CN112617810A - 一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法 - Google Patents

一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法 Download PDF

Info

Publication number
CN112617810A
CN112617810A CN202110003306.2A CN202110003306A CN112617810A CN 112617810 A CN112617810 A CN 112617810A CN 202110003306 A CN202110003306 A CN 202110003306A CN 112617810 A CN112617810 A CN 112617810A
Authority
CN
China
Prior art keywords
shoulder
patient
motion
joint
upper 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.)
Pending
Application number
CN202110003306.2A
Other languages
English (en)
Inventor
肖博文
吴小鹰
侯文生
陈琳
呼林涛
王星
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.)
Chongqing University
Original Assignee
Chongqing 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 Chongqing University filed Critical Chongqing University
Priority to CN202110003306.2A priority Critical patent/CN112617810A/zh
Publication of CN112617810A publication Critical patent/CN112617810A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • 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
    • A61B5/1116—Determining posture transitions
    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4566—Evaluating the spine
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4576—Evaluating the shoulder
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/458—Evaluating the elbow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/459—Evaluating the wrist
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明涉及一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，属于人工智能领域。通过视觉捕捉传感器采集患者骨骼数据，将数据与模型匹配以实现体感驱动控制角色模型参与到虚拟康复训练中，患者根据虚拟场景中目标和轨迹引导、视觉反馈等完成设计的康复训练动作；通过惯性传感器采集患者上肢运动数据，分析计算获得肩、肘关节角度、脊柱倾斜角度等，根据角度参数监测判断患者的代偿运动状况，并进一步对场景参数进行自适应调整映射在虚拟场景康复训练过程中；提取时域频域特征与相关运动特征参数一起输入支持向量机从而实现对患者运动功能的评估。通过此方法，最终实现了运动功能康复训练过程中对代偿运动的有效抑制。

Description

一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法
技术领域
本发明属于人工智能领域，涉及一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法。
背景技术
对脑卒中患者尽早介入初期的康复训练，它不仅能减少神经功能的丧失，减少并发症的发生，而且能重建运动功能，提高日常生活的基本能力。传统的康复训练主要以物理疗法、运动治疗为主，同时其训练往往需要专业治疗师在场指导并提供正确的手法操作。治疗医师在同一时间段只能对单个病患进行指导，同时目前康复治疗师资源相当匮乏，因此传统的训练方式效率较低、周期长且内容单调、治疗成本高昂。不仅如此，偏瘫患者运动障碍的原因很大程度上就是无法自主选择激活肌肉的类型及激活程度而外显出病理性的协同模式，目前的康复训练系统均以固定模式的训练方式来帮助患者实现功能重建，缺少对于上肢运动特性的考量，难以实现真实的关节联动运动模式。
目前市场上针对这些缺点也提出了相应的解决办法，专利CN108854034B公布了一种基于虚拟现实和惯性动捕的脑卒中康复训练系统。该系统通过惯性传感器采集各个关节部位的的运动数据驱动Unity3D软件的患者实时动作状态模型。患者可根据游戏模块完成常规训练动作，系统通过对比采集的肢体运动数据与预设标准动作数据计算相似度综合训练难度与完成时间对患者状况进行评估。该发明增加了训练的趣味性并降低了治疗成本，但其缺少对患者状态监测和相应的调整机制可能无法应对训练过程中发生的各种状况。
专利CN110123572A公布了一种偏瘫上肢代偿运动多模态交互的康复机器人训练系统。该系统采集上肢的肌电信号以及肘关节和躯干的运动参数并对偏瘫上肢的三项指标患者肌肉协同指标、患肢关节协同指标和躯干代偿运动进行量化计算，并以此作为依据评估康复效果。该发明实现了上肢代偿运动的监测与评估，但其缺乏视觉激励通道和策略，以语音提醒的方式难以有效引导患者完成康复训练。
专利CN111840920A公布了一种基于虚拟现实的上肢智能康复系统，该系统通过人体姿态估计算法提供上肢的四维坐标数据并实现上肢动作的同步映射，利用虚拟现实场景进行上肢目标触碰任务引导并进行评估。该发明以触及任务引导患者进行上肢关节联动运动训练，但其不能通过调整相应场景参数对上肢肩肘关节协同运动的正确模式进行有效引导，导致运动功能重建过程受挫。
上肢运动是上肢多关节在时间、空间的相互协同配合，同时，中枢神经系统给对于上肢的多种调控策略以及人体上肢高度复杂的结构使得上肢具有复杂的运动模式。目前市场上给出的解决方案选择在上肢康复机器人的基础上结合虚拟现实技术以提高患者对康复训练的粘附性和训练效果，且大部分的设计方案仍然是较为固化的康复训练模式，缺乏对患者上肢健康协同模式的自适应智能引导。本发明专利的提出可以很好地弥补上述不足。
发明内容
有鉴于此，本发明的目的在于提供一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法。
为达到上述目的，本发明提供如下技术方案：
一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，该方法包括以下步骤：
S1：体感控制；
S2：姿态检测；
S3：代偿运动判断；
S4：代偿抑制；
S5：运动功能评估。
可选的，所述S1具体为：视觉捕捉传感器在训练过程中实时采集患者深度图像数据，构建虚拟模型的CS骨骼，并与系统简化骨架结构搭建起映射关系，从而实现患者体感驱动虚拟场景中的角色模型。
可选的，所述S2具体为：若右上肢患病，惯性传感器分别安置在上肢的五个关节位置，分别为左肩p1、右肩p2、右肘p3、右腕p4、右手掌p5、颈部p6和腰部p7。
由关节点的空间坐标pi(xi，yi，zi)得空间向量
Figure BDA0002882441100000021
Figure BDA0002882441100000022
Figure BDA0002882441100000023
Figure BDA0002882441100000024
Figure BDA0002882441100000025
利用相邻的空间矢量计算得到肩关节前屈/后伸SFE、肩关节外展/内收SAA、肩关节内旋/外旋SIR和肘关节屈曲/伸展EFE的角度值；SFE、SAA、SIAR和EFE对应的角度分别为θsf、θsa、θsi和θef，
Figure BDA0002882441100000026
是矢状面的单位法向量，
Figure BDA0002882441100000027
是横截面的单位法向量。
Figure BDA0002882441100000028
Figure BDA0002882441100000031
Figure BDA0002882441100000032
Figure BDA0002882441100000033
可选的，所述S3具体为：
S31：实时计算并监测采集肩膀倾斜角度θst。当检测到患者训练过程中肩膀倾斜角度高于阈值，判定患者肩部存在抬高式代偿性运动；
S32：计算并监测脊柱的弯曲角度θtb，若高于阈值，判定患者存在躯干弯曲式代偿性运动；
S33：计算并监测近端关节的运动角度，若在提高远端关节运动能力的训练中高于阈值，判定患者存在近端代偿远端式代偿性运动；
S34：计算监测各时间节点下，肩肘关节各自由度运动角度占比，若与标准运动下的角度参数差异较大，判断患者存在肩肘异常联动模式代偿。
Figure BDA0002882441100000034
Figure BDA0002882441100000035
代偿性运动包括：
(1)肩部抬高，通过将肩部抬高到冠状平面上方扩大外展/屈伸运动；
(2)躯干的横向弯曲，当上半身运动超出用户的运动能力范围时，躯干会倾斜；
(3)非训练目标的近端关节运动带动远端关节；
(4)肩肘异常联动模式。
可选的，所述S4具体为：
S41：减小目标运动范围；
S42：减小目标物体距离；
S43：增加单次训练动作时间限制。
同时，调整变化将映射在虚拟场景中，展开连续的智能演化以目标引导、轨迹规划和障碍设置的形式抑制代偿运动模式的出现。
可选的，所述S5具体为：
针对Brunnstrom分期通过一对一方法构建6个基于径向基核的模糊支持向量机分类器：III/IV,III/V,III/VI,IV/V,IV/VI,V/VI。分类器采用运动角度和四个自由度的运动角速度作为输入，Brunnstrom运动功能分期作为输出，并对分类器进行训练。最后利用离线训练完成的分类器对患者上肢运动功能进行实时评估。
可选的，所述方法还包括S6训练评估：
S61：募集Brunnstrom III期到VI期的上肢运动功能障碍患者，提取特征中选取肩、肘、腕关节的运动角度和角速度作为分类器输入，医师临床Brunnstrom分期结果作为输出，分别训练6个二分类模糊支持向量机运动功能分类器；
S62：将惯性传感器分别安置在双肩、患侧肘关节、腕关节、手掌以及颈部和腰部采集相应关节的坐标信息并实时分析计算各关节运动角度和角速度并作为分类器输入；
S63：经过分类输出评估结果，即患者的Brunnstrom分期，该结果将以虚拟界面的形式反馈给患者。
本发明的有益效果在于：根据患者的运动状态监测自适应调节参数并映射到虚拟场景中展开智能演化从而抑制运动代偿。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明流程图；
图2为为本发明单关节分离运动训练抑制代偿运动的自适应调整方法示意图；
图3为为本发明多关节联动训练抑制代偿运动的自适应调整方法示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
本发明的技术方案：一种抑制上肢肩肘康复运动代偿的虚拟场景参数自适应调整方法，如图1所示，将视觉捕捉传感器置于患者正前方以采集患者关节位置信息实现体感控制，将惯性传感器固定在患者上肢关节和躯干，监测和判断患者的代偿模式状况，自适应地调整场景参数并映射到虚拟场景中实现智能演化以抑制代偿运动，再结合运动数据和肌电数据通过模式识别对患者的运动功能作出评估。
一种抑制上肢肩肘康复运动代偿的虚拟场景参数自适应调整方法与实现，包括以下步骤：
(1)体感控制：所述视觉捕捉传感器在训练过程中实时采集患者深度图像数据，构建虚拟模型的CS骨骼，并与系统简化骨架结构搭建起映射关系，从而实现患者体感驱动虚拟场景中的角色模型。
(2)姿态检测：惯性传感器分别安置在上肢的五个关节位置，(右患肢为例)分别为左肩p1、右肩p2、右肘p3、右腕p4、右手掌p5，颈部p6，腰部p7。由关节点的空间坐标pi(xi，yi，zi)可得空间向量
Figure BDA0002882441100000051
Figure BDA0002882441100000052
Figure BDA0002882441100000053
Figure BDA0002882441100000054
Figure BDA0002882441100000055
利用相邻的空间矢量计算得到肩关节前屈/后伸(Shoulder Flexion/Extension，SFE)、肩关节外展/内收(Shoulder Abduction/Adduction，SAA)、肩关节内旋/外旋(Shoulder Internal/External Rotation，SIR)和肘关节屈曲/伸展(Elbow FLexion/Extension，EFE)的角度值。SFE,SAA,SIAR,EFE对应的角度分别为θsf，θsa，θsi，θef，
Figure BDA0002882441100000056
是矢状面的单位法向量，
Figure BDA0002882441100000057
是横截面的单位法向量。
Figure BDA0002882441100000061
Figure BDA0002882441100000062
Figure BDA0002882441100000063
Figure BDA0002882441100000064
(3)代偿运动判断：根据调研发现代偿性运动具有几种可探测的特性：①肩部抬高(通过将肩部抬高到冠状平面上方扩大外展/屈伸运动)；②躯干的横向弯曲(当上半身运动超出用户的运动能力范围时，躯干会倾斜)③非训练目标的近端关节运动带动远端关节；④肩肘异常联动模式。
针对于上肢康复训练动作过程中可能出现的代偿运动进行检测识别，系统在患者的训练过程中实时监测骨骼位置信息，特别是肩部位置、躯干脊柱的弯曲角度和非训练目标的近端关节：①实时计算并监测采集肩膀倾斜角度θst。当检测到患者训练过程中肩膀倾斜角度高于阈值，判定患者肩部存在抬高式代偿性运动；②计算并监测脊柱的弯曲角度θtb，若该参数高于阈值，判定患者存在躯干弯曲式代偿性运动；③计算并监测近端关节的运动角度，若在提高远端关节运动能力的训练中该参数高于阈值，判定患者存在近端代偿远端式代偿性运动；④计算监测各时间节点下，肩肘关节各自由度运动角度占比，若与标准运动下的角度参数差异较大，判断患者存在肩肘异常联动模式代偿。
Figure BDA0002882441100000065
Figure BDA0002882441100000066
(4)代偿抑制：代偿运动产生的本质原因是患者的运动能力不足以支撑其完成相应的动作，因此，当检测到患者的存在代偿运动模式，自适应地降低训练难度。训练难度的降低体现在相应场景训练参数的调整：①减小目标运动范围；②减小目标物体距离；③增加单次训练动作时间限制。同时，调整变化将映射在虚拟场景中，展开连续的智能演化以目标引导、轨迹规划、障碍设置等形式抑制代偿运动模式的出现。
(5)运动功能评估：针对Brunnstrom分期通过一对一方法构建了6个基于径向基核的模糊支持向量机分类器：III/IV,III/V,III/VI,IV/V,IV/VI,V/VI。分类器采用运动角度和运动角速度(四个自由度)作为输入，Brunnstrom运动功能分期作为输出，并对分类器进行训练。最后利用离线训练完成的分类器对患者上肢运动功能进行实时评估。
实施例1：单关节训练中抑制代偿运动的自适应调整方法和实现，包含以下步骤：
如图2所示，虚拟曲线1规划运动轨迹并引导患者的患肢末端到达目标位置1，患者的肘关节3需在此过程中保持伸直状态；
此时，虚拟障碍杆5、运动轨迹6和目标物体7构建完成，引导患者保持肩关节的屈曲位，驱动肘关节屈曲目标角度8后患肢末端触碰目标物体；
虚拟角色与目标物体完成交互碰撞后，物体转移到目标位置1引导患者伸展肘关节再次触碰目标物体，如此多次完成重复性的康复训练。
后台实时将采集所得的患者上肢各关节坐标构建空间向量，并计算矢状面法向量
Figure BDA0002882441100000071
与上臂向量
Figure BDA0002882441100000072
间的肩关内收角度9；
当肩关节内收角度9大于90°，表明患者不存在近端关节代偿远端式代偿性运动，此时虚拟场景中所有元素呈常态，障碍杆5呈现绿色；
当肩关节内收角度9低于90°高于75°，障碍杆5演化为红色将警告信息反馈提醒患者调整上肢姿态。同时，下调训练难度，即降低目标运动角度8，虚拟场景中目标物体会随参数调整沿运动轨迹6向患肢侧移动一定距离，通过降低患者需付出的努力干预训练过程从而缓解代偿运动；
当患者未能根据提示对自身的代偿情况进行调整，近端关节持续代偿远端关节完成运动，肩关节内收角度超过15°，系统监测患者肩向量与上臂向量间角度小于75°，虚拟场景中的障碍杆将被虚拟角色的上肢碰倒，同时系统判定训练动作失败。
实施例2：上肢关节联动训练中抑制代偿运动的自适应调整方法和实现，包含以下步骤：
如图3所示，虚拟场景中在以患者患侧肩部为圆心的患侧半圆形轨迹上随机出现目标物体10，患者需要在规定时限内尽快去触碰目标物；
实时监测肩向量与矢状面法向量间的肩膀倾斜角度11以及脊柱向量与横截面法向量间的躯体弯曲角度12；，
若检测肩膀倾斜角度11和躯体弯曲角度12角度均为零，表明患者当前不存在任何形式的代偿运动，虚拟目标10始终呈绿色，患者患肢末端与虚拟目标产生碰撞后目标消失并出现在新的位置。若检测到患者存在不同形式的代偿状态，虚拟目标物体将动态演化为红色，同时患者对目标物体的触碰失效；
若检测到肩膀倾斜角度11不为零，表明患者处于肩部抬高式代偿状态，虚拟场景中水平虚拟指示器13构建完成从视觉上反馈警告患者肩部倾斜问题并引导患者脱离代偿运动状态，同时将自适应下调训练难度，训练参数距离(目标物体与患侧肩部间距离)随之降低以抑制代偿运动；
若检测到躯体弯曲角度12不为零，表示患者处于躯干的横向弯曲式代偿状态，虚拟场景中竖直虚拟指示器14构建完成从视觉上反馈警告患者躯体弯曲问题并引导患者脱离代偿运动状态，同时将自适应下调训练难度，训练参数角度随之下降以控制目标物体位置以抑制代偿运动；
若检测到患者患肢末端在相同位置下，其肩肘关节各自由度运动角度占比与标准运动下的角度参数差异较大，表明患者存在肩肘异常联动模式代偿。例如：当某个时间节点下肩关节屈曲角度与外展角度比值低于最低阈值，表明患者肩关节外展角度过大，此时为了纠正患者的肩肘关节联动运动，场景参数进行调整，进而虚拟目标的位置产生变化向靠近患者方向移动，并在上肢当前内侧位置产生新的蓝色虚拟目标15要求患者驱动上肢肘关节去触碰以引导患者减少肩关节外展幅度，同时虚拟目标位置向上移动以引导患者增加肩关节屈曲的运动幅度。通过虚拟场景的自适应演化引导患者协调上肢联动运动来产生正确的运动轨迹优化患者康复运动效果。
训练评估的方法和实现，步骤如下：
(1)募集Brunnstrom III期到VI期的上肢运动功能障碍患者，提取特征中选取肩、肘、腕关节的运动角度和角速度作为分类器输入，医师临床Brunnstrom分期结果作为输出，分别训练6个二分类模糊支持向量机运动功能分类器；
(2)将惯性传感器分别安置在双肩、患侧肘关节、腕关节、手掌以及颈部和腰部采集相应关节的坐标信息并实时分析计算各关节运动角度和角速度并作为分类器输入；
(3)经过分类输出评估结果，即患者的Brunnstrom分期，该结果将以虚拟界面的形式反馈给患者。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：该方法包括以下步骤：
S1：体感控制；
S2：姿态检测；
S3：代偿运动判断；
S4：代偿抑制；
S5：运动功能评估。
2.根据权利要求1所述的一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：所述S1具体为：视觉捕捉传感器在训练过程中实时采集患者深度图像数据，构建虚拟模型的CS骨骼，并与系统简化骨架结构搭建起映射关系，从而实现患者体感驱动虚拟场景中的角色模型。
3.根据权利要求1所述的一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：所述S2具体为：若右上肢患病，惯性传感器分别安置在上肢的五个关节位置，分别为左肩p1、右肩p2、右肘p3、右腕p4、右手掌p5、颈部p6和腰部p7；
由关节点的空间坐标pi(xi，yi，zi)得空间向量
Figure FDA0002882441090000011
Figure FDA0002882441090000012
Figure FDA0002882441090000013
Figure FDA0002882441090000014
Figure FDA0002882441090000015
利用相邻的空间矢量计算得到肩关节前屈/后伸SFE、肩关节外展/内收SAA、肩关节内旋/外旋SIR和肘关节屈曲/伸展EFE的角度值；SFE、SAA、SIAR和EFE对应的角度分别为θsf、θsa、θsi和θef，
Figure FDA0002882441090000016
是矢状面的单位法向量，
Figure FDA0002882441090000017
是横截面的单位法向量；
Figure FDA0002882441090000018
Figure FDA0002882441090000019
Figure FDA00028824410900000110
Figure FDA00028824410900000111
4.根据权利要求1所述的一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：所述S3具体为：
S31：实时计算并监测采集肩膀倾斜角度θst；当检测到患者训练过程中肩膀倾斜角度高于阈值，判定患者肩部存在抬高式代偿性运动；
S32：计算并监测脊柱的弯曲角度θtb，若高于阈值，判定患者存在躯干弯曲式代偿性运动；
S33：计算并监测近端关节的运动角度，若在提高远端关节运动能力的训练中高于阈值，判定患者存在近端代偿远端式代偿性运动；
S34：计算监测各时间节点下，肩肘关节各自由度运动角度占比，若与标准运动下的角度参数差异较大，判断患者存在肩肘异常联动模式代偿；
Figure FDA0002882441090000021
Figure FDA0002882441090000022
代偿性运动包括：
(1)肩部抬高，通过将肩部抬高到冠状平面上方扩大外展/屈伸运动；
(2)躯干的横向弯曲，当上半身运动超出用户的运动能力范围时，躯干会倾斜；
(3)非训练目标的近端关节运动带动远端关节；
(4)肩肘异常联动模式。
5.根据权利要求1所述的一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：所述S4具体为：
S41：减小目标运动范围；
S42：减小目标物体距离；
S43：增加单次训练动作时间限制；
同时，调整变化将映射在虚拟场景中，展开连续的智能演化以目标引导、轨迹规划和障碍设置的形式抑制代偿运动模式的出现。
6.根据权利要求1所述的一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：所述S5具体为：
针对Brunnstrom分期通过一对一方法构建6个基于径向基核的模糊支持向量机分类器：III/IV,III/V,III/VI,IV/V,IV/VI,V/VI；分类器采用运动角度和四个自由度的运动角速度作为输入，Brunnstrom运动功能分期作为输出，并对分类器进行训练；最后利用离线训练完成的分类器对患者上肢运动功能进行实时评估。
7.根据权利要求1所述的一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法，其特征在于：所述方法还包括S6训练评估：
S61：募集Brunnstrom III期到VI期的上肢运动功能障碍患者，提取特征中选取肩、肘、腕关节的运动角度和角速度作为分类器输入，医师临床Brunnstrom分期结果作为输出，分别训练6个二分类模糊支持向量机运动功能分类器；
S62：将惯性传感器分别安置在双肩、患侧肘关节、腕关节、手掌以及颈部和腰部采集相应关节的坐标信息并实时分析计算各关节运动角度和角速度并作为分类器输入；
S63：经过分类输出评估结果，即患者的Brunnstrom分期，该结果将以虚拟界面的形式反馈给患者。
CN202110003306.2A 2021-01-04 2021-01-04 一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法 Pending CN112617810A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110003306.2A CN112617810A (zh) 2021-01-04 2021-01-04 一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110003306.2A CN112617810A (zh) 2021-01-04 2021-01-04 一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法

Publications (1)

Publication Number Publication Date
CN112617810A true CN112617810A (zh) 2021-04-09

Family

ID=75291381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110003306.2A Pending CN112617810A (zh) 2021-01-04 2021-01-04 一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法

Country Status (1)

Country Link
CN (1) CN112617810A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114367091A (zh) * 2022-01-13 2022-04-19 广州晓康医疗科技有限公司 一种面向双人上肢非接触式康复训练的交互方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106618958A (zh) * 2016-12-16 2017-05-10 南通大学 一种体感控制的上肢外骨骼镜像康复机器人
US20180228430A1 (en) * 2017-02-10 2018-08-16 Mindmaze Holding Sa System, method and apparatus for rehabilitation with tracking
CN109003301A (zh) * 2018-07-06 2018-12-14 东南大学 一种基于OpenPose和Kinect的人体姿态估计方法及康复训练系统
CN109350923A (zh) * 2018-10-25 2019-02-19 北京机械设备研究所 一种基于vr及多体位传感器的上肢康复训练系统
CN110123572A (zh) * 2019-04-04 2019-08-16 华南理工大学 一种偏瘫上肢代偿运动多模态交互的康复机器人训练系统
CN110123573A (zh) * 2019-04-18 2019-08-16 华南理工大学 一种偏瘫上肢代偿运动监测与抑制的康复机器人训练系统
CN110201358A (zh) * 2019-07-05 2019-09-06 中山大学附属第一医院 基于虚拟现实和运动再学习的上肢康复训练系统及方法
CN111840920A (zh) * 2020-07-06 2020-10-30 暨南大学 一种基于虚拟现实的上肢智能康复系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106618958A (zh) * 2016-12-16 2017-05-10 南通大学 一种体感控制的上肢外骨骼镜像康复机器人
US20180228430A1 (en) * 2017-02-10 2018-08-16 Mindmaze Holding Sa System, method and apparatus for rehabilitation with tracking
CN109003301A (zh) * 2018-07-06 2018-12-14 东南大学 一种基于OpenPose和Kinect的人体姿态估计方法及康复训练系统
CN109350923A (zh) * 2018-10-25 2019-02-19 北京机械设备研究所 一种基于vr及多体位传感器的上肢康复训练系统
CN110123572A (zh) * 2019-04-04 2019-08-16 华南理工大学 一种偏瘫上肢代偿运动多模态交互的康复机器人训练系统
CN110123573A (zh) * 2019-04-18 2019-08-16 华南理工大学 一种偏瘫上肢代偿运动监测与抑制的康复机器人训练系统
CN110201358A (zh) * 2019-07-05 2019-09-06 中山大学附属第一医院 基于虚拟现实和运动再学习的上肢康复训练系统及方法
CN111840920A (zh) * 2020-07-06 2020-10-30 暨南大学 一种基于虚拟现实的上肢智能康复系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BURNS M K , VRAJESHRI P , IONUT F , ET AL.: "Low-Dimensional Synergistic Representation of Bilateral Reaching Movements", 《FRONTIERS IN BIOENGINEERING AND BIOTECHNOLOGY》 *
CAI S , WEI X , SU E , ET AL.: "Online compensation detecting for real-time reduction of compensatory motions during reaching：a pilot study with stroke survivor", 《JOURNAL OF NEUROENGINEERING AND REHABILITATION》 *
朱吉鸽，徐国政，李进飞 等: "姿态与肌电融合的脑卒中患者上肢运动功能实时评估方法", 《中国康复医学杂志》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114367091A (zh) * 2022-01-13 2022-04-19 广州晓康医疗科技有限公司 一种面向双人上肢非接触式康复训练的交互方法及装置
CN114367091B (zh) * 2022-01-13 2022-12-06 广州晓康医疗科技有限公司 一种面向双人上肢非接触式康复训练的交互方法及装置

Similar Documents

Publication Publication Date Title
WO2021243918A1 (zh) 上肢功能评估装置与方法及上肢康复训练系统与方法
WO2021068542A1 (zh) 基于力反馈技术的上肢主被动康复训练机器人系统
CN110123573B (zh) 一种偏瘫上肢代偿运动监测与抑制的康复机器人训练系统
CN104524742A (zh) 一种基于Kinect传感器的脑瘫儿童康复训练方法
CN108309689A (zh) 一种基于外骨骼机器人的渐进式康复训练方法
CN107874984A (zh) 多功能下肢步态复健与助走机器装置结构改良
CN113940856B (zh) 一种基于肌电-惯性信息的手部康复训练装置及方法
US20210275807A1 (en) System and method for determining user intention from limb or body motion or trajectory to control neuromuscular stimuation or prosthetic device operation
CN107422841A (zh) 一种基于非接触式情绪识别的人机交互方法
CN104083268B (zh) 一种穿戴式智能偏瘫下肢康复训练机器人
CN204016771U (zh) 一种穿戴式智能偏瘫下肢康复训练机器人
CN114822761A (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
CN209464288U (zh) 基于路径规划的个性化上肢康复训练机器人系统
Zhang et al. A dual-modal approach using electromyography and sonomyography improves prediction of dynamic ankle movement: A case study
CN112617810A (zh) 一种抑制上肢肩肘康复代偿的虚拟场景参数自适应方法
Law et al. A cap as interface for wheelchair control
Cai et al. A motor recovery training and evaluation method for the upper limb rehabilitation robotic system
CN113730190A (zh) 一种三维空间运动的上肢康复机器人系统
CN108743222A (zh) 一种基于Leap Motion的手指对称康复误差修正方法
CN111243705A (zh) 一种自适应vr镜像训练系统
WO2021190762A1 (en) Joint virtual reality and neurostimulation methods for visuomotor rehabilitation
KR20230061865A (ko) 비정상 근육 시너지 교정 훈련 장치 및 이를 이용한 피험자의 근육 시너지 교정 훈련 방법
CN114669028A (zh) 一种基于运动康复的协同训练机器人用交互系统及方法
CN106235733A (zh) 一种控制电脑椅
CN113398537A (zh) 一种基于Microsoft Kinect的脑卒中患者上肢运动功能训练方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210409

RJ01 Rejection of invention patent application after publication