼Exo，特别是联合BCI和功能性电刺激(functional electrical stimulation，FES)的BCI-FES等新兴的康复手段，由于直接利用患者的大脑主观意念信号主动操作外部康复设备运行，属于主动式康复手段，其疗效有明显提升。但是，这类主动式康复治疗对中枢神经可塑性的具体影响机制尚不明确，如何根据该作用机理设计性能最优的BCI系统和制订效果最佳的训练计划尚缺乏科学依据。

发明内容

本发明提供了一种基于脑-机-肌信息环路的助行机器人系统，本发明解决了传统康复训练形式单一、无法完成主动式康复训练的瓶颈，重视诱导中枢神经可塑性变化对康复的潜在促进作用。进一步研究可以得到完善的助行机器人系统，有望获得可观的社会效益和经济效益，详见下文描述：

一种基于脑-机-肌信息环路的助行机器人系统，所述系统包括：计算机、神经肌肉电刺激仪和机械外骨骼，

结合神经肌肉电刺激仪和机械外骨骼搭建助行机器人的混合神经肌骨动力系统框架；

在计算机中建立助行神经机器人中脑-机-肌协同交互信息环路模型，该模型由脑机信息交互模块、机肌信息交互模块、以及脑肌信息交互模块组成；

计算机实时处理脑电数据与肌电数据，通过分析脑电数据和肌电数据中的运动相关特征，实时获取用户的运动意图；

计算机获得用户有运动意图信息以及运动状态信息后，送入混合助行驱动模型，输出两种控制参数分别控制神经肌肉电刺激仪和机械外骨骼；

第一控制参数用于控制神经肌肉电刺激仪在有运动意图的迈腿侧施加电刺激进而驱动意图侧产生抬腿动作；

第二控制参数用于控制机械外骨骼调节重心角度进而维持站立和行走转换中的平衡；

计算机以神经可塑性为指标，优化协同脑机信息交互模块、机肌信息交互模块、以及脑肌信息交互模块组成的环路模型，最终建立高紧密性脑-机-肌信息环路模型的助行机器人系统。

进一步地，所述脑机信息交互模块用于解码脑电运动意图信息和反馈运动意图识别结果，包括：第一信号采集子模块、第一信号处理子模块、第一指令控制子模块和第一信息反馈子模块。

其中，所述第一信号采集子模块，用于在用户进行下肢行走运动想象时同步进行脑电信号采集；所述第一信号处理子模块，用于对脑电信号进行信息处理以识别用户的运动意图，包括预处理、特征提取、模式识别；所述第一指令控制子模块，用于将识别结果进行决策分析，并转换成控制指令；所述第一信息反馈子模块，用于将量化的运动意图识别结果以视觉、听觉、体感形式反馈给用户。

进一步地，所述肌机信息交互模块用于下肢运动模式调控和反馈运动状态信息，包括：第二信号采集子模块、第二信号处理子模块、第二指令控制子模块和第二信息反馈子模块。

其中，所述第二信号采集子模块，用于在用户进行下肢行走时同步进行肌电信号采集；所述第二信号处理子模块，用于对肌电信号进行信息处理以识别用户的运动状态，包括预处理、特征提取、模式识别；所述第二指令控制子模块，用于将识别结果进行决策分析，并转换成控制指令；所述第二信息反馈子模块将量化的运动状态识别结果以视觉、听觉、体感等形式反馈给用户。

其中，所述脑肌信息交互模块将同步采集到的肌电信号和脑电信号进行相干分析，得到脑肌电相干性参数，以脑肌电相干性参数评价运动功能状态。

进一步，所述混合助行驱动模型具体为：

采集下肢关键肌肉的表面肌电信号和运动学数据，处理肌电数据，获取肌电特征，处理运动学数据，获取步态特征；

将两类特征进行特征融合后利用模式识别算法对助行关键参数进行预测分析；

根据预测结果选定FES助行驱动的关键参数以及Exo助行驱动的关键参数，并通过计算机输出控制FES和Exo设备模块。

其中，所述系统还包括：

采用支持向量机回归预测，利用肌电均方根值和均值频率预测下肢运动轨迹，利用步态周期预测重心倾角，预测结果用相关系数和均方根误差来评价。

本发明提供的技术方案的有益效果是：

1、本发明拟建立一套脑-机-肌信息融合的助行机器人系统，利用中枢神经可塑性的指标观察和评价方法，对患者助行训练过程中的脑-机-肌多维闭环信息交互环路的各环节进行分析，针对影响闭环人机交互信息环路紧密度的三大瓶颈问题重点突破，优化并协调各信息交互环节的性能指标，探索和验证中枢神经可塑性最大化的方法和相关理论；

2、本发明依托高性能人机交互技术建立具有高度连接紧密性的脑-机-肌协同交互信息环路模型，可解决人机交互系统在识别准确性、反馈时效性和反馈形式有效性上的瓶颈制约，为研制具有智能控制、安全监护等多功能的新型脑-机-肌协同助行机器人系统开拓关键基础技术；

3、本发明可以用于残疾人康复、特种环境、工业控制等领域，进一步研究可以得到更加智能化的助行系统，有望获得可观的社会效益和经济效益。

附图说明

图1为一种基于脑-机-肌信息环路的助行机器人系统的结构示意图；

图2为Limb-Exo-FES(L-E-F)混合助行驱动模型设计的示意图；

图3为脑机信息交互模块架构示意图；

图4为肌机信息交互模块架构示意图；

图5为计算机软件流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实际应用中，单独的FES系统在辅助行走功能上明显弱于Exo，而治疗功效则显著优于后者，优缺点各有不同。因此，一些研究团队提出了FES与Exo的联合系统构想：以FES为肌肉运动的主动调控源，Exo系统携带各类传感器测量肢体的关节运动角速度、角加速度及关节角度等状态并向主控单元反馈，以调控FES刺激强度，同时起到良好辅助支撑作用。

这种以FES为主、Exo为辅的康复机器人系统既可以起到良好的患者运动功能替代作用，又可以利用BCI系统对患者起到显著的康复治疗作用。

本发明实施例设计的助行机器人系统以神经可塑性机制为理论基础，依托脑机接口技术建立助行神经机器人中具有高度连接紧密性的脑-机-肌协同交互信息环路模型，并结合功能性电刺激(Functional electrical stimulation，FES)、机械外骨骼(Exoskeleton，Exo)设备，构建混合助行机器人系统。

其技术流程是：

1)结合FES(在助行中主要起到的是驱动功能，通过电刺激下肢肌肉群驱动下肢产生动作)和Exo设备(依靠机械控制起到辅助驱动的作用，在助行中主要作用是支撑，维持行走步态稳定)，搭建助行机器人的混合神经肌骨动力系统框架；

其中，系统如何驱动、如何维持步态稳定是通过神经肌骨动力学模型输出控制参数的。

2)建立助行神经机器人中脑-机-肌协同交互信息环路模型：脑机解码反馈模型、机肌调控反馈模型、脑肌交互评价模型(即，建立基于电生理信息(脑电、肌电)神经可塑性变化评价方法)；

其中，脑机信息交互模块、机肌信息交互模块、以及脑肌信息交互模块结合在一起构成了一个信息的环路。

3)以神经可塑性为指标，优化协同交互信息环路模型，最终建立高紧密性脑-机-肌信息环路模型的助行机器人系统。

图1左侧为脑-机-肌信息环路示意图，脑-机-肌信息环路由脑机信息交互模块、肌机信息交互模块与脑肌信息交互模块组成。图1右侧为本发明装置的结构示意图。

本发明实施例中的设计包括：脑电采集系统(脑电放大器与脑电电极，佩戴在用户的头部，用以采集脑电信息)、肌电采集系统(肌电放大器与肌电电极，放置在用户大腿和小腿主要肌群处，用以采集肌电信息)、神经肌肉电刺激仪(通过给予被刺激肌群一定的电刺激，驱动被刺激肢体产生相应的联动动作)、机械外骨骼(主要起平衡支撑作用，辅助运动驱动)和计算机等部分。

实时康复训练过程中，用户头部佩戴脑电采集系统，单腿佩戴肌电采集系统，穿戴机械外骨骼同时双腿均贴有神经肌肉电刺激电极贴片，神经肌肉电刺激仪(控制机)固定在机械外骨骼上。

采集14导联(脑电数据通道，包含C3\C4导联)的脑电数据、2通道(胫骨前肌肌群、腓肠肌肌群)肌电数据。计算机实时处理脑电数据与肌电数据，通过分析脑电数据和肌电数据中的运动相关特征，实时获取用户的运动意图(是否有迈腿动作意图，意图迈腿侧简称意图侧)以及当下的运动状态。

当计算机经处理分析获得用户有运动意图信息以及运动状态信息后，发出两种控制参数分别控制神经肌肉电刺激仪和机械外骨骼，其中控制参数1用于控制神经肌肉电刺激仪在有运动意图的迈腿侧施加电刺激进而驱动意图侧产生抬腿动作；控制参数2用于控制机械外骨骼调节重心角度进而维持站立和行走转换中的平衡。

在整个康复训练进程中，通过计算机进行脑肌电信号联合分析，得到脑肌电相干性参数(用来评价用户运动功能状态，恢复状况)，根据脑肌电相干性参数制定并调整最优的控制参数后，再进行实时助行训练。

一、硬件系统设计：

该硬件系统主要包括：神经肌肉电刺激仪和机械外骨骼，其中神经肌肉电刺激仪可设置在机械外骨骼上。神经肌肉电刺激仪由控制参数1控制，包括：刺激电流、刺激通道等；机械外骨骼由控制参数2控制，包括：节点速度与加速度、对抗力矩等。

二、软件设计：

软件流程由计算机实现完成，开始后，首先通过数据采集获得用户实时的脑电数据和肌电数据。将脑电数据送入脑机信息交互模块，通过脑电信号处理输出驱动模式和驱动开关控制指令；同时将肌电数据送入肌机信息交互模块，通过肌电信号处理输出联合驱动指令以及肌电、步态特征；随后，将获得的控制指令(驱动模式、驱动开关、联合驱动)及肌电、步态特征共同送入混合助行驱动模型，最终输出控制参数1和2，分别控制神经肌肉电刺激仪和机械外骨骼设备。

1、Limb-Exo-FES(L-E-F)混合助行驱动模型设计

参见图2，设计FES/Exo联合助行行走实验，采集下肢关键肌肉(股直肌、股二头肌、股内侧肌、股外侧肌、半腱肌、腓肠肌、胫骨前肌和比目鱼肌)的表面肌电信号和运动学数据(包括：关节角度、力学数据和步态数据)。

处理肌电数据，获取肌电特征(包含积分肌电值、中值频率、AR模型参数、功率谱熵、奇异值等)，处理运动学数据，获取步态特征(包括关节角度、关节角加速度、步宽步长、步态时间周期、重心倾角等)。

将两类特征(可抽取部分特征)进行特征融合后利用模式识别算法对助行关键参数(包括：关节角度、角加速度等运动轨迹、作用力矩、重力力矩、重心倾角等)进行预测分析。根据预测结果选定FES助行驱动的关键参数(包括：刺激电流、刺激通道等)以及Exo助行驱动的关键参数(包括：节点速度与加速度、对抗力矩等)并通过计算机输出控制FES和Exo设备模块。通过动作驱动和稳定支撑功能的智能融合，设计混合助行驱动模型。

2、脑机信息交互模块设计

参见图3，脑机信息交互模块的主要功能是解码脑电运动意图信息和反馈运动意图识别结果，包括：信号采集子模块、信号处理子模块、指令控制子模块和信息反馈子模块。

通过信号采集子模块，在用户进行下肢行走运动想象时同步进行脑电信号采集；信号处理子模块对脑电信号进行信息处理以识别用户的运动意图(如是否想要迈步，想要迈左腿还是迈右腿)，包括预处理、特征提取、模式识别；指令控制子模块将识别结果进行决策分析，并转换成控制指令(包括驱动模式和驱动开关)；信息反馈子模块将量化的运动意图识别结果以视觉、听觉、体感等形式反馈给用户。

3、肌机信息交互模块设计

参见图4，肌机信息交互模块的主要功能是下肢运动模式调控和反馈运动状态信息，包括：信号采集子模块、信号处理子模块、指令控制子模块和信息反馈子模块。

通过信号采集子模块，在用户进行下肢行走时同步进行肌电信号采集；信号处理子模块对肌电信号进行信息处理以识别用户的运动状态(如是否迈步，迈左腿还是迈右腿)，包括预处理、特征提取、模式识别；指令控制子模块将识别结果进行决策分析，并转换成控制指令(与脑电控制指令联合驱动)；信息反馈子模块将量化的运动状态识别结果以视觉、听觉、体感等形式反馈给用户。

4、脑肌信息交互模块设计

脑肌信息交互模块的主要功能是运动功能评价。脑肌信息交互模块将同步采集到的肌电信号和脑电信号进行相干分析，得到脑肌电相干性参数，以脑肌电相干性参数评价运动功能状态。

具体实现时，本发明实施例还采用支持向量机回归预测的方法，利用肌电均方根值和均值频率预测下肢运动轨迹，利用步态周期预测重心倾角，预测结果用相关系数和均方根误差来评价。

假设任何一个系统的输入和输出之间的关系可以用一个未知函数y＝f(x)表示，并且满足x∈R^d，y∈R，输入值x的每一维代表一个特征或一个属性，输出值y表示与之对应的类别标。通过对有限样本的回归拟合求得g(x)，使函数f与g之间的距离R(f,g)＝∫L(f,g)dx最小，其中L为惩罚函数。对于新的输入值，即可根据已得的g(x)给出相应的预测值。

首先考虑线性回归问题，依据回归函数f(x)＝＜w,x＞+b对样本数据{(x_i,yi)}，i＝1…n进行拟合，拟合精度为ε，并引入松弛因子ξ_i ^*≥0和ξ_i≥0，以扩大泛化能力。回归估计问题可以表示为在式(1)约束条件下式(2)的最小值问题。

其中，C是惩罚因子，C值越大表示对错分样本的惩罚程度越重。假设这个凸二次优化问题的解为(w′,b′,ξ′)，则可以构造g(x)＝(w′·x)+b′这样一个决策函数，利用该函数对新的输入值进行预测。

将上述问题转化为对偶问题：

其中需满足0≤α_i≤C，0≤α_i ^*≤C，i＝1,2,…,n。通过求解可得α′，α′^*，进而可选取位于开区间(0,C)中的α′^*的分量α′_j或若选择α′_j，则可得

若选择则可得

通过此支持向量回归预测得到的与y＝f(x)逼近的函数为

相关系数用于表征预测结果与实际测量值的相关程度，用r表示，取值在-1–1之间。r＝-1时，预测结果与实际测量值相反；r＝1时，预测结果与实际测量值完全相符。均方根用于表征预测结果与实际测量值之间的误差，用e表示，取值在0–1之间，e＝0时，预测结果与实际测量值完全相符，e越大，表示预测结果与实际测量值差距越大。

其中，θ_i为测量的实际值，θ_i’为预测值，n为点数。脑肌电相干分析：假设同步的时域信号脑电a(t)和肌电b(t)，将每个信号分成n段(本文中，n＝20)，即a_i(t)和b_i(t)。A_i(f)和B_i(f)分别是信号a_i(t)和b_i(t)的傅里叶变换。a(t)和b(t)的相干系数计算按下式进行：

其中，

其中，S_ab(f)是信号a(t)和b(t)多段信号互功率谱的平均值，P_a(f)和P_b(f)分别是信号a(t)和b(t)多段信号自功率谱的平均值。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，所述系统包括：计算机、神经肌肉电刺激仪和机械外骨骼，

结合神经肌肉电刺激仪和机械外骨骼搭建助行机器人的混合神经肌骨动力系统框架；

在计算机中建立助行神经机器人中脑-机-肌协同交互信息环路模型，该模型由脑机信息交互模块、机肌信息交互模块、以及脑肌信息交互模块组成；

计算机实时处理脑电数据与肌电数据，通过分析脑电数据和肌电数据中的运动相关特征，实时获取用户的运动意图；

计算机获得用户有运动意图信息以及运动状态信息后，送入混合助行驱动模型，输出两种控制参数分别控制神经肌肉电刺激仪和机械外骨骼；

第一控制参数用于控制神经肌肉电刺激仪在有运动意图的迈腿侧施加电刺激进而驱动意图侧产生抬腿动作；

第二控制参数用于控制机械外骨骼调节重心角度进而维持站立和行走转换中的平衡；

计算机以神经可塑性为指标，优化协同脑机信息交互模块、机肌信息交互模块、以及脑肌信息交互模块组成的环路模型，最终建立高紧密性脑-机-肌信息环路模型的助行机器人系统。

2.根据权利要求1所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，所述脑机信息交互模块用于解码脑电运动意图信息和反馈运动意图识别结果，包括：第一信号采集子模块、第一信号处理子模块、第一指令控制子模块和第一信息反馈子模块。

3.根据权利要求2所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，

所述第一信号采集子模块，用于在用户进行下肢行走运动想象时同步进行脑电信号采集；

所述第一信号处理子模块，用于对脑电信号进行信息处理以识别用户的运动意图，包括预处理、特征提取、模式识别；

所述第一指令控制子模块，用于将识别结果进行决策分析，并转换成控制指令；

所述第一信息反馈子模块，用于将量化的运动意图识别结果以视觉、听觉、体感形式反馈给用户。

4.根据权利要求1所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，所述肌机信息交互模块用于下肢运动模式调控和反馈运动状态信息，包括：第二信号采集子模块、第二信号处理子模块、第二指令控制子模块和第二信息反馈子模块。

5.根据权利要求4所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，

所述第二信号采集子模块，用于在用户进行下肢行走时同步进行肌电信号采集；

所述第二信号处理子模块，用于对肌电信号进行信息处理以识别用户的运动状态，包括预处理、特征提取、模式识别；

所述第二指令控制子模块，用于将识别结果进行决策分析，并转换成控制指令；

所述第二信息反馈子模块将量化的运动状态识别结果以视觉、听觉、体感等形式反馈给用户。

6.根据权利要求1所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，所述脑肌信息交互模块将同步采集到的肌电信号和脑电信号进行相干分析，得到脑肌电相干性参数，以脑肌电相干性参数评价运动功能状态。

7.根据权利要求1所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，所述混合助行驱动模型具体为：

采集下肢关键肌肉的表面肌电信号和运动学数据，处理肌电数据，获取肌电特征，处理运动学数据，获取步态特征；

将两类特征进行特征融合后利用模式识别算法对助行关键参数进行预测分析；

根据预测结果选定FES助行驱动的关键参数以及Exo助行驱动的关键参数，并通过计算机输出控制FES和Exo设备模块。

8.根据权利要求1-7中任一权利要求所述的一种基于脑-机-肌信息环路的助行机器人系统，其特征在于，所述系统还包括：

采用支持向量机回归预测，利用肌电均方根值和均值频率预测下肢运动轨迹，利用步态周期预测重心倾角，预测结果用相关系数和均方根误差来评价。