CN111091890B - 自我激励与反馈控制下的健康认知系统 - Google Patents

自我激励与反馈控制下的健康认知系统 Download PDF

Info

Publication number
CN111091890B
CN111091890B CN202010126922.2A CN202010126922A CN111091890B CN 111091890 B CN111091890 B CN 111091890B CN 202010126922 A CN202010126922 A CN 202010126922A CN 111091890 B CN111091890 B CN 111091890B
Authority
CN
China
Prior art keywords
subsystem
balance ability
health
excitation
target patient
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.)
Active
Application number
CN202010126922.2A
Other languages
English (en)
Other versions
CN111091890A (zh
Inventor
张振香
王文娜
陈素艳
任慧
李媛
付忠荣
袁长伟
刘凤
单秋菊
李炎
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.)
Zhengzhou University
Original Assignee
Zhengzhou 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 Zhengzhou University filed Critical Zhengzhou University
Priority to CN202010126922.2A priority Critical patent/CN111091890B/zh
Publication of CN111091890A publication Critical patent/CN111091890A/zh
Application granted granted Critical
Publication of CN111091890B publication Critical patent/CN111091890B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
    • A61B5/4023—Evaluating sense of balance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Neurology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Neurosurgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提出自我激励与反馈控制下的健康认知系统，包括平衡能力评测子系统、自我激励子系统与反馈控制子系统以及与健康锻炼设备，所述健康锻炼设备连接所述平衡能力评测子系统，用于在患者进行健康锻炼过程中，采集健康锻炼参数；所述自我激励子系统的激励数据库存储有不同平衡能力得分对应的激励场景视频，所述激励场景视频为在具备不同平衡能力的激励患者可以完成的各种生活日常活动操作以及其实现效果的增强现实（AR）场景。本发明的技术方案将可视化技术与激励因素引入脑卒中患者的康复锻炼过程中，改善其与老年卒中患者之间的交互关系，为使用者带来更加方便易用、亲切轻松的使用体验，令其融入充满积极乐观气氛的康复环境中。

Description

自我激励与反馈控制下的健康认知系统
技术领域
本申请属于人机控制技术领域，尤其涉及一种自我激励与反馈控制下的健康认知系统。
背景技术
临床及研究结果表明，近年来中西方主要国家中，脑卒中(中风)及脊髓损伤疾病是较为常见的神经系统疾病，治疗不当将造成偏瘫、残疾甚至死亡等严重后果。根据相关数据统计，我国仅中风患者600万，且每年新增200多万人，患者常留下偏瘫等后遗症状。中风偏瘫的康复机理以及临床医学实验证明，人的大脑中枢神经系统具有高度的可塑性。而大脑的可塑性理论则为中风偏瘫患者的功能康复提供了诸多可能，例如作业疗法、运动疗法等现代康复治疗手段均是在大脑的可塑性理论基础上确立和完善起来的，这些康复疗法在中风早期的临床运用中得也取得了较好的治疗效果。
据不完全统计，经过早期康复治疗，８０％的脑卒中患者可恢复行走能力或者借助拐杖实现步行功能；近５０％的患者可基本恢复手部功能。康复介入越早，并发症越少，功能恢复效果越好。
目前除了推广规范的康复评价体系外，卒中康复专家对卒中康复的新理念、新技术等方面进行了深入研究，将现代生物医学工程和计算机技术大量地应用于卒中康复临床领域。虚拟现实坏境技术也大量应用于临床康复，包括康复机器人等。
尽管目前国内外在外骨骼康复机器人上下肢治疗理论和临床应用均有一定进展，但目前依然存在的信息采集、意图识别准确度受限、控制精度不高等瓶颈问题，影响了康复效能的提高和临床的具体应用，传统纯被动的训练模式(即机器人关节带动手臂运动)无法充分调动患者参与脑卒中康复训练运动的主动性和积极性，不利于增强其康复信心，也不能有效的减轻护理师的工作强度。
对此，申请号为CN201811489247.9的中国发明专利申请提出一种基于混合核函数支持向量机的脑肌信息自动意图识别与脑卒中康复机器人上肢智能控制系统，包括：脑电肌电信号采集仪、人机交互力传感器、光电角度编码器、运放滤波器、数据采集卡、上位机、运动控制卡、伺服驱动器。该方案对脑卒中患者运动意图识别准确率更高，实时监测脑电和肌电等生理信息，识别和预测患者的运动趋势，提前产生相应上半肢运动轨迹期望曲线，有利于实现主动的康复控制；可灵活设定多种康复训练功能模式：实现主被动康复一体化，由于理论上已经保证了对末端位置信号的全局稳定跟踪，在主动及被动训练模式下，可以方便的实现末端关节对预期设定的康复动作位置以及多种轨迹的跟踪，从而支撑实现灵活的康复方案制定和康复策略选择。可根据康复程度需要，还可以自动选择主动、被动、助力、抗阻训练等多种模式。由此还可以衍生出一系列的康复运动的组合，如抓取茶杯，放置重物到指定位置等功能训练作业任务。
此外，申请号为CN201910055013.1的中国发明专利申请提出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，该系统通过多源信息融合获取患者的步态和位姿，基于AR头盔进行虚拟现实的步态训练，在脑卒中患者训练的同时获取更加全面的多源多维步态信息，利用云平台对患者步态疾病进行自动评测、跟踪及推送，同时加入肌肉疲劳反馈机制，增加了脑卒中患者康复训练系统的安全性。
尽管如此，发明人在临床实践中发现，上述现有技术提出的技术方案仍然着重于强迫患者按照预定的动作进行训练，虽然通过正确的康复训练可以恢复某些失去的脑功能，但是这是一个缓慢长期的过程。上述技术方案大多没有考虑康复方案本身与患者的交互关系，缺乏对患者（尤其是老年患者）需求的考虑，导致产品的使用率较低、患者康复周期增长、甚至是患者康复的误用和废用等问题。
发明内容
为解决上述技术问题，本发明提出一种自我激励与反馈控制下的健康认知系统，该健康认知系统包括平衡能力评测子系统、具备人机交互界面的自我激励子系统与反馈控制子系统。所述健康认知系统还包括与所述平衡能力评测子系统、自我激励子系统以及反馈控制子系统近程无线通信的健康锻炼设备，所述健康锻炼设备连接所述平衡能力评测子系统，用于在患者进行健康锻炼过程中，采集健康锻炼参数；所述自我激励子系统的激励数据库存储有不同平衡能力得分对应的激励场景视频，所述激励场景视频为在具备不同平衡能力的激励患者可以完成的各种生活日常活动操作以及其实现效果的增强现实（AR）场景。本发明的技术方案将可视化技术与激励因素引入脑卒中患者的康复锻炼过程中，改善其与老年卒中患者之间的交互关系，为使用者带来更加方便易用、亲切轻松的使用体验，令其融入充满积极乐观气氛的康复环境中。
具体来说，本发明的技术方案是这样实现的：
一种自我激励与反馈控制下的健康认知系统，该健康认知系统包括平衡能力评测子系统、具备人机交互界面的自我激励子系统与反馈控制子系统；
其中，作为本发明技术方案的前置组成部分，所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测。
值得指出的是，上述评测并非为了评测本身，而是为了结合当前的评测得分以及历史评测得分，从而选择合适的健康锻炼模式，以及在自我激励过程中匹配正确的激励效果，即上述组成部分是作为整体的一个不可分割的一部分；
作为体现本发明核心构思的关键技术手段之一，所述自我激励子系统包括评测数据库以及与所述评测数据库连接的激励数据库；
所述评测数据库用于存储所述平衡能力评测子系统输出的每一次平衡能力评测得分，并在所述激励数据库中查找与所述每一次平衡能力评测得分对应的激励场景视频；
作为体现本发明核心构思的再一个关键技术手段之， 所述反馈控制子系统基于所述目标患者在预定时间段内的健康锻炼参数，输出反馈信号给所述自我激励子系统，所述自我激励子系统基于所述反馈信号在所述人机交互界面上输出基于所述每一次平衡能力得分与当前反馈信号预测的预期场景视频；
为了实现反馈与激励效果，本发明的再一个必要的创新之处还包括：
所述健康认知系统还包括与所述平衡能力评测子系统、自我激励子系统以及反馈控制子系统近程无线通信的健康锻炼设备，所述健康锻炼设备连接所述平衡能力评测子系统，用于在患者进行健康锻炼过程中，采集所述健康锻炼参数；
所述自我激励子系统与所述反馈控制子系统之间还包括脑电控制模块，所述脑电控制模块无线连接至所述目标患者的脑电采集器，基于所述脑电采集器采集的脑电信号，控制所述脑电控制模块的启闭状态；
当所述脑电控制模块处于开启状态时，基于所述反馈控制子系统的反馈信号，定时更新所述人机交互界面上的所述预期场景视频；
当所述脑电控制模块处于关闭状态时，在所述人机交互界面上显示目标患者当前状态下的平衡能力得分变化趋势。
值得指出的上述，上述脑电控制模块的设置充分体现了患者的主动交互功能，是本发明区别于现有技术（尤其是背景技术所述）的创新技术手段之一。
更具体的，所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测，具体包括如下步骤：
目标患者站立于所述平衡能力评测子系统的压力感测平台上；
启动所述平衡能力评测子系统中与所述压力感测平台连接的振动传感器；
目标患者在预定时间段内，完成直立-下蹲-直立的动作姿态变化；
通过佩戴于目标患者指定位置的多个运动传感器获取所述预定时间段内的多个动作姿态变化信号；
基于所述多个动作姿态变化信号，得出患者的平衡能力评测得分。
在具体实施例部分，将具体给出所述评测得分的数据处理方式，该数据处理方式基于客观的传感器信号给出，完全不同于通过医生主观评测的方式，概括如下：
基于所述多个运动传感器在所述预定时间段以及预定的时间周期内的多个采样点获取的多个动作姿态变化信号与多个健康锻炼参数，生成动作姿态变化信号矩阵与健康锻炼参数信号矩阵；
基于所述动作姿态变化信号矩阵与健康锻炼参数信号矩阵，得出所述目标患者的未来平衡能力得分。
作为上述关键技术手段的具体实现方式之一，
所述自我激励子系统的激励数据库存储有不同平衡能力得分对应的激励场景视频，所述激励场景视频为在具备不同平衡能力的激励患者可以完成的各种生活日常活动操作以及其实现效果的增强现实（AR）场景。
在多个预定时间段内，得出多个平衡能力评测得分之后，所述目标患者进入所述健康锻炼设备进行健康锻炼；
在预定的时间周期内，采集所述目标患者进行健康锻炼过程中的健康锻炼参数；
基于所述健康锻炼参数，预测所述目标患者的未来平衡能力得分；
基于所述未来平衡能力得分，得到所述预期场景视频。
进一步的，所述健康锻炼设备包括AR头盔，将所述增强现实（AR）场景通过所述AR头盔展示给所述目标患者。
所述健康锻炼参数由所述多个运动传感器获取。
此外，在本发明中，所述与所述压力感测平台连接的振动传感器基于所述压力感测平台检测到的压力信号，发出振动信号，所述振动信号使得所述压力感测平台在水平面的至少两个方向以预定方向和幅度周期性往复位移。
此种配置，可以在动态趋势中更准确的判断目标患者的平衡能力及其变卦趋势，完全不同于现有技术仅仅单点或者静态评测的方式。
当然，评测过程需要保证基本的安全性，因此，在本发明中，所述脑电采集器位于所述AR头盔，基于所述脑电采集器采集的脑电信号，控制所述振动传感器的启闭状态。
本发明的技术方案能够客观准确的利用患者的实际状态参数，避免医生或者护理者的主观判断过程；引入近端计算机控制的可视化激励界面，将患者的当前状态和锻炼效果可视化的直观与目标激励人物进行比对，从而从心理上鼓励以及激励患者主动参与锻炼过程，相对于现有技术所指出的被动模式，效果更佳显著。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的自我激励与反馈控制下的健康认知系统的整体架构图;
图2是图1所述系统的平衡能力评测子系统的一个实施例示意图;
图3是图2所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测的示意图;
图4是图1-3所述系统涉及的增强现实（AR）场景示意图;
图5是本发明与现有技术的技术效果示意图。
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。下面，结合附图以及具体实施方式，对发明做出进一步的描述。
参照图1，是本发明一个实施例的自我激励与反馈控制下的健康认知系统的整体架构图。
在图1中，该健康认知系统包括平衡能力评测子系统、具备人机交互界面的自我激励子系统与反馈控制子系统；
所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测；
所述自我激励子系统包括评测数据库以及与所述评测数据库连接的激励数据库；
所述评测数据库用于存储所述平衡能力评测子系统输出的每一次平衡能力评测得分，并在所述激励数据库中查找与所述每一次平衡能力评测得分对应的激励场景视频；
所述反馈控制子系统基于所述目标患者在预定时间段内的健康锻炼参数，输出反馈信号给所述自我激励子系统，所述自我激励子系统基于所述反馈信号在所述人机交互界面上输出基于所述每一次平衡能力得分与当前反馈信号预测的预期场景视频；
所述健康认知系统还包括与所述平衡能力评测子系统、自我激励子系统以及反馈控制子系统近程无线通信的健康锻炼设备，所述健康锻炼设备连接所述平衡能力评测子系统，用于在患者进行健康锻炼过程中，采集所述健康锻炼参数；
所述自我激励子系统与所述反馈控制子系统之间还包括脑电控制模块，所述脑电控制模块无线连接至所述目标患者的脑电采集器，基于所述脑电采集器采集的脑电信号，控制所述脑电控制模块的启闭状态；
当所述脑电控制模块处于开启状态时，基于所述反馈控制子系统的反馈信号，定时更新所述人机交互界面上的所述预期场景视频；
当所述脑电控制模块处于关闭状态时，在所述人机交互界面上显示目标患者当前状态下的平衡能力得分变化趋势。
在图1基础上，参见图2，是图1所述系统的平衡能力评测子系统的一个实施例示意图。
平衡能力评测子系统包括压力感测平台以及位于所述压力感测平台之下的振动传感器，佩戴包含脑电采集器的AR头盔的目标患者站立于所述压力感测平台上，所述与所述压力感测平台连接的振动传感器基于所述压力感测平台检测到的压力信号，发出振动信号，所述振动信号使得所述压力感测平台在水平面的至少两个方向以预定方向和幅度周期性往复位移。
具体而言，进一步参见图3，是图2所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测的示意图，主要包括如下步骤：
目标患者站立于所述平衡能力评测子系统的压力感测平台上；
启动所述平衡能力评测子系统中与所述压力感测平台连接的振动传感器；
目标患者在预定时间段内，完成直立-下蹲-直立的动作姿态变化；
通过佩戴于目标患者指定位置的多个运动传感器获取所述预定时间段内的多个动作姿态变化信号；
基于所述多个动作姿态变化信号，得出患者的平衡能力评测得分。
更具体的，在多个预定时间段内，得出多个平衡能力评测得分；之后，所述目标患者进入所述健康锻炼设备进行健康锻炼；
在预定的时间周期内，采集所述目标患者进行健康锻炼过程中的健康锻炼参数；
基于所述健康锻炼参数，预测所述目标患者的未来平衡能力得分；
基于所述未来平衡能力得分，得到所述预期场景视频。
基于所述健康锻炼参数，预测所述目标患者的未来平衡能力得分，具体包括：
基于所述多个运动传感器在所述预定时间段以及预定的时间周期内的多个采样点获取的多个动作姿态变化信号与多个健康锻炼参数，生成动作姿态变化信号矩阵与健康锻炼参数信号矩阵；
基于所述动作姿态变化信号矩阵与健康锻炼参数信号矩阵，得出所述目标患者的未来平衡能力得分。
值得指出的是，本发明的上述实施例中得出平衡能力得分的方式基于客观的传感器信号给出，完全不同于通过医生主观评测的方式，具体包括：
在所述预定时间段内的n个采样数据点（1,2，……n），获取m个运动传感器{M1-Mm}的各自对应采集的动作姿态变化信号{T11,T12,…，T1n；T21，……；Tmn}，从而获得动作姿态变化信号矩阵T：
Figure DEST_PATH_IMAGE001
在所述预定的时间周期内的多个采样点（1,2，…，n）获取的多个动作姿多个健康锻炼参数，所述健康锻炼参数由所述m个运动传感器{M1-Mm}获取,
生成健康锻炼参数信号矩阵J:
Figure 921475DEST_PATH_IMAGE002
在一个优选的实施例中，令m=n，可直接计算健康锻炼参数信号矩阵J与动作姿态变化信号矩阵T的差异矩阵JT=J-T；
计算所述差异矩阵JT的特征值；
此时，可计算动作姿态变化信号矩阵T的多个特征值，取其中绝对值小于1的特征值加权计算得到所述平衡能力评测得分；
将所述差异矩阵JT的特征值中绝对值小于1的多个特征值作为上述调整后的加权权值，重新计算所述平衡能力得分，从而得到所述目标患者的未来平衡能力得分。
在其他实施例中，如果m和n不同，则取K=min{m,n},分别获取J和T的K阶子矩阵，重复上述计算过程，从而得到所述目标患者的未来平衡能力得分。
接下来参见图4，图1-3所述系统涉及的增强现实（AR）场景示意图。
所述自我激励子系统的激励数据库存储有不同平衡能力得分对应的激励场景视频，所述激励场景视频为在具备不同平衡能力的激励患者可以完成的各种生活日常活动操作以及其实现效果的增强现实（AR）场景。所述健康锻炼设备包括AR头盔，将所述增强现实（AR）场景通过所述AR头盔展示给所述目标患者。
图4所述的AR场景中，示意当前患者的平衡能力得分（或者未来平衡能力）可以使得患者能够从门口走向客厅沙发，并顺利拿起茶几上的钥匙。
值得指出是，在本发明的上述实施例中，为了确保患者的自主控制和安全，所述脑电采集器位于所述AR头盔，基于所述脑电采集器采集的脑电信号，控制所述振动传感器的启闭状态。这样，一旦无法完成平衡动作，可以通过简单的脑电控制所述振动传感器缓慢停止，避免摔倒；
同时，基于所述脑电采集器采集的脑电信号，控制所述脑电控制模块的启闭状态；
当所述脑电控制模块处于开启状态时，基于所述反馈控制子系统的反馈信号，定时更新所述人机交互界面上的所述预期场景视频；
当所述脑电控制模块处于关闭状态时，在所述人机交互界面上显示目标患者当前状态下的平衡能力得分变化趋势。
这样，患者可以自主选择激励视频的播放时间以及播放趋势，使得激励和反馈效果能够自主显示和反馈，避免影响健康锻炼。
并且，本发明所使用的脑电控制只需要发出简单的启闭信号，无需复杂的信号识别过程，完全区别于现有技术的ECG识别等复杂过程。
最后参见图5，是本发明与现有技术的技术效果示意图。
图5中，为了验证本发明的技术效果，抽取进行脑卒中后康复训练的90例脑卒中患者作为研究对象。使用随机数字表，将患者随机分成对照组（30例）、常规治疗组（30例）和本方案恢复组（30例），大部分患者均具备基本的平衡能力以及锻炼能力。
分别于治疗前及治疗 4 周后对患者采用简化Fugl-Meyer 量表(简称 FMA)下肢部分，改良 Barthel 指数评定表（MBI），Berg 平衡量表(BBS)和 Holden 步行功能分级量表(FAC)对各组患者进行功能评定。
结合图5所述的实验数据可知，本发明的技术方案改进效果十分明显，并且差异具备统计学意义，证明了其有效性。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种自我激励与反馈控制下的健康认知系统，该健康认知系统包括平衡能力评测子系统、具备人机交互界面的自我激励子系统与反馈控制子系统；
其特征在于：
所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测；
所述自我激励子系统包括评测数据库以及与所述评测数据库连接的激励数据库；
所述评测数据库用于存储所述平衡能力评测子系统输出的每一次平衡能力评测得分，并在所述激励数据库中查找与所述每一次平衡能力评测得分对应的激励场景视频；
所述激励场景视频为在具备不同平衡能力的激励患者可以完成的各种生活日常活动操作以及其实现效果的增强现实(AR)场景；
所述反馈控制子系统基于所述目标患者在预定时间段内的健康锻炼参数，输出反馈信号给所述自我激励子系统，所述自我激励子系统基于所述反馈信号在所述人机交互界面上输出基于所述每一次平衡能力得分与当前反馈信号预测的预期场景视频；
所述健康认知系统还包括与所述平衡能力评测子系统、自我激励子系统以及反馈控制子系统近程无线通信的健康锻炼设备，所述健康锻炼设备连接所述平衡能力评测子系统，用于在患者进行健康锻炼过程中，采集所述健康锻炼参数；
所述自我激励子系统与所述反馈控制子系统之间还包括脑电控制模块，所述脑电控制模块无线连接至所述目标患者的脑电采集器，基于所述脑电采集器采集的脑电信号，控制所述脑电控制模块的启闭状态；
当所述脑电控制模块处于开启状态时，基于所述反馈控制子系统的反馈信号，定时更新所述人机交互界面上的所述预期场景视频；
当所述脑电控制模块处于关闭状态时，在所述人机交互界面上显示目标患者当前状态下的平衡能力得分变化趋势。
2.如权利要求1所述的健康认知系统，其特征在于：
所述平衡能力评测子系统用于对目标患者进行当前平衡能力评测，具体包括如下步骤：
目标患者站立于所述平衡能力评测子系统的压力感测平台上；
启动所述平衡能力评测子系统中与所述压力感测平台连接的振动传感器；
目标患者在预定时间段内，完成直立-下蹲-直立的动作姿态变化；
通过佩戴于目标患者指定位置的多个运动传感器获取所述预定时间段内的多个动作姿态变化信号；
基于所述多个动作姿态变化信号，得出患者的平衡能力评测得分。
3.如权利要求2所述的健康认知系统，其特征在于：
在多个预定时间段内，得出多个平衡能力评测得分之后，所述目标患者进入所述健康锻炼设备进行健康锻炼；
在预定的时间周期内，采集所述目标患者进行健康锻炼过程中的健康锻炼参数；
基于所述健康锻炼参数，预测所述目标患者的未来平衡能力得分；
基于所述未来平衡能力得分，得到所述预期场景视频。
4.如权利要求1所述的健康认知系统，其特征在于：所述健康锻炼设备包括AR头盔，将所述增强现实(AR)场景通过所述AR头盔展示给所述目标患者。
5.如权利要求3所述的健康认知系统，其特征在于：
所述健康锻炼参数由所述多个运动传感器获取。
6.如权利要求5所述的健康认知系统，其特征在于：
基于所述健康锻炼参数，预测所述目标患者的未来平衡能力得分，具体包括：
基于所述多个运动传感器在所述预定时间段以及预定的时间周期内的多个采样点获取的多个动作姿态变化信号与多个健康锻炼参数，生成动作姿态变化信号矩阵与健康锻炼参数信号矩阵；
基于所述动作姿态变化信号矩阵与健康锻炼参数信号矩阵，得出所述目标患者的未来平衡能力得分。
7.如权利要求2所述的健康认知系统，其特征在于：
所述与所述压力感测平台连接的振动传感器基于所述压力感测平台检测到的压力信号，发出振动信号，所述振动信号使得所述压力感测平台在水平面的至少两个方向以预定方向和幅度周期性往复位移。
8.如权利要求2所述的健康认知系统，其特征在于：
所述脑电采集器位于所述AR头盔，基于所述脑电采集器采集的脑电信号，控制所述振动传感器的启闭状态。
CN202010126922.2A 2020-02-28 2020-02-28 自我激励与反馈控制下的健康认知系统 Active CN111091890B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010126922.2A CN111091890B (zh) 2020-02-28 2020-02-28 自我激励与反馈控制下的健康认知系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010126922.2A CN111091890B (zh) 2020-02-28 2020-02-28 自我激励与反馈控制下的健康认知系统

Publications (2)

Publication Number Publication Date
CN111091890A CN111091890A (zh) 2020-05-01
CN111091890B true CN111091890B (zh) 2020-10-27

Family

ID=70400201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010126922.2A Active CN111091890B (zh) 2020-02-28 2020-02-28 自我激励与反馈控制下的健康认知系统

Country Status (1)

Country Link
CN (1) CN111091890B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160984B (zh) * 2021-04-20 2022-09-27 郑州大学第一附属医院 一种鼻科护理敏感性质量评价指标体系
CN113327663B (zh) * 2021-05-19 2023-03-31 郑州大学 移动终端辅助的脑卒中交互式锻炼控制系统
CN113160932B (zh) * 2021-06-02 2023-04-07 郑州大学 一种基于移动端反馈的脑卒中数据管理与分析系统
CN113257382B (zh) * 2021-06-03 2023-03-31 郑州大学 基于云计算的脑卒中患者创伤后成长管理系统和方法
CN115423054B (zh) * 2022-11-07 2023-04-07 北京智精灵科技有限公司 基于认知障碍患者人格特征的不定时训练激励方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138860A (zh) * 2011-01-10 2011-08-03 西安交通大学 一种智能化脑损伤患者手功能康复训练设备
WO2019231263A1 (ko) * 2018-05-30 2019-12-05 Choi Dong Hoon 가상현실 기반 재활치료 시스템 및 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108836347B (zh) * 2018-05-10 2021-10-22 中国科学院宁波材料技术与工程研究所 帕金森患者康复训练方法和系统
CN109011097A (zh) * 2018-07-26 2018-12-18 燕山大学 一种基于运动想象与增强现实的康复训练方法
CN109453462B (zh) * 2018-11-06 2022-12-23 苏州大学 一种功能性电刺激装置和系统
CN109276237A (zh) * 2018-11-14 2019-01-29 郑州大学 一种全向移动的脑卒中患者平衡能力评测与训练系统
CN110353667A (zh) * 2019-06-24 2019-10-22 同济大学 一种脑卒中康复系统及控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138860A (zh) * 2011-01-10 2011-08-03 西安交通大学 一种智能化脑损伤患者手功能康复训练设备
WO2019231263A1 (ko) * 2018-05-30 2019-12-05 Choi Dong Hoon 가상현실 기반 재활치료 시스템 및 방법

Also Published As

Publication number Publication date
CN111091890A (zh) 2020-05-01

Similar Documents

Publication Publication Date Title
CN111091890B (zh) 自我激励与反馈控制下的健康认知系统
Riener et al. Human-centered robotics applied to gait training and assessment.
CN108814597A (zh) 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
CN114366556B (zh) 一种面向下肢康复的多模式训练控制系统及方法
CN107626040A (zh) 一种基于可交互虚拟现实和神经电刺激的康复系统及方法
CN111110982A (zh) 基于运动想象的手部康复训练方法
Riener et al. Guest editorial special section on rehabilitation via bio-cooperative control
CN111067543A (zh) 一种卧式踏步式康复训练机器人的人机交互系统
Badesa et al. Dynamic adaptive system for robot-assisted motion rehabilitation
CN110507322B (zh) 一种基于虚拟诱导肌电定量状态评估系统及方法
CN111223550B (zh) 配置可视化激励界面的锻炼控制系统
CN107440887A (zh) 全仿生类脑智能手部电子机械外骨骼及其综合控制系统
CN113611388B (zh) 一种基于外骨骼的智能运动康复治疗与训练系统
Wehner Man to machine, applications in electromyography
CN109907936A (zh) 基于虚拟现实的上肢康复训练设备
CN114021604A (zh) 一种基于3d虚拟现实技术实时反馈的运动想象训练系统
CN109126045A (zh) 智能化运动分析和训练系统
CN108785975A (zh) 结合虚拟现实技术的抗阻训练装置及方法
CN114366557A (zh) 用于下肢康复机器人的人机交互系统及方法
Riener et al. A view on VR-enhanced rehabilitation robotics
Kim et al. Three-dimensional upper limb movement decoding from EEG signals
Cai et al. A motor recovery training and evaluation method for the upper limb rehabilitation robotic system
Saint-Bauzel et al. A reactive robotized interface for lower limb rehabilitation: clinical results
CN110090421A (zh) 基于脑机接口和互联网技术的智能脑卒中康复机器人系统
Ortner et al. Brain-Computer Interfaces for stroke rehabilitation: evaluation of feedback and classification strategies in healthy users

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
GR01 Patent grant
GR01 Patent grant