CN111554376B - 基于大数据通道的瘫痪病人患者用多功能复合康复系统 - Google Patents

基于大数据通道的瘫痪病人患者用多功能复合康复系统 Download PDF

Info

Publication number
CN111554376B
CN111554376B CN202010340612.0A CN202010340612A CN111554376B CN 111554376 B CN111554376 B CN 111554376B CN 202010340612 A CN202010340612 A CN 202010340612A CN 111554376 B CN111554376 B CN 111554376B
Authority
CN
China
Prior art keywords
eeg
forced
waveform
sensors
limb
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.)
Expired - Fee Related
Application number
CN202010340612.0A
Other languages
English (en)
Other versions
CN111554376A (zh
Inventor
梅永霞
徐晖
陈素艳
张振香
付忠荣
李媛
栾文艳
刘凤
任慧
许梦雅
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 CN202010340612.0A priority Critical patent/CN111554376B/zh
Publication of CN111554376A publication Critical patent/CN111554376A/zh
Application granted granted Critical
Publication of CN111554376B publication Critical patent/CN111554376B/zh
Expired - Fee Related 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • 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
    • 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
    • A61B5/68—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
    • 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
    • A61B5/6843—Monitoring or controlling sensor contact pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Social Psychology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Psychology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提出一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，包括配置多个肢体传感器与脑机接口传感器的可穿戴设备；多个肢体传感器均包含支撑结构与受迫结构；所述支撑结构和所述受迫结构均包含应力传感器，所述应力传感器用于获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力，将标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，根据所述比对结果，调节所述支撑结构的所述支撑力和/或所述所述受迫结构的所述受迫力大小，从而能够在遵从患者意愿的情况下，给出准确的康复方案。

Description

基于大数据通道的瘫痪病人患者用多功能复合康复系统
技术领域
本发明属于智能康复技术领域，尤其涉及一种基于大数据通道的瘫痪病人患者用多功能复合康复系统。
背景技术
大脑是人体的神经中枢，支配和指挥着人的心理活动、肢体运动及感觉的产生等一切活动。科学研究表明，当人受到外界刺激（视觉、听觉或触觉刺激）或进行某种意识活动时，大脑中的神经细胞会产生微弱的神经电信号，这些电信号经传导至大脑头皮，会产生节律性或者空间分布的特征。
全球由于自然灾害、安全事故和疾病等原因造成的残疾人员的数量正在逐年增加，这类人群由于各种事故和疾病造成下肢损伤或者患上脊髓硬化、损伤等疾病，使得他们的肌肉组织或者神经传输通道严重受损并导致局部甚至全身瘫痪。脑电信号控制是利用脑机接口获取相关大脑信息，通过计算机进行处理后输出相应的控制信号去控制轮椅运动，利用脑机接口设备采集控制信息，并且摆脱了对身体外周神经和肌肉组织的依赖，具有很好的适应性和广泛的应用前景。
对于大部分瘫痪病人来说，肌体运动功能受损严重但仍然具有健康的大脑，并且可以进行完整思维活动。脑电信号中包含有患者极其丰富的生理信息和思维信息，对这种信号进行分析研究可以准确的识别出患者的思维意识，了解他们的想法和意图。
申请号为CN201911133337.9的中国发明专利申请提出一种基于眼电和机器视觉的轮椅机械臂集成系统，包括EOG采集放大器、图形用户界面、多眼动EOG信号检测识别单元、目标物体探测单元、综合识别单元、执行单元；还公开了一种基于眼电和机器视觉的轮椅机械臂集成控制方法；其公开的基于两种眼部动作的人机接口指令输出方式，在保证消除无意识眼动带来的干扰的前提下，将生成一个指令的平均反应时间缩短至大约2秒，用户通过眼动可以输出14个不同的指令，准确率平均可达97.3％，而现有的基于眼电的轮椅控制技术准确率最高80％，相比于现有的基于EOG的人机接口在性能上有很大的提升；将眼电所反映的人脑智能与机器智能相互融合，既保证了控制的准确性，也减轻了用户的操作负荷。
申请号为CN201911263767.2的中国发明专利申请提出一种基于脑信号控制器的双向交互的方法及系统，所述系统包括：脑电信号提取装置，将原始脑电波信息或原始脑神经元信息发送给放大装置；放大装置用于增强信号；去噪装置用于却除干扰；脑电解码模块包括超压缩功能和收敛秘钥功能，用于实现脑信号与数字信号的双向转换；脑机系统包括具有双通道、操作界面的操作平台，通过超压缩功能和收敛秘钥功能，向网络连接模块发送数字信号作为控制指令，也可以接收由网络连接模块发送的外部设备反馈的数字信号；网络连接模块，用于接收脑机系统发送的数字信号作为指令，通过互联网、区块链、云数据等方式对连接的外部设备进行操作；还用于接收通过互联网、区块链、云数据等方式反馈的外部设备的数字信号。本系统支持将脑电信号转化为数字信号以控制设备，及将设备反馈的数字信号转化为脑电信号反馈给人脑。
申请号为CN201910808043.5的中国发明专利申请提出一种基于物联网云平台的瘫痪病人智能看护系统，包括远程控制端、云平台控制模块和智能看护设备，智能看护设备是看护的执行端，实时采集脑电信号、双目视频图像；云平台控制模块根据脑电信号、双目视频图像作出控制智能看护设备动作指令；远程控制端用于接收和存储智能看护设备所采集的脑电信号、双目视频图像，以及监控指令的完成情况，同时还能够向智能看护设备所发出的工作指令，进行人工控制。云平台控制模块用于有效实施监控、管理控制其权限内的智能看护设备的运行状态，在远程控制端采用双目视频透视式显示方式或者三维场景显示方式，既能实现自主看护，也可基于增强现实的远程控制式看护；实现看护管理人员的共享。
然而，对于瘫痪病人来说，虽然准确识别其真实意图比较重要，但是更重要的是能够通过锻炼完成某些肢体功能的康复。遗憾的是，康复治疗对瘫痪病人来说是极其痛苦的过程，大部分康复器械只能通过机械的重复强迫性运动来引导患者的肢体进行活动，而无法考虑患者的实际意图和意愿。现有技术也并未检索到结合脑电信号识别来进行康复训练的技术方案。
发明内容
为解决上述技术问题，本发明提出一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，所述多功能复合康复系统包括配置多个肢体传感器与脑机接口传感器的可穿戴设备；所述多个肢体传感器均包含支撑结构与受迫结构，所述支撑结构用于支撑所述肢体运动，所述受迫结构用于驱使所述肢体活动；所述支撑结构和所述受迫结构均包含应力传感器，所述应力传感器用于获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力，将标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，根据所述比对结果，调节所述支撑结构的所述支撑力和/或所述所述受迫结构的所述受迫力大小，从而能够在遵从患者意愿的情况下，给出准确的康复方案。
具体来说，本发明的技术方案实现如下：
一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，所述多功能复合康复系统包括配置多个肢体传感器与脑机接口传感器的可穿戴设备；
所述多个肢体传感器均包含支撑结构与受迫结构，所述支撑结构用于支撑所述肢体运动，所述受迫结构用于驱使所述肢体活动；
不同于现有技术的简单机械重复运动，作为本发明的第一个优点，所述支撑结构和所述受迫结构均包含应力传感器，所述应力传感器用于获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力；
所述脑机接口传感器包含多个检测大脑不同位置的脑电信号的EEG波形传感器；
作为本发明的第二个优点，在本发明中多个波形调制引擎与对应的EEG波形传感器进行连接，用于对所述EEG波形传感器检测到的EEG波形进行调制；
具体而言，所述多个波形调制引擎与对应的EEG波形传感器进行连接，对所述EEG波形传感器检测到的EEG波形进行调制，具体包括：
对所述EEG信号进行滤波处理后，对EEG波形执行如下操作之一或者其组合:
扩展、压缩、复制以及差分。
作为本发明创造性的贡献之一，在本发明的技术方案中，还包括微动作图像帧捕捉装置，用于捕捉所述肢体动作对应的肢体运动图像帧；
与此相对应的，所述多功能复合康复系统通过多路数据传输通道，将所述波形调制引擎调制后的EEG波形以及肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库；
具体而言，作为体现上述创造性贡献的关键性技术手段之一，所述边缘计算设备连接本地大容量存储器；
所述大容量存储器用于存储所述云计算数据库返回的对应于所述肢体运动图像帧的标准应力参数。
将所述波形调制引擎调制后的EEG波形以及所述多个肢体传感器检测到的肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库，所述边缘计算设备或者远端的云计算数据库返回对应于所述肢体运动图像帧的至少一个标准应力参数，具体包括：
在所述大容量存储中查找是否存在对应于所述调制后的EEG波形的EEG信号；
如果存在，则将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至至少一个边缘计算设备；
否则，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至远端的云计算数据库。
在另一个方面，当所述肢体活动时，同时获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力以及大脑不同位置的脑电信号；当所述肢体静止时，在预定时间段内，继续获取所述大脑不同位置的脑电信号；并将所述继续获取所述大脑不同位置的脑电信号进行调制后发送给所述边缘计算设备。
作为优选，所述将所述标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，进一步包括：
如果根据所述比对结果判定所述支撑结构的所述支撑力和/或所述所述受迫结构的所述受迫力大小不需要调节，则删除所述大容量存储器存储的所述云计算数据库返回的对应于所述肢体运动图像帧的标准应力参数。
作为本发明的再一个创新点，所述多功能复合康复系统通过多路数据传输通道，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库，具体包括：
将所述波形调制引擎调制后的多路EEG波形以及所述多路EEG波形对应的肢体运动图像帧关联后依次存入队列；
通过所述多路数据传输通道，从所述队列中读取所述关联数据至所述边缘计算设备；
在所述边缘计算设备对所述读取的关联数据进行处理时，判断所述队列是否处于拥堵状态；
如果是，则停止将所述波形调制引擎调制后的多路EEG波形以及所述多路EEG波形对应的肢体运动图像帧存入队列。
进一步的，
在所述边缘计算设备对所述读取的关联数据进行处理时，判断所述队列是否处于拥堵状态；
如果是，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送远端的云计算数据库。
作为优选，所述多个检测大脑不同位置的脑电信号的EEG波形传感器检测到多路脑电信号后，采用基于Fisher准则的统计不相关判别变换方法进行分类。
将所述分类后的脑电信号通过多路数据传输通道发送至至少一个边缘计算设备或者远端的云计算数据库。
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基于大数据通道的瘫痪病人患者用多功能复合康复系统的整体架构图。
图2是图1所述系统的单个模块的结构示意图。
图3是图1-2所述实施例具体运行的流程示意图。
图4-5是图3所述实施例中进一步的优选流程示意图。
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基于大数据通道的瘫痪病人患者用多功能复合康复系统的整体架构图。
在图1实施例中，包括三个肢体传感器，三个肢体传感器分别对应三个微动作图像帧捕捉装置，用于捕捉所述三个肢体传感器对应的肢体动作图像帧；
图1中还示出了四个脑机接口传感器，分别对应四个波形调制引擎；所述波形调制引擎以及微动作图像帧捕捉装置各自连接至云计算数据库以及边缘计算设备；
比对模块与所述运计算数据库以及边缘计算设备连接，并通过调节模块与三个肢体传感器连接。
在图1基础上，进一步参见图2。
所述多个肢体传感器均包含支撑结构与受迫结构，所述支撑结构用于支撑所述肢体运动，所述受迫结构用于驱使所述肢体活动；所述支撑结构和所述受迫结构均包含应力传感器，所述应力传感器用于获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力；
所述脑机接口传感器包含多个检测大脑不同位置的脑电信号的EEG波形传感器。
在图1-2基础上，接下来参见图3。
多个波形调制引擎与对应的EEG波形传感器进行连接，用于对所述EEG波形传感器检测到的EEG波形进行调制；
所述多功能复合康复系统通过多路数据传输通道，将所述波形调制引擎调制后的EEG波形以及肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库；
所述边缘计算设备或者远端的云计算数据库返回对应于所述肢体运动图像帧的至少一个标准应力参数；
将所述标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，根据所述比对结果，调节所述支撑结构的所述支撑力和/或所述所述受迫结构的所述受迫力大小。
图3中，所述多个波形调制引擎与对应的EEG波形传感器进行连接，对所述EEG波形传感器检测到的EEG波形进行调制，具体包括：
对所述EEG信号进行滤波处理后，对EEG波形执行如下操作之一或者其组合:
扩展、压缩、复制以及差分。
所述边缘计算设备连接本地大容量存储器；
所述大容量存储器用于存储所述云计算数据库返回的对应于所述肢体运动图像帧的标准应力参数。
这里的大容量，是相对于边缘计算设备本身的性能而言，该存储器可以存贮几倍于边缘计算设备能够同时处理的数据量。
接下来参见图4，将所述波形调制引擎调制后的EEG波形以及所述多个肢体传感器检测到的肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库，所述边缘计算设备或者远端的云计算数据库返回对应于所述肢体运动图像帧的至少一个标准应力参数，具体包括：
在所述大容量存储中查找是否存在对应于所述调制后的EEG波形的EEG信号；
如果存在，则将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至至少一个边缘计算设备；
否则，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至远端的云计算数据库。
在图4基础上，在图5中，所述多功能复合康复系统通过多路数据传输通道，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库，具体包括：
将所述波形调制引擎调制后的多路EEG波形以及所述多路EEG波形对应的肢体运动图像帧关联后依次存入队列；
通过所述多路数据传输通道，从所述队列中读取所述关联数据至所述边缘计算设备；
在所述边缘计算设备对所述读取的关联数据进行处理时，判断所述队列是否处于拥堵状态；
如果是，则停止将所述波形调制引擎调制后的多路EEG波形以及所述多路EEG波形对应的肢体运动图像帧存入队列。
上述队列的处理操作，充分利用了边缘计算的本地计算性能的同时，也避免了数据拥堵造成的处理延时。
进一步的，在所述边缘计算设备对所述读取的关联数据进行处理时，判断所述队列是否处于拥堵状态；
如果是，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送远端的云计算数据库。
在本发明的各个实施例中，当所述肢体活动时，同时获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力以及大脑不同位置的脑电信号；当所述肢体静止时，在预定时间段内，继续获取所述大脑不同位置的脑电信号，并将所述继续获取所述大脑不同位置的脑电信号进行调制后发送给所述边缘计算设备。
上述操作也是本发明针对瘫痪患者特点做出的重要改进之一，能够使得采集的脑电信号更能准确的表现患者意图。
接下来，所述将所述标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，进一步包括：
如果根据所述比对结果判定所述支撑结构的所述支撑力和/或所述所述受迫结构的所述受迫力大小不需要调节，则删除所述大容量存储器存储的所述云计算数据库返回的对应于所述肢体运动图像帧的标准应力参数。
虽然未示出，但是作为更优选的实施例，所述多个检测大脑不同位置的脑电信号的EEG波形传感器检测到多路脑电信号后，采用基于Fisher准则的统计不相关判别变换方法进行分类，将所述分类后的脑电信号通过多路数据传输通道发送至至少一个边缘计算设备或者远端的云计算数据库；经过这种处理方式，不必再对EEG波形信号进行过滤操作。
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 (11)

1.一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，所述多功能复合康复系统包括可穿戴设备；
其特征在于：
所述可穿戴设备配置多个肢体传感器与脑机接口传感器；
所述多个肢体传感器均包含支撑结构与受迫结构，所述支撑结构用于支撑所述肢体运动，所述受迫结构用于驱使所述肢体活动；所述支撑结构和所述受迫结构均包含应力传感器，所述应力传感器用于获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力；
所述脑机接口传感器包含多个检测大脑不同位置的脑电信号的EEG波形传感器；
多个波形调制引擎与对应的EEG波形传感器进行连接，用于对所述EEG波形传感器检测到的EEG波形进行调制；
所述多功能复合康复系统通过多路数据传输通道，将所述波形调制引擎调制后的EEG波形以及肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库；
所述边缘计算设备或者远端的云计算数据库返回对应于所述肢体运动图像帧的至少一个标准应力参数；
将所述标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，根据所述比对结果，调节所述支撑结构的所述支撑力和/或所述受迫结构的所述受迫力大小。
2.如权利要求1所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，
其特征在于：
所述多个波形调制引擎与对应的EEG波形传感器进行连接，对所述EEG波形传感器检测到的EEG波形进行调制，具体包括：
对所述EEG信号进行滤波处理后，对EEG波形执行如下操作之一或者其组合:
扩展、压缩、复制以及差分。
3.如权利要求1所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，
其特征在于：
所述边缘计算设备连接本地大容量存储器；
所述大容量存储器用于存储所述云计算数据库返回的对应于所述肢体运动图像帧的标准应力参数。
4.如权利要求3所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，其特征在于：
将所述波形调制引擎调制后的EEG波形以及所述多个肢体传感器检测到的肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库，所述边缘计算设备或者远端的云计算数据库返回对应于所述肢体运动图像帧的至少一个标准应力参数，具体包括：
在所述大容量存储中查找是否存在对应于所述调制后的EEG波形的EEG信号；
如果存在，则将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至至少一个边缘计算设备；
否则，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至远端的云计算数据库。
5.如权利要求1所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，
其特征在于：
当所述肢体活动时，同时获取所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力以及大脑不同位置的脑电信号；当所述肢体静止时，在预定时间段内，继续获取所述大脑不同位置的脑电信号。
6.如权利要求5所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，其特征在于：
将所述继续获取所述大脑不同位置的脑电信号进行调制后发送给所述边缘计算设备。
7.如权利要求3所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，
其特征在于：
所述将所述标准应力参数与所述应力传感器获取的所述支撑结构检测到的支撑力和/或所述受迫结构检测到的受迫力进行比对，进一步包括：
如果根据所述比对结果判定所述支撑结构的所述支撑力和/或所述受迫结构的所述受迫力大小不需要调节，则删除所述大容量存储器存储的所述云计算数据库返回的对应于所述肢体运动图像帧的标准应力参数。
8.如权利要求4或6所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，其特征在于：
所述多功能复合康复系统通过多路数据传输通道，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送至至少一个边缘计算设备或者远端的云计算数据库，具体包括：
将所述波形调制引擎调制后的多路EEG波形以及所述多路EEG波形对应的肢体运动图像帧关联后依次存入队列；
通过所述多路数据传输通道，从所述队列中读取所述关联数据至所述边缘计算设备；在所述边缘计算设备对所述读取的关联数据进行处理时，判断所述队列是否处于拥堵状态；
如果是，则停止将所述波形调制引擎调制后的多路EEG波形以及所述多路EEG波形对应的肢体运动图像帧存入队列。
9.如权利要求8所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，其特征在于：
在所述边缘计算设备对所述读取的关联数据进行处理时，判断所述队列是否处于拥堵状态；
如果是，将所述波形调制引擎调制后的EEG波形以及所述肢体运动图像帧发送远端的云计算数据库。
10.如权利要求1或7所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，其特征在于：
所述多个检测大脑不同位置的脑电信号的EEG波形传感器检测到多路脑电信号后，采用基于Fisher准则的统计不相关判别变换方法进行分类。
11.如权利要求10所述的一种基于大数据通道的瘫痪病人患者用多功能复合康复系统，其特征在于：
将分类后的脑电信号通过多路数据传输通道发送至至少一个边缘计算设备或者远端的云计算数据库。
CN202010340612.0A 2020-04-26 2020-04-26 基于大数据通道的瘫痪病人患者用多功能复合康复系统 Expired - Fee Related CN111554376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010340612.0A CN111554376B (zh) 2020-04-26 2020-04-26 基于大数据通道的瘫痪病人患者用多功能复合康复系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010340612.0A CN111554376B (zh) 2020-04-26 2020-04-26 基于大数据通道的瘫痪病人患者用多功能复合康复系统

Publications (2)

Publication Number Publication Date
CN111554376A CN111554376A (zh) 2020-08-18
CN111554376B true CN111554376B (zh) 2021-01-01

Family

ID=72005872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010340612.0A Expired - Fee Related CN111554376B (zh) 2020-04-26 2020-04-26 基于大数据通道的瘫痪病人患者用多功能复合康复系统

Country Status (1)

Country Link
CN (1) CN111554376B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113180647B (zh) * 2021-06-07 2024-02-02 郑州大学 一种ai肢体功能康复预干涉的行为采集系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100525854C (zh) * 2006-07-21 2009-08-12 天津大学 智能型瘫痪病人辅助康复系统
CN203043423U (zh) * 2013-01-22 2013-07-10 深圳市科瑞康实业有限公司 一种基于脑机接口的康复训练装置
CN110473623A (zh) * 2019-07-16 2019-11-19 武汉联影医疗科技有限公司 医疗服务系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1211860A (zh) * 1998-08-27 1999-03-24 深圳市希岛工贸有限公司 远方信息服务传播系统
CN104851067A (zh) * 2015-06-08 2015-08-19 成都华唯科技有限责任公司 基于大数据的康复临床诊疗全过程数字化管理系统
CN105631188A (zh) * 2015-12-18 2016-06-01 上海德滨康投资管理有限公司 神经重症康复诊疗系统
EP3407228B1 (en) * 2017-05-26 2024-03-27 Nokia Technologies Oy Wearable sensors for inputting a command
CN107315478B (zh) * 2017-07-05 2019-09-24 中国人民解放军第三军医大学 一种运动想象上肢智能康复机器人系统及其训练方法
CN109528450A (zh) * 2019-01-24 2019-03-29 郑州大学 一种运动意图识别的外骨骼康复机器人
CN110993056A (zh) * 2019-10-29 2020-04-10 浙江迈联医疗科技有限公司 基于镜像神经元和脑机接口的混合式主动康复方法、装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100525854C (zh) * 2006-07-21 2009-08-12 天津大学 智能型瘫痪病人辅助康复系统
CN203043423U (zh) * 2013-01-22 2013-07-10 深圳市科瑞康实业有限公司 一种基于脑机接口的康复训练装置
CN110473623A (zh) * 2019-07-16 2019-11-19 武汉联影医疗科技有限公司 医疗服务系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张佳乐等.边缘计算数据安全与隐私保护研究综述.《通信学报》.2018,(第03期),第135页至第147页. *

Also Published As

Publication number Publication date
CN111554376A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
Gao et al. Noninvasive electroencephalogram based control of a robotic arm for writing task using hybrid BCI system
Babiloni et al. Linear classification of low-resolution EEG patterns produced by imagined hand movements
Chai et al. A hybrid BCI-controlled smart home system combining SSVEP and EMG for individuals with paralysis
WO2017193497A1 (zh) 基于融合模型的智能化健康管理服务器、系统及其控制方法
Punsawad et al. Hybrid EEG-EOG brain-computer interface system for practical machine control
CN110151203B (zh) 基于多级雪崩式卷积递归网络eeg分析的疲劳驾驶识别方法
Fingelkurts et al. Cortical operational synchrony during audio–visual speech integration
CN111930238B (zh) 基于动态ssvep范式的脑机接口系统实现方法及装置
Norani et al. A review of signal processing in brain computer interface system
US20240081705A1 (en) Non-contact fatigue detection system and method based on rppg
KR101854812B1 (ko) 시청각 콘텐츠와 생체신호 분석을 활용한 정신증상 평가 시스템
CN107411738A (zh) 一种基于静息脑电相似性的情绪跨个体识别方法
CN111554376B (zh) 基于大数据通道的瘫痪病人患者用多功能复合康复系统
Saleem et al. A systematic review of physiological signals based driver drowsiness detection systems
Naser et al. Towards practical BCI-driven wheelchairs: A systematic review study
Tychkov et al. The effect of virtual reality on mental health in the design of automated control systems
CN113082448A (zh) 基于脑电信号和眼动仪的虚拟沉浸式自闭症儿童治疗系统
Du et al. Non-interference driving fatigue detection system based on intelligent steering wheel
Bozorgzadeh et al. The LF-ASD brain computer interface: on-line identification of imagined finger flexions in the spontaneous EEG of able-bodied subjects
Al-Turabi et al. Brain computer interface for wheelchair control in smart environment
CN113995411A (zh) 一种小型便携式多模态鉴赏评估系统及方法
Saini et al. State-of-the-art mental tasks classification based on electroencephalograms: a review
Matsuno et al. Machine learning using brain computer interface system
Zhang et al. Performance Evaluation of a" Switch-To-Target" Based Asynchronous SSVEP BCI Paradigm
TWI788169B (zh) 壓縮腦波生理訊號之傳輸方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210101