CN113679568A - 机器人辅助脑卒中患者上肢多模态镜像康复训练评分系统 - Google Patents

Abstract

本发明从满足新型脑卒中患者上肢康复训练的发展需求入手，提供了一种机器人辅助的脑卒中偏瘫患者上肢多模态镜像康复训练方法及评分系统，在合理性与创新性上，该系统基于康复学上的镜像康复训练理论，设计了机器人辅助的上肢镜像康复训练方式，并采用多模态的方式随机生成设定训练轨迹，有助提升训练效率；在安全性上，机器人设置急停按钮，以防训练过程中患者受到二次伤害；在数据处理与存储方面，该系统将实际训练生成轨迹与设定轨迹进行拟合计算重合度，为医生量化评分提供依据，并最终将训练信息存储至云数据库，有助多次康复训练数据进行比对分析。该系统的设计为康复科医生对患者开展康复训练提供了新的方式，有助提高患者的康复训练效率。

Description

机器人辅助脑卒中患者上肢多模态镜像康复训练评分系统

技术领域

本发明涉及脑卒中康复训练领域，具体而言，涉及一种机器人辅助的脑卒中偏瘫患者上肢的多模态镜像康复训练方法及评分系统。

背景技术

脑卒中为临床高发病，亦为导致运动障碍的一种重要疾病，严重影响了患者的肢体功能及生活质量，加重患者的家庭和社会负担。我国老龄化问题不断加剧，上肢偏瘫的人口数量较多，但是康复医师相对较少，机器人辅助康复治疗的技术还不够成熟，在对病人康复训练效果的评估上缺乏数据支撑，受评测人员主观因素影响较大。

有鉴于此，特提出本发明。

发明内容

有鉴于此，本发明公开了一种机器人辅助脑卒中偏瘫患者上肢的多模态镜像康复训练方法与评分系统，以用于脑卒中偏瘫患者上肢镜像多模态康复训练并实现量化评分，旨在为临床康复科医生减轻工作压力，同时为医生对病人康复训练结果打分提供一些量化依据。

具体地，本发明是通过以下技术方案实现的：

第一方面，本发明公开了一种机器人辅助的脑卒中偏瘫患者上肢多模态镜像康复训练方法，所述多模态镜像康复训练方法包括如下步骤：

机器人根据获得的患者健侧手臂实际运动信息，对患侧的手臂利用机器人带动完成镜像运动，进行被动式训练，其中所述两手臂运动信息通过下述方法获得：

根据患者的偏瘫程度以及所处Brunnstrom分期选择适宜的训练难度后随机生成并在网页端显示用于指示健侧手臂运动的轨迹信息，开始训练后，由传感器获取健侧手臂实际运动信息并利用算法转换为镜像运动轨迹指令发送给机器人；

整套上肢镜像康复训练流程完成后，训练信息转化为实际运动路点信息并与设定轨迹拟合分析重合率作为医生打分依据，最终存入云端数据库以备后期综合分析患者的康复训练效果。

第二方面，本发明公开了一种机器人辅助脑卒中偏瘫患者上肢的多模态镜像康复训练与评分系统，包括：

获取单元：用于获取所述两手臂的运动信息，根据患者的偏瘫程度以及所处Brunnstrom分期选择训练的难度后系统随机生成并在网页端显示用于指示健侧手臂运动的轨迹信息；

训练单元：开始训练后，由传感器获取健侧手臂实际运动信息并利用算法转换为镜像运动轨迹指令发送给机器人，最终由机器人带动患侧手臂进行被动式康复训练；

存储分析单元：用于整套镜像康复训练流程结束后，训练信息转化为实际运动轨迹信息并与设定轨迹拟合分析重合率作为医生打分依据，最终存入云端数据库以备后期综合分析患者的康复训练效果。

第三方面，本发明公开了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述多模态镜像康复训练方法的步骤。

第四方面，本发明公开了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述多模态镜像康复训练方法的步骤。

本发明提供的一种脑卒中偏瘫患者康复训练方法及其训练与评分系统，有效结合了康复训练的最新理论-镜像疗法并采用多模态的训练方式，能够有效减轻康复科医生的工作负担和体力消耗、减小辅助病人进行康复训练时的难度，同时可为患者每一次训练的评分提供量化依据，提高医生诊疗效率。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例提供的康复训练方法的流程示意图；

图2为本发明实施例提供的康复训练系统的结构示意图；

图3为本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

本发明公开了一种机器人辅助脑卒中偏瘫患者上肢多模态镜像康复训练方法，所述方法包括：

机器人根据获得的患者健侧手臂实时运动信息，对患侧的手臂由机器人带动开展被动式训练，其中所述两手臂运动信息通过下述方法获得：

根据患者的偏瘫程度以及所处的Brunnstrom分期选择训练的难度后随机生成用于指示健侧手臂运动的轨迹信息并显示在网页上，训练开始后，患者的健侧手臂实际运动信息将利用算法实时解析为镜像运动路点指令发送至机器人端，并由机器人带动患侧手臂完成相应的被动式镜像康复训练运动；

整套镜像康复训练流程结束后，训练信息将换算为实际运动轨迹并与设定轨迹进行拟合计算重合度作为评分依据，与此同时存入云端数据库以备后期综合分析患者的康复训练效果。

图1为本发明实施例公开的一种康复训练方法的流程示意图，参照图1所示，所述方法包括如下步骤：

S1、获取设定的手臂运动信息，根据患者的偏瘫程度以及所处Brunnstrom 分期选择适宜的训练难度后随机生成运动轨迹信息，其中网页端显示设定的健侧手臂运动轨迹，开始训练后，健侧手臂按照设定的轨迹开始运动，与此同时健侧手臂的运动信息由传感器模块获取并利用算法实时转换为镜像运动路点指令发给机器人。

所述S1步骤中，康复科医生对于脑卒中偏瘫患者进行初步评估，确定患者所处的Brunnstrom分期和偏瘫程度后，提供训练难度选择建议，在安装有谷歌浏览器的电脑上打开网页，医生或护工辅助患者的健侧手臂握持内置 WTBLE系列的九轴加速度传感器模块3D打印道具并将此传感器模块与桌面端网页通过蓝牙建立连接，用于记录患侧手臂运动信息的WTBLE系列九轴加速度传感器模块与微信小程序“miniprogram for rehabilitation”建立蓝牙连接。在完成准备工作后，在电脑端选择难度，此时系统将随机生成设定的运动轨迹并显示在网页上，用于指示患者健侧手臂运动并带动患侧手臂运动。

优选地，训练的难度根据上肢康复Brunnstrom分期分为六大类：

I期：无随意运动；

II期：开始出现轻微的屈曲共同运动(肩伸展过度，肘屈曲，肩外展、外旋前臂旋后)；

III期：能充分进行上两项运动，能进行伸展共同运动(伸展共同运动--- 肩内收、内旋时伸展，前臂旋前)；

IV期：(1)：肘屈曲前臂能部分旋前、旋后；(2)：肘伸展位肩能前屈90 度；(3)：将手向腰后伸展；

V期：(1)：肘伸展位肩能外展90度(前臂旋前位)；(2)：肘伸展位肩能前屈180度；(3)：肘伸展位前臂能旋前、旋后；

VI期：正常动作或稍欠灵巧，快速动作不灵活。

医生可根据患者的Brunnstrom分期和偏瘫程度(分期越低，患者自主上肢活动能力越差，因此训练难度越低)挑选出适合患者训练的难度。由于 Brunnstrom分期有六期，设置训练难度亦分为六级，每一级中机器人对患者手臂的助力不同、运动轨迹的复杂程度不同。

另外，该步骤中采用了镜像疗法原理，即基于重复想象力和心理训练的运动表象训练，在视觉刺激基础上应用躯体感觉输入来辅助运动功能恢复，其方便可行、易于操作。视觉作为知觉的主导，是向大脑传输人体感知外界的主要信息来源。利用镜像装置，将健侧肢体活动的画面复制到患侧，患者通过视觉反馈，进行运动观察，模仿以及再学习。通过不断的视觉反馈刺激人脑主要运动皮质，影响皮质的电活动及兴奋性，促进脑功能重塑，诱发运动功能恢复。通过操作性训练，增强其感受器，效应器的能力，促进本体感觉的进一步提高。

优选地，预先将健侧手握持的内置有WTBLE系列九轴加速度传感器模块3D打印模型与网页端通过蓝牙连接，以便根据传感器获取的运动信息实时生成互为镜像的患侧手臂运动路点指令信息。

两个WTBLE系列九轴传感器模块(用于获取病人上肢训练情况)：一个放置在3D打印模型中(健侧手握持)，另一个固定在辅助患侧手臂运动的机器人机械臂假爪上(为3D打印材料，方便进行个性化定制并拆装，使患者穿戴更为舒适)。

每只手臂所使用的具有BLE功能的传感器模块所连接的设备不同，患侧手臂所使用的传感器模块通过低功耗蓝牙与微信小程序端建立连接，健侧手臂所使用的传感器模块通过低功耗蓝牙与网页端建立连接，在此同时，网页端随机生成对应难度的运动轨迹并显示，指示健侧手臂的运动，在训练过程中根据健侧手臂实际运动轨迹通过特定算法解析为机器人镜像运动路点并发送给机器人。

S2、机器人根据接收到的运动路点信息，带动患者患侧的手臂开展被动式镜像康复训练；

在所述S2步骤中，在训练的过程中设置机器人急停按钮，并可按照运动原路径将病人手臂复位，此步骤可确保本训练方法的安全性，以防病人在康复训练过程中造成二次伤害。

S3、整个上肢镜像康复训练流程结束后，训练信息被转换为实际运动轨迹与设定轨迹进行拟合分析重合度，为医生评分提供量化依据，最终存入云端数据库以备后期综合分析患者的康复训练效果。

优选地，所述WTBLE系列的九轴加速度传感器模块所获取的信息有a_xL、 a_xH、a_yL、a_yH、t、RollL、RollH、PitchL、PitchH、yawL、yawH，这些信息将用于计算两手臂在各个轴的运动位移量。

a_x指的是本体坐标系的x轴加速度(在WTBLE系列传感器上有标注其正方向)，L指的是a_x的低8位，后文的H指的是a_x的高八位，同理a_y指的是本体坐标系的y轴加速度(在WTBLE系列传感器上有标注其正方向)，L指的是a_y的低8位，后文的H指的是a_y的高八位。t指的是两次接收蓝牙回调的信息的时间间隔。

Roll指的是手臂运动时的滚动角，L指的是获取到的滚动角的低8位，H 指的是获取到的滚动角的高8位。

Pitch指的是手臂运动时的倾斜角，L指的是获取到的倾斜角的低8位，H 指的是获取到的倾斜角的高8位。

yaw指的是手臂运动时的偏航角，L指的是获取到的偏航角的低8位，H 指的是获取到的偏航角的高8位。

优选地，运动位移量的计算方法包括：

将获取到的a_xL、a_xH、a_yL、a_yH、t、RollL、RollH、PitchL、PitchH、yawL、yawH进行滤波处理后加以计算，然后采用方向余弦矩阵算法加以校正；

校正得到每一时刻在全局坐标系下的加速度a_X、a_Y、并利用计算线性变加速度运动的原理计算得出在全局坐标系下x轴、y轴的位移量X_x、X_Y，最后用叠加的方法计算得出每一时刻患者手臂x轴、y轴的位置x_x、X_Y；

根据以下公式计算运动位移量，然后在小程序端显示患者手臂运动位移折线图；

x＝Math.sqrt(xX²+xY²)；

其中，Math.sqrt表示取算术平方根。

在全局坐标系下，x轴以正东为正方向，y轴以正北为正方向。相对运动坐标指运动过程中的实时位置相对于开始运动的原点在各轴上的坐标值(精确到1mm)。

优选地，整个上肢镜像康复训练流程结束后，将所述运动位移折线图体现的运动信息发送给服务器，服务器将实际的运动轨迹和设定轨迹进行对比，匹配重合率并显示在网页上为医生定量评分提供依据，最终实际运动信息与医生打分将存入数据库以备后期分析患者的康复训练效果；

总之，本方法有效结合了康复训练的最新理论-镜像疗法，并可对病人上肢进行同步的镜像训练，并为病人提供科学有效且具有针对性的训练，一改以往单调的训练模式，采用了多模态(可选择6种不同难度)的训练方法，能够有效减轻康复科医生的工作负担和体力消耗、减小辅助病人进行康复训练时的难度，提高了医生的工作效率；在安全性上，设置急停按钮，降低了在康复训练中再度受伤的可能性。

该康复训练方法过程中，需要准备一台手机，用于打开微信小程序并获取蓝牙发送的患侧手臂训练信息，并存入云端数据库以备后期计算、查验。还需要准备一台安装有谷歌浏览器的电脑，用于登陆相关网页，生成适合病人的训练轨迹，并将指令传给机器人以及获取并计算实际运动轨迹与设定轨迹的拟合程度。

整个康复训练方法按照下述步骤进行：

1)打开电脑端网页和手机端微信小程序，做好准备工作，医生对患者进行初步评估，在电脑端选择合适的训练难度；

2)将设备之间建立蓝牙连接(WTBLE传感器模块与手机、WTBLE传感器模块与电脑)，康复技师协助患者健侧手握持内置有WTBLE系列传感器模块的3D打印道具并将患侧手臂以较为舒适的方式固定在带动训练的机器人假爪上，系统根据对难度的选择随机生成指示健侧手臂活动的运动轨迹；

3)患者准备好后，点击微信小程序端和网页端的开始按钮，患者的健侧手臂根据生成的轨迹进行自主运动，与此同时患侧手臂由机器人带动进行与健侧手臂运动轨迹呈镜像的运动。在此过程中机器人的运动路点已由后端服务器自动解析，在此过程中，病人如有任何的不适，应立即按下急停按钮，将手臂按照原轨迹进行复位，以保障训练的安全性；

4)结束训练，医生从微信小程序端或网页端获取训练信息以及轨迹重合度，并以此为依据进行评分，最终将评分与训练信息存入云端数据库，以备后期综合分析患者的康复训练效果，制定进一步的康复训练计划。

本发明利用传统UR机器人、WTBLE系列九轴加速度传感器模块、桌面端网页、微信小程序设计了一套可以用于脑卒中偏瘫患者上肢多模态镜像康复训练系统，旨在为临床康复科医生减轻工作压力，同时为医生对病人康复训练结果的评分提供一些量化依据。

图2是本发明公开的一种康复训练系统的结构示意图，该系统包括：

获取单元101：用于获取所述手臂的运动信息，根据患者的偏瘫程度以及Brunnstrom分期选择训练的难度后随机生成指示健侧手臂的运动轨迹并显示在网页上，在训练过程中健侧手臂实际运动信息由传感器模块获取并转换为与之呈镜像的运动路点指令发送给机器人；

训练单元102：机器人根据收到的运动路点指令，带动患者患侧的手臂进行被动式训练；

存储分析单元103：用于整个上肢镜像康复训练流程结束后，训练信息转换为实际运动轨迹并与设定轨迹相拟合以计算重合度，作为医生量化评分的依据，最终训练信息与医生评分存入云端数据库以备后期综合分析患者的康复训练效果。

该康复训练系统主要由上述三个单元构成，从而实现对偏瘫患者的康复训练，精确度高，适用广。

具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。

图3是本发明公开的一种计算机设备的结构示意图。参考图3所示，该计算机设备包括：输入装置63、输出装置64、存储器62和处理器61；所述存储器62，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器61执行，使得所述一个或多个处理器61实现如上述实施例提供的一种康复训练方法；其中输入装置63、输出装置64、存储器62和处理器61可以通过总线或者其他方式连接，图3中以通过总线连接为例。

存储器62作为一种计算设备可读写存储介质，可用于存储软件程序、计算机可执行程序，如本申请实施例所述的一种康复训练方法对应的程序指令；存储器62可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等；此外，存储器62可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件；在一些实例中，存储器62可进一步包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置63可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入；输出装置64可包括显示屏等显示设备。

处理器61通过运行存储在存储器62中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理。

上述提供的计算机设备可用于执行上述实施例提供的一种康复训练方法，具备相应的功能和有益效果。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的一种多模态镜像康复训练方法，存储介质是任何的各种类型的存储器设备或存储设备，存储介质包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯 (Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等；存储介质可以还包括其它类型的存储器或其组合；另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统；第二计算机系统可以提供程序指令给第一计算机用于执行。存储介质包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上实施例所述的一种多模态镜像康复训练方法，还可以执行本申请任意实施例所提供的一种脑卒中偏瘫患者上肢多模态镜像康复训练方法中的相关操作。

最后应说明的是：虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。

类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。

由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims (10)

1.一种机器人辅助脑卒中偏瘫患者上肢的多模态镜像康复训练方法与评估系统，其特征在于，包括如下步骤：

机器人根据获得的运动路点指令，对患者患侧的手臂进行带动式训练，其中所述手臂运动信息通过下述方法获得：

训练前根据患者的偏瘫程度以及所处Brunnstrom分期选择训练的难度后随机生成指定的健侧手臂运动轨迹信息并显示在网页上，在训练过程中，相应模块传感健侧手臂实际运动信息，利用解析算法转换为机器人运动路点指令后使用机器人带动患侧手臂随健侧手臂做镜像运动，在此过程中，利用传感器模块持续记录两手臂运动信息；

整套上肢镜像康复训练流程完成后，训练信息存入云端数据库并检查与设定轨迹的重合度以备后期综合分析患者的康复训练情况。

2.根据权利要求1所述的多模态镜像康复训练方法，其特征在于，所述训练的难度根据上肢康复Brunnstrom分期分为六大类。

3.根据权利要求1所述的多模态镜像康复训练方法，其特征在于，预先将内置有WTBLE系列九轴加速度传感器的3D打印模型与网页端设备通过蓝牙连接，以备后续将实时健侧手臂运动信息反馈至系统生成与之呈镜像的机器人运动路点信息。

4.根据权利要求3所述的多模态镜像康复训练方法，其特征在于，所述3D打印模型将根据患者手部的生理特征进行个性化定制，一个用于健侧手持握，另一个将安装在牵引患侧手臂镜像训练的机器人假爪上。

5.根据权利要求3所述的多模态镜像康复训练方法，其特征在于，所记录的WTBLE系列九轴加速度传感器包括的信息有a_xL、a_xH、a_yL、a_yH、t、RollL、RollH、PitchL、PitchH、yawL、yawH，这些信息可在训练过程中用于计算两手臂的运动轨迹。

6.根据权利要求5所述的多模态镜像康复训练方法，其特征在于，所述运动轨迹的计算方法包括：

设定平面XOY轴，将获取到的a_xL、a_xH、a_yL、a_yH、t、RollL、RollH、PitchL、PitchLH、yawL、yawH先进行滤波处理滤除干扰量，然后采用方向余弦矩阵算法加以校正；

校正得到每一时刻在全局坐标系下的加速度a_X、a_Y，完成校正后利用计算线性变加速度运动的原理计算得出在全局坐标系下x轴、y轴的位移量X_x、X_Y，最后用叠加法计算得出每一时刻患者手臂x轴、y轴的位置x_x、x_Y；

根据以下公式计算运动位移量，然后在网页端与小程序端显示患者手臂运动位移折线图；

x＝Math.sqrt(xX²+xY²)；

其中，Math.sqrt表示取算术平方根。

7.根据权利要求6所述的多模态镜像康复训练方法，其特征在于，训练完成后，所述运动位移折线图体现的运动信息将由程序后台发送给服务器，所述服务器将两手臂实际运动轨迹和设定轨迹进行拟合，利用算法匹配重合率并显示在网页上。

8.一种机器人辅助的脑卒中偏瘫患者上肢多模态镜像康复训练系统，其特征在于包括：

获取单元：用于获取两手臂的运动信息，根据患者的偏瘫程度以及所处Brunnstrom分期选择训练的难度后随机生成并在网页上显示指示健侧手臂活动的运动轨迹，患侧手臂的被动式训练信息由获取到的健侧手臂实时运动信息利用算法解析为镜像运动路点指令发送给机器人；

训练单元：机器人根据获得的指令，采用被动训练的方式带动患者患侧的手臂进行训练；

存储分析单元：用于整套上肢镜像康复训练流程完成后，训练信息存入云端数据库并检查与设定轨迹的重合度以备后期综合分析患者的康复训练情况。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-7任一所述多模态镜像康复训练方法的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一所述多模态镜像康复训练方法的步骤。

Images