CN110353667A - 一种脑卒中康复系统及控制方法 - Google Patents

一种脑卒中康复系统及控制方法 Download PDF

Info

Publication number
CN110353667A
CN110353667A CN201910549160.4A CN201910549160A CN110353667A CN 110353667 A CN110353667 A CN 110353667A CN 201910549160 A CN201910549160 A CN 201910549160A CN 110353667 A CN110353667 A CN 110353667A
Authority
CN
China
Prior art keywords
patient
biological information
control equipment
rehabilitation
hand model
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
Application number
CN201910549160.4A
Other languages
English (en)
Inventor
李洁
庞子龙
季洪飞
李茂贞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201910549160.4A priority Critical patent/CN110353667A/zh
Publication of CN110353667A publication Critical patent/CN110353667A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Cardiology (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明涉及一种脑卒中康复系统，包括依次连接的多模态数据采集设备(3)、控制设备(4)和虚拟现实设备(2)，所述虚拟现实设备(2)向患者展示手部模型动作，并根据控制设备(4)传递的信号使手部模型做相应的旋转，所述多模态数据采集设备(3)采集患者看到手部模型动作后的生物信息并传送给控制设备(4)，所述控制设备(4)根据生物信息得到患者意图并将患者意图转换为信号传送给虚拟现实设备(2)。与现有技术相比，本系统更加全面地收集患者生物信息，更加准确识别患者意图，并能实时交互，有效提高病人训练积极性，增强训练效果。

Description

一种脑卒中康复系统及控制方法
技术领域
本发明涉及医疗设备技术领域，尤其是涉及一种脑卒中康复系统及控制方法。
背景技术
脑卒中会给患者造成很多功能障碍，主要包括运动障碍、感觉障碍和认知障碍等。其中，最为常见的是脑卒中引起的偏瘫。脑卒中后的患者经过系统的康复治疗之后，其运动功能会有所恢复。但由于上肢的功能比下肢更为精细，所需要完成的任务更为多样，因此，如何促使脑卒中后的患者重新获得对腕关节和手指的控制，是目前康复中所遗留的重点问题和难点问题。这一问题不仅困扰着患者及其家属，也是康复医师和康复治疗师所要思考和解决的问题。
运动想象是为了提高运动功能而进行的反复运动想象，不存在任何的运动输出，根据运动记忆在大脑中激活某一活动的特定区域，从而达到提高运动功能的目的。即使在功能严重受损的脑卒中患者中，仍然保存有进行患侧腕关节和手指运动想象的能力。既往研究已经证实在脑卒中患者中，在常规康复治疗的基础上结合运动想象治疗能够改善上肢和下肢的功能，这种功能的恢复对于日常生活活动能力的改善是非常重要的。
近几年来，随着新的科学技术的涌现，脑卒中患者的康复治疗方案中增加了一些高科技的治疗元素，脑计算机接口治疗就是其中一种全新的治疗方案之一。脑计算机接口技术利用大脑的电生理信号来控制电脑或外部设备，利用这种治疗方式来改善脑卒中幸存者的功能，或能成为极具潜力的一种治疗方式。
感觉和运动功能是相辅相成的，感觉功能的障碍也会影响运动功能的恢复，在脑卒中患者中，经常是运动功能和感觉功能障碍并存，对于处于慢性期的脑卒中患者而言，在发病6个月之后将进入平台期，几乎不再有明显的运动功能恢复，目前临床上并没有有效的针对感觉功能障碍的方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种脑卒中康复系统及控制方法。
本发明的目的可以通过以下技术方案来实现：
一种脑卒中康复系统，包括依次连接的多模态数据采集设备、控制设备和虚拟现实设备，所述虚拟现实设备向患者展示手部模型动作，并根据控制设备传递的信号使手部模型做相应的旋转，所述多模态数据采集设备采集患者看到手部模型动作后的生物信息并传送给控制设备，所述控制设备根据生物信息得到患者意图并将患者意图转换为信号传送给虚拟现实设备。
所述的生物信息包括脑电生物信息、肌电生物信息、心电生物信息和近红外生物信息。
所述的脑电生物信息、肌电生物信息、心电生物信息和近红外生物信息的采集为同时同步采集
所述的控制设备对生物信息进行融合分析和分类得到患者意图。
所述的控制设备和虚拟现实设备无线连接。
所述的控制设备和虚拟现实设备之间通过TCP/IP协议进行通信。
所述的控制设备包括数据管理查询模块，所述数据管理查询模块记录患者信息。
所述的虚拟现实设备接收到与手部模型动作对应的信号，手部模型向正方向旋转1/8角度，否则，手部模型向负方向旋转1/8角度。
一种使用所述的脑卒中康复系统的脑卒中康复方法，该方法包括以下步骤：
步骤S1：虚拟现实设备向患者展示手部模型动作；
步骤S2：多模态数据采集设备采集患者看到手部模型动作后的生物信息并传送给控制设备；
步骤S3：控制设备根据生物信息得到患者意图并将患者意图转换为信号传送给虚拟现实设备；
步骤S4：虚拟现实设备根据控制设备传递的信号使手部模型做相应的旋转实现交互。
与现有技术相比，本发明具有以下优点：
(1)将躯体错觉与基于运动想象的脑计算机接口技术相结合，可训练慢性期脑卒中患者上肢运动。
(2)采集生物信息，可观察慢性期脑卒中患者上肢运动功能障碍的改善情况。
(3)使用虚拟现实技术，有更好的沉浸感。
(4)采集多模态生物信息比采集单一生物信息使结果更精确。
(5)虚拟现实设备根据控制设备传递的信号使手部模型做相应的旋转，可实现互动，有效提高病人训练积极性，增强训练效果。。
(6)控制设备和虚拟现实设备无线连接，使系统更方便灵活。
(7)控制设备包括数据管理查询模块，可记录多位患者信息。
附图说明
图1为本发明的硬件结构示意图；
图2为本发明的流程图；
附图标记：
2为虚拟现实设备；3为多模态数据采集设备；4为控制设备。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
(1)运用虚拟现实技术建立仿真人体手部模型，虚拟现实设备2展示手部模型动作，并通过诱发身体归属使患者对虚拟的手部模型产生身体认同感并运用手部模型提示患者完成动作；
(2)设置多模态数据采集设备3于患者身上，实时采集脑电生物信息、肌电生物信息、心电生物信息和近红外生物信息中的一种或多种信号；
(3)控制设备4利用多模态数据处理方法，如量化、归一化等，对多模态数据进行融合分析，具体为为多模态数据建立多种卷积核，利用卷积核进行混合采样得到特征信息。
(4)控制设备4对上述步骤(3)所得的处理数据，利用支持向量机分类算法实时解析出患者的意图，并转换成信号发送给虚拟现实设备2；
(5)在控制设备4和虚拟现实设备2之间组建局域网络，利用TCP/IP协议，完成信号的传输；
(6)虚拟现实设备2将虚拟手部模型呈现的康复训练动作分解，使手部模型根据控制设备4传递的信号做相应的旋转，实现利用角度的变化展现患者运动想象的程度；
(7)控制设备4设有患者的数据管理查询模块，可记录多位患者的信息，从而开展具有针对性的康复训练；
(8)每次训练结束，可根据不同患者的训练情况，进行多模态分类优化。
运用虚拟现实技术模拟患者的双手，使患者对虚拟手产生身体认同并运用虚拟手提示患者完成动作，其特征在于，所述的同步控制包括以下步骤：
步骤(1)中的仿真人体的手部模型需足够精细，以模拟真实手部各个关节的运动。
步骤(1)中的诱发身体归属采用刷手装置完成，该装置可以根据患者的手的位置自由放置，笔刷采用舵机控制，并可与虚拟现实场景中的笔刷同步运动，从而通过视觉触觉刺激诱发患者的身体归属错觉。
步骤(2)中的数据采集装置，对脑电生物信息、肌电生物信息、心电生物信息和近红外生物信息的采集为同时同步采集。
步骤(3)中的多模态数据处理方法，将多模态数据进行融合分析，达到比单一数据分析更好的识别效果。
步骤(5)中组建的局域网络为客户端/服务器(C/S)架构，虚拟现实设备2为服务器，接收来自控制设备4发出的信号，并根据信号使呈现的手部模型做出相应的旋转，达到实时交互的效果。
步骤(6)中的虚拟手部模型旋转角度分为8个角度，若虚拟现实设备2接收到与手部模型动作对应的信号，则手部模型向正方向旋转1/8角度，以实现正反馈调节，否则，则进行负反馈调节。
步骤(8)中在每次患者训练结束后进行优化并保存信息，以便下次训练时使用，从而达到更好的训练效果。
如图1所示，为本实施例的硬件装置结构示意图，下面进行详细描述：
对于患者，首先通过本康复系统的虚拟现实设备2观察虚拟手部模型，产生身体认同感后，根据提示完成运动想象；多模态数据采集设备3采集患者运动想象的脑电、心电、肌电和近红外等生物信息；控制设备4将采集到的多模态数据融合分析，计算出分类结果后转换成信号发送至虚拟现实设备2，虚拟现实设备2再根据接收到的信号使手部模型做相应的旋转，提示患者当前运动想象的程度，患者根据提示完成下一步的运动想象。
控制设备4包括计算机，多模态数据采集设备3包括传感器，虚拟现实设备2包括CAVE虚拟现实显示系统。
图2为具体流程，下面以一次训练过程为例，结合图2进行详细描述：
在步骤101和步骤201中，每次训练开始时，虚拟现实设备2和控制设备4同时开启；
在步骤102中，虚拟现实设备2向患者展示手部模型动作，并通过刷手装置诱发身体归属使患者对虚拟手产生身体认同感；
在步骤103中，虚拟现实设备2监听是否接收到控制设备4发来的信号，若接收到，则执行步骤104；若没有接收到，则执行步骤102；
在步骤104中，虚拟现实设备2根据接收到的信号更新手部模型的康复训练动作，具体为手部模型进行旋转，以对患者展示当前运动想象的程度。一次运动想象执行时间为4秒，将其分为8等份，即每500毫秒可接收一次信号。
在步骤202中，控制设备4控制多模态数据采集设备3开始采集患者的生物信息数据；
在步骤203中，控制设备4块对采集到的多模态数据进行融合分析；
在步骤204中，控制设备4将步骤203中得到的分析数据输入到分类器中进行实时分类，每500毫秒执行一次分类；
在步骤205中，控制设备4将分类结果转换成信号发送至虚拟现实设备2；
在步骤301中，控制设备4判断此次训练是否结束，若没有结束，则执行步骤102和步骤202；若结束，则执行步骤302；
在步骤302中，控制设备4利用此次训练数据优化分类器，最后保存更新，下次训练时使用，以增强训练效果。

Claims (9)

1.一种脑卒中康复系统，其特征在于，包括依次连接的多模态数据采集设备(3)、控制设备(4)和虚拟现实设备(2)，所述虚拟现实设备(2)向患者展示手部模型动作，并根据控制设备(4)传递的信号使手部模型做相应的旋转，所述多模态数据采集设备(3)采集患者看到手部模型动作后的生物信息并传送给控制设备(4)，所述控制设备(4)根据生物信息得到患者意图并将患者意图转换为信号传送给虚拟现实设备(2)。
2.根据权利要求1所述的一种脑卒中康复系统，其特征在于，所述的生物信息包括脑电生物信息、肌电生物信息、心电生物信息和近红外生物信息。
3.根据权利要求2所述的一种脑卒中康复系统，其特征在于，所述的脑电生物信息、肌电生物信息、心电生物信息和近红外生物信息的采集为同时同步采集
4.根据权利要求1所述的一种脑卒中康复系统，其特征在于，所述的控制设备(4)对生物信息进行融合分析和分类得到患者意图。
5.根据权利要求1所述的一种脑卒中康复系统，其特征在于，所述的控制设备(4)和虚拟现实设备(2)无线连接。
6.根据权利要求1所述的一种脑卒中康复系统，其特征在于，所述的控制设备(4)和虚拟现实设备(2)之间通过TCP/IP协议进行通信。
7.根据权利要求1所述的一种脑卒中康复系统，其特征在于，所述的控制设备(4)包括数据管理查询模块，所述数据管理查询模块记录患者信息。
8.根据权利要求1所述的一种脑卒中康复系统，其特征在于，所述的虚拟现实设备(2)接收到与手部模型动作对应的信号，手部模型向正方向旋转1/8角度，否则，手部模型向负方向旋转1/8角度。
9.一种使用权利要求1-8任一所述的脑卒中康复系统的控制方法，其特征在于，该方法包括以下步骤：
步骤S1：虚拟现实设备(2)向患者展示手部模型动作；
步骤S2：多模态数据采集设备(3)采集患者看到手部模型动作后的生物信息并传送给控制设备(4)；
步骤S3：控制设备(4)根据生物信息得到患者意图并将患者意图转换为信号传送给虚拟现实设备(2)；
步骤S4：虚拟现实设备(2)根据控制设备(4)传递的信号使手部模型做相应的旋转实现交互。
CN201910549160.4A 2019-06-24 2019-06-24 一种脑卒中康复系统及控制方法 Pending CN110353667A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910549160.4A CN110353667A (zh) 2019-06-24 2019-06-24 一种脑卒中康复系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910549160.4A CN110353667A (zh) 2019-06-24 2019-06-24 一种脑卒中康复系统及控制方法

Publications (1)

Publication Number Publication Date
CN110353667A true CN110353667A (zh) 2019-10-22

Family

ID=68217578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910549160.4A Pending CN110353667A (zh) 2019-06-24 2019-06-24 一种脑卒中康复系统及控制方法

Country Status (1)

Country Link
CN (1) CN110353667A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111091890A (zh) * 2020-02-28 2020-05-01 郑州大学 自我激励与反馈控制下的健康认知系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101947356A (zh) * 2010-10-22 2011-01-19 上海交通大学 基于脑机交互的损伤脑功能康复装置
CN104000586A (zh) * 2014-05-12 2014-08-27 燕山大学 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法
US20180082600A1 (en) * 2013-12-20 2018-03-22 Integrum Ab System and method for neuromuscular rehabilitation comprising predicting aggregated motions
CN108597584A (zh) * 2018-03-06 2018-09-28 上海大学 结合稳态视觉诱发电位及运动想象的三阶段脑控上肢康复方法
CN109171713A (zh) * 2018-06-08 2019-01-11 杭州电子科技大学 基于多模态信号的上肢运动想象模式识别方法
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统
CN109730648A (zh) * 2019-02-14 2019-05-10 深兰科技（上海）有限公司 一种动作执行方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101947356A (zh) * 2010-10-22 2011-01-19 上海交通大学 基于脑机交互的损伤脑功能康复装置
US20180082600A1 (en) * 2013-12-20 2018-03-22 Integrum Ab System and method for neuromuscular rehabilitation comprising predicting aggregated motions
CN104000586A (zh) * 2014-05-12 2014-08-27 燕山大学 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法
CN108597584A (zh) * 2018-03-06 2018-09-28 上海大学 结合稳态视觉诱发电位及运动想象的三阶段脑控上肢康复方法
CN109171713A (zh) * 2018-06-08 2019-01-11 杭州电子科技大学 基于多模态信号的上肢运动想象模式识别方法
CN109528203A (zh) * 2019-01-21 2019-03-29 郑州大学 一种基于多源信息融合的交互式脑卒中患者步态训练及评测系统
CN109730648A (zh) * 2019-02-14 2019-05-10 深兰科技（上海）有限公司 一种动作执行方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111091890A (zh) * 2020-02-28 2020-05-01 郑州大学 自我激励与反馈控制下的健康认知系统

Similar Documents

Publication Publication Date Title
US20230376120A1 (en) Gesture information processing method and apparatus, electronic device, and storage medium
CN113398422B (zh) 基于运动想象-脑机接口和虚拟现实的康复训练系统及方法
CN109846485A (zh) 提供人体姿势保健信息的电子计算装置、系统与方法
WO2023206833A1 (zh) 基于肌肉协同和变刚度阻抗控制的手腕部康复训练系统
CN106821681A (zh) 一种基于运动想象的上肢外骨骼控制方法及系统
CN107943282A (zh) 一种基于增强现实和可穿戴设备的人机交互系统及方法
Farshchiansadegh et al. A body machine interface based on inertial sensors
Rechy-Ramirez et al. Impact of commercial sensors in human computer interaction: a review
Brooks et al. Quantifying upper‐arm rehabilitation metrics for children through interaction with a humanoid robot
Caraiman et al. Architectural design of a real-time augmented feedback system for neuromotor rehabilitation
CN110688910A (zh) 一种可穿戴人体基本姿态识别的实现方法
MP Idendifying eye movements using neural networks for human computer interaction
Han et al. Active rehabilitation training system for upper limb based on virtual reality
CN110353667A (zh) 一种脑卒中康复系统及控制方法
Goffredo et al. A neural tracking and motor control approach to improve rehabilitation of upper limb movements
CN113730190A (zh) 一种三维空间运动的上肢康复机器人系统
CN106371588A (zh) 基于运动想象脑机接口的手功能康复方法
CN112230777A (zh) 一种基于非接触式交互的认知训练系统
Lv et al. Virtual reality neurorehabilitation
Rao et al. EEG based smart wheelchair for disabled persons using non-invasive BCI
Hussain et al. A modular sensor-based system for the rehabilitation and assessment of manipulation
Silva de Souza et al. A virtual environment-based training system for a blind wheelchair user through use of three-dimensional audio supported by electroencephalography
CN112057082B (zh) 基于脑机接口的机器人辅助脑瘫康复表情训练系统
CN110473602B (zh) 一种用于穿戴式体感游戏设备的体态数据集采集处理方法
Gao et al. Research on the usability of hand motor function training based on VR system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191022