CN114021604A - 一种基于3d虚拟现实技术实时反馈的运动想象训练系统 - Google Patents
一种基于3d虚拟现实技术实时反馈的运动想象训练系统 Download PDFInfo
- Publication number
- CN114021604A CN114021604A CN202111250833.XA CN202111250833A CN114021604A CN 114021604 A CN114021604 A CN 114021604A CN 202111250833 A CN202111250833 A CN 202111250833A CN 114021604 A CN114021604 A CN 114021604A
- Authority
- CN
- China
- Prior art keywords
- training
- module
- virtual
- patient
- virtual reality
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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]
- A61B5/372—Analysis of electroencephalograms
-
- 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]
- A61B5/397—Analysis of electromyograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- 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
Abstract
本发明公开了一种基于3D虚拟现实技术实时反馈的运动想象训练评估系统,本发明具有为脑卒中不同阶段患者提供个性化训练的优点,将虚拟现实技术应用于运动想象疗法,通过实时监测并采集患者在运动想象训练过程中产生的生理信号,在线分析信号变化并将信号变化与虚拟现实场景联动,实时反馈到虚拟现实训练场景中,控制场景中的动画效果,从而可以量化患者在运动想象过程中的表现,即判断患者在训练过程中是否正确执行运动想象的指令,评估患者在运动想象训练过程中的参与度和表现。
Description
技术领域
本发明涉及康复工程技术领域,更具体地,涉及一种基于3D虚拟现实技术实时反馈的运动想象训练系统。
背景技术
中国每年新发中风约200万人,中风病约50%的高致残率给病人和家庭带来了沉重的负担。中风后遗症患者的症状以运动功能障碍为主,直接影响了患者的生活质量。处于软瘫期的患者,其患侧失去控制能力,随意运动消失,肌张力低下,腱反射减弱或消失。尽管如此,患者的大脑仍保留完整或部分的运动“流程图”。运动想象是对没有通过肌肉活动进行明显运动的运动行为的心理演练。该疗法需要患者集中注意力完全参与到运动想象过程,通过激活大脑的镜像神经元刺激神经网络,增加大脑皮层神经网络的活动,从而加速皮层重组。临床上,通常让患者根据语音指令,闭上眼睛进行运动想象训练。然而,传统运动想象训练中面临的问题是:1)无法确定患者在训练过程中是否正确执行运动想象的指令;2)缺乏对患者在运动想象训练过程中参与度的评估方法;3)缺乏对运动想象训练过程中大脑变化的可视化手段和实时反馈方法。
公开日2021年01月22日,公开号为CN112244774A的中国专利公开了一种脑机接口康复训练系统及方法,用于根据康复训练接受者的主动运动意念对其肢体进行运动训练以实现康复。脑机接口康复训练系统包括运动意念诱导装置、信号采集装置、处理装置、控制装置、训练装置以及评估装置。通过该申请的脑机接口康复训练系统及方法,能够增强针对康复训练接受者所诱发的主动运动意念,提高从脑电信号中提取特征的灵敏度和准确度,使康复训练动作准确跟随主动运动意念,进一步激活神经传导。但该专利的反馈是通过刺激动作以完成肢体训练,控制外骨骼执行机械运动,患者接受到的反馈更多是以机械产生的知觉感受刺激。然而,患者通过知觉感知到康复机械设备的动作速度和动作幅度产生变化是有限的。
发明内容
本发明提供一种基于3D虚拟现实技术实时反馈的运动想象训练系统,目的是提供基于生理信号实时反馈和调控的个性化康复训练,并解决临床上无法确定患者在运动想象训练过程是否正确执行训练指令以及无法确定参与度的问题。
为解决上述技术问题,本发明的技术方案如下:
一种基于3D虚拟现实技术实时反馈的运动想象训练系统,包括虚拟现实穿戴式模块、3D虚拟训练场景模块、信号采集模块、信号分析模块、调控模块和评估模块,其中:
所述虚拟现实穿戴式模块根据所述调控模块的调控,将运动想象训练以视觉方式进行呈现;
所述3D虚拟训练场景模块提供不同的训练方式和内容的虚拟场景,选择要进行的训练方式和内容后,所述3D虚拟训练场景模块向所述虚拟现实穿戴式模块提供对应的虚拟训练场景;
所述信号采集模块用于采集患者的生理信号,将所述生理信号传输至所述信号分析模块;
所述信号分析模块对所述生理信号进行特征提取,得到生理信号特征值;
所述调控模块根据所述生理信号特征值对所述虚拟现实穿戴式模块进行调控;
所述评估模块根据上述所有模块量化患者每次进行运动想象训练的参与度,并对患者的肢体康复水平进行评估。
本发明将虚拟现实技术应用于运动想象疗法,通过实时监测并采集患者在运动想象过程中产生的生理信号,在线分析信号变化并将信号变化与虚拟现实场景联动,实时反馈到虚拟现实训练场景中,控制场景中的动画效果,从而可以量化患者在运动想象过程中的表现,即判断患者在训练过程中是否正确执行运动想象的指令,评估患者在运动想象训练过程中的参与度。
优选地,所述虚拟现实穿戴式模块包括穿戴式眼镜、定位器和交互设备,其中:
所述穿戴式眼镜用于将运动想象训练以视觉方式在虚拟空间进行呈现;
所述定位器用于定位患者在虚拟空间中的位置;
所述交互设备与虚拟空间进行交互。
优选地,所述交互设备包括虚拟手柄和键盘鼠标。
优选地,所述3D虚拟训练场景模块提供包括上肢/下肢训练、卧床/坐立训练、单侧/双侧训练、学习/训练模式、训练场景、训练次数。
优选地,所述信号采集模块采集患者进行运动想象过程中产生的肌电信号和脑电信号。
优选地,所述信号采集模块中,采用肌电电极贴片、肌电电极导线和采集设备采集肌电信号,其中所述肌电电极贴片贴到患者双侧训练肢体的肌肉上,肌电电极导线的一端连接到肌电电极贴片上,另一端与采集设备连接,同时在患者的左手和右手各设置两个有效采集通道,分别采集拇长屈肌和桡侧腕屈肌的肌电信号,其中两侧的指浅屈肌的电极作为左手和右手的参考电极,采样率设为1200Hz,带通滤波设为0.5Hz-100Hz;采用80通道生物电信号采集系统和64通道主动电极系统采集脑电信号,所述64通道主动电极系统的电极位置采用国际标准10-20电极导联定位,参考电极设在左耳垂,接地电极设在了AFZ,共有18个采集通道:FC5、FC3、FC1、FC2、FC4、FC6、C5、C3、C1、C2、C4、C6、CP5、CP3、CP1、CP2、CP4、CP6,采样率设为1200Hz,带通滤波设为0.5Hz-100Hz。
优选地,所述信号分析模块对脑电信号分析得到脑电活动映射地形图,具体为:
先对脑电信号进行滤波处理,再将采集到的18个通道的脑电信号降采样到256Hz,然后从信号中提取α波和β波频段,并计算脑电频谱密度,最后提取与事件相关同步和与事件相关去同步特征,根据18个通道对应的电极所在位置,绘制脑电活动映射地形图。
优选地,所述信号分析模块对肌电信号分析得到肌力值,先对肌电信号进行滤波去噪,使用均方根植和肌电积分值作为时域上的特征值,得到肌力值,肌力值表明肌肉力量的强弱。
优选地,所述调控模块根据所述生理信号特征值对所述虚拟现实穿戴式模块进行调控,具体为:
当所述生理信号特征值大于预设阈值时,所述调控模块使虚拟现实穿戴式模块对运动想象训练进行视觉呈现;
当所述生理信号特征值小于预设阈值时,所述调控模块不使虚拟现实穿戴式模块对运动想象训练进行视觉呈现。
优选地,所述预设阈值的获取,具体为:
在患者放松状态下,分别获取患者健侧的放松肌力值Mhealthy_relax和患侧的放松肌力值Maffected_relax;
在握拳状态下,分别获取患者健侧的最大肌力值Mhealthy_max和患侧的最大肌力值;
分别对双侧放松状态下和握拳状态下的肌力值进行加权平均,计算得到综合放松肌力值Mrelax和综合最大肌力值Mmax_muscle:
Mrelax=(Mhealthy_relax+Maffected_relax)/2
Mmax_muscle=(Mhealthy_max+Maffected_max)/2
对综合最大肌力值取两个不同的百分比得到两个阈值Mth1和Mth2,并将两个阈值存储至3D虚拟训练场景模块中:
Mth1=Mmax_muscle×0.2
Mth2=Mmax_muscle×0.6。
优选地,选择运动想象训练的场景与训练模式,根据肌力值,在对应的运动想象训练的场景中播放对应的虚拟动画的具体步骤为:
开始训练前,展示初始场景;
选择病人类型是卧床或坐立、训练肢体是上肢或下肢、单侧肢体或双侧肢体训练、训练场景、学习模式或训练模式和训练周期次数;
展示开始按钮;
按下按钮后,从初始场景切换至选择的训练场景;
患者根据指引完成训练后,判断当前训练次数是否达到训练周期次数,若未达到,继续重复训练,若达到,结束本次训练周期。
优选地,利用虚拟现实穿戴式模块播放对应的虚拟动画,所述虚拟现实穿戴式模块包括穿戴式眼镜、定位器及触控器,所述穿戴式眼镜提供虚拟训练场景的视觉呈现,所述定位器用于定位患者在虚拟训练场景中的位置,所述触控器用于与虚拟训练场景进行交互。
本发明对采集的肌电信号进行分析得到肌肉力量强弱特征值,并实时反馈到虚拟训练场景中,并将结果动画通过虚拟现实穿戴式模块以视觉方式反馈给病人,让病人能了解他本次训练的表现。现有技术并没有对虚拟场景进行调控,而是将脑参与度指标作为训练控制参数,进而调控训练装置,如手部外骨骼设备、腿部训练车设备等,同时还提供振动单元进行反馈刺激动作。本发明根据特征值从而调控虚拟训练场景,现有技术则是用来调控训练设备。
在评估技术方面,本发明使用了临床量表问卷、脑电活动映射地形图和肌肉力量强弱变化对患者的康复效果进行综合评估。而现有技术的评估技术有脑参与度指标、运动状态指标、多个脑电信号和肌电信号。
与现有技术相比,本发明技术方案的有益效果是:
本发明为不同脑卒中阶段的病人提供个性化训练的优点,调控模块作为数据分析模块和虚拟训练场景模块之间的媒介,数据分析模块可以将采集到的肌电信号数据提取到肌肉力量强弱特征值,虚拟训练场景模块提供诱导病人进行运动想象训练的场景。调控模块将肌肉力量强弱特征值反馈到虚拟场景中,判断要播放哪一个训练结果动画,并通过虚拟现实穿戴式模块将虚拟动画反馈给病人。而个性化训练是由于不同病人在不同时期下的肌肉力量有所不同这一特点所体现的。本发明通过获取患者的生理信号并提取其特征,作为患者运动想象训练的参与度,同时本发明通过对患者在不同状态和不同训练下得到的肌力值进行比较,从而能够评估患者训练肢体肌肉力量的变化,得到更好的运动想象训练效果。
附图说明
图1为本发明的系统模块示意图。
图2为本实施例提供的一种运动想象康复训练方法流程示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,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;
对于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。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于3D虚拟现实技术实时反馈的运动想象训练系统,如图1所示,包括虚拟现实穿戴式模块、3D虚拟训练场景模块、信号采集模块、信号分析模块、调控模块和评估模块,其中:
所述信号采集模块用于采集患者的生理信号,将所述生理信号传输至所述信号分析模块;
所述信号分析模块对所述生理信号进行特征提取,得到生理信号特征值;
所述调控模块根据所述生理信号特征值对所述3D虚拟训练场景模块进行调控;
所述3D虚拟训练场景模块提供不同的训练方式和内容的虚拟场景,选择要进行的训练方式和内容后,所述3D虚拟训练场景模块向所述虚拟现实穿戴式模块提供对应的虚拟训练场景;
所述虚拟现实穿戴式模块根据所述3D虚拟训练场景模块选定训练方式和内容,将运动想象训练以视觉方式进行呈现;
所述评估模块根据上述所有模块量化患者每次进行运动想象训练的参与度,并对患者的肢体康复水平进行评估。
所述虚拟现实穿戴式模块包括穿戴式眼镜、定位器和交互设备,其中:所述穿戴式眼镜用于将运动想象训练以视觉方式在虚拟空间进行呈现;
所述定位器用于定位患者在虚拟空间中的位置;
所述交互设备与虚拟空间进行交互。
所述交互设备包括虚拟手柄和键盘鼠标。
所述3D虚拟训练场景模块提供包括上肢/下肢训练、卧床/坐立训练、单侧/双侧训练、学习/训练模式、训练场景、训练次数。
所述信号采集模块采集患者进行运动想象过程中产生的肌电信号和脑电信号。
所述信号采集模块中,采用肌电电极贴片、肌电电极导线和采集设备采集肌电信号,其中所述肌电电极贴片贴到患者双侧训练肢体的肌肉上,肌电电极导线的一端连接到肌电电极贴片上,另一端与采集设备连接,同时在患者的左手和右手各设置两个有效采集通道,分别采集拇长屈肌和桡侧腕屈肌的肌电信号,其中两侧的指浅屈肌的电极作为左手和右手的参考电极,采样率设为1200Hz,带通滤波设为0.5Hz-100Hz;采用80通道生物电信号采集系统和64通道主动电极系统采集脑电信号,所述64通道主动电极系统的电极位置采用国际标准10-20电极导联定位,参考电极设在左耳垂,接地电极设在了AFZ,共有18个采集通道:FC5、FC3、FC1、FC2、FC4、FC6、C5、C3、C1、C2、C4、C6、CP5、CP3、CP1、CP2、CP4、CP6,采样率设为1200Hz,带通滤波设为0.5Hz-100Hz。
所述信号分析模块对脑电信号分析得到脑电活动映射地形图,具体为:
先对脑电信号进行滤波处理,再将采集到的18个通道的脑电信号降采样到256Hz,然后从信号中提取α波和β波频段,并计算脑电频谱密度,最后提取与事件相关同步和与事件相关去同步特征,根据18个通道对应的电极所在位置,绘制脑电活动映射地形图。
所述信号分析模块对肌电信号分析得到肌力值,先对肌电信号进行滤波去噪,使用均方根植和肌电积分值作为时域上的特征值,得到肌力值,肌力值表明肌肉力量的强弱。
所述调控模块根据所述生理信号特征值对所述3D虚拟训练场景模块进行调控,具体为:
当所述生理信号特征值大于预设阈值时,所述调控模块使虚拟现实穿戴式模块对运动想象训练进行视觉呈现;
当所述生理信号特征值小于预设阈值时,所述调控模块不使虚拟现实穿戴式模块对运动想象训练进行视觉呈现。
所述预设阈值的获取,具体为:
在患者放松状态下,分别获取患者健侧的放松肌力值Mhealthy_relax和患侧的放松肌力值Maffected_relax;
在握拳状态下,分别获取患者健侧的最大肌力值Mhealthy_max和患侧的最大肌力值;
分别对双侧放松状态下和握拳状态下的肌力值进行加权平均,计算得到综合放松肌力值Mrelax和综合最大肌力值Mmax_muscle:
Mrelax=(Mhealthy_relax+Maffected_relax)/2
Mmax_muscle=(Mhealthy_max+Maffected_max)/2
对综合最大肌力值取两个不同的百分比得到两个阈值Mth1和Mth2,并将两个阈值存储至3D虚拟训练场景模块中:
Mth1=Mmax_muscle×0.2
Mth2=Mmax_muscle×0.6。
在具体实施过程中,医护人员根据当前患者的康复水平,确定患者本次运动想象训练是在卧床或坐立状态下进行,并调整至合适的位置;
将肌电电极贴片贴到患者双侧训练肢体的肌肉上,并将肌电电极导线一端连接到肌电电极贴片上,一端连接到采集设备上。本实施例中使用了g.tec公司的g.Hiamp生理信号采集设备和具有16通道的被动电极盒,以及肌电电极导线和贴片;
选择患者双侧上肢肌肉的拇长屈肌和桡侧腕屈肌作为有效信号,两侧的指浅屈肌分别作为左手和右手的参考信号,锁骨中间位置的肌肉作为地信号。采样率设为1200Hz,带通滤波设为0.5Hz-100Hz,陷波滤波设为48-52Hz;
告知患者闭上眼睛,保持不动并放松,使用g.Recorder软件采集患者在放松状态下的肌电信号,记录两分钟;
告知患者根据指令使用他的健侧上肢进行握拳2-3秒,再放松2-3秒,重复执行5次,在此期间使用g.Recorder软件进行信号采集;
告知患者根据指令使用他的患侧上肢进行握拳2-3秒,再放松2-3秒,重复执行5次,在此期间使用g.Recorder软件进行信号采集;
在本实施例中,健侧和患侧分别有两条具有有效信号的通道,分别对应了拇长屈肌和桡侧腕屈肌的肌电信号。在预处理中需要先将两条通道的有效信号进行加权平均,计算得到肢体的唯一有效信号;
分别对患者的健侧和患侧的唯一有效肌电信号进行特征提取。在本发明的范例中,对肌电信号使用均方根方法进行特征提取。因此,在放松状态下,可以分别得到患者健侧的放松肌力值Mhealthy_relax和患侧的放松肌力值Maffected_relax;在握拳状态下,可以分别得到患者健侧的最大肌力值Mhealthy_max和患侧的最大肌力值Maffected_max;
分别对双侧放松状态下和握拳状态下的肌力值进行加权平均,计算得到综合放松肌力值Mrelax和综合最大肌力值Mmax_muscle。
Mrelax=(Mhealthy_relax+Maffected_relax)/2
Mmax_muscle=(Mhealthy_max+Maffected_max)/2
对综合最大肌力值取两个不同的百分比得到两个阈值Mth1和Mth2,并将两个阈值修改到3D虚拟训练场景模块的程序中:
Mth1=Mmax_muscle×0.2
Mth2=Mmax_muscle×0.6
启动VR程序,并使用手柄在虚拟主菜单界面上选择需要训练的内容,包括上肢/下肢训练、卧床/坐立训练、双侧/单侧训练、学习/训练模式、训练场景、训练次数等。然后给患者戴上VR头盔,调整合适的位置和角度;
告知患者本次训练的内容和要求,待患者能够理解后准备开始进行运动想象训练;
患者在虚拟现实环境下以第一视角观察到虚拟肢体执行动作的同时,需要进行相应内容的运动想象训练,并有相应的语音指令进行提示。而在训练的期间,信号采集模块会实时采集肌电信号,并在本次运动想象训练结束之前通过信号分析模块将肌电信号进行相同的预处理和特征提取,得到当前训练的肌力值,从而量化本次运动想象训练的参与度,并与两个阈值Mth1和Mth2进行比较,决定患者本次的训练表现并将结果反馈到虚拟现实训练场景中。患者根据训练次数重复执行运动想象训练;
将多次训练得到的当前训练肌力值和表现得分情况进行分析,从而评估患者在运动想象训练过程中的参与度和训练肢体的康复水平。
本发明的关键点是只对肌电信号进行特征提取,作为患者当前训练的肌力值,即量化了患者运动想象训练的参与度,并反馈到虚拟训练场景中;而现有技术的反馈参数是脑参与度指标,其通过将运动想象意念特征、注意力强度意念特征、视觉诱发意念特征和肌电强度意念特征进行加权平均计算得到。这两种指标都是作为患者进行训练的反馈参数,其主要区别在于本发明注重在肌电信号的变化,而现有技术虽然也有将肌电信号作为特征值,但其更注重脑电信号变化带来的影响。本发明通过均方根方法将肌电信号进行特征提取,并认为这是患者本次训练的肌力值,这种单一参数的反馈能够更加方便调控患者的训练表现结果。
本发明的发明点在于通过对患者在不同状态下(放松状态和握拳状态)和多次运动想象训练所得到的不同肌力值进行分析,以评估患者训练肢体的康复水平。而现有技术的评估装置根据脑参与度指标、运动状态指标、多个脑电信号、和肌电信号确定训练评估参数,以对训练状态进行评估。现有技术涉及到多种生理信号的评估,能够对患者的训练进行综合评估。本发明虽然只关注肌电信号这一参数,但有不同状态和不同训练的肌力值差异,以及不同的阈值提供比较,对患者训练肢体肌肉力量的评估会更加精准。
实施例2
本实施例在实施例1的基础上,提供一种运动想象康复训练方法,如图2:
采集患者的生理信号,所述生理信号包括脑电信号和肌电信号;
对脑电信号分析得到脑电活动映射地形图,对肌电信号分析得到肌力值;
选择运动想象训练的虚拟现实场景与训练模式;
根据肌力值,在对应的运动想象训练的场景中播放对应的虚拟动画。
选择运动想象训练的场景与训练模式,根据肌力值,在对应的运动想象训练的场景中播放对应的虚拟动画的具体步骤为:
开始训练前,展示初始场景;
选择病人类型是卧床或坐立、训练肢体是上肢或下肢、单侧肢体或双侧肢体训练、训练场景、学习模式或训练模式和训练周期次数;
展示开始按钮;
按下按钮后,从初始场景切换至选择的训练场景;
患者根据指引完成训练后,判断当前训练次数是否达到训练周期次数,若未达到,继续重复训练,若达到,结束本次训练周期。
上述的卧床或坐立为每个训练场景都具有的模式,卧床模式适用于无法坐立的患者进行训练,尤其适用于脑卒中软瘫患者,坐立模式用于能自行坐立或者辅助坐立的患者;
上述的上肢训练和下肢训练,不同脑卒中患者其自身的上肢和下肢的康复情况不一样,而且上肢和下肢地训练动作有很大差异。所以根据患者当前的康复情况,有针对性地训练上肢和下肢,使之更加协调;
双侧训练和单侧训练,脑卒中患者的症状一般是偏瘫,可根据患病当前的康复情况,选择只针对患肢进行训练或患侧和健侧同时训练;
场景选择为根据患者的情况,选择合适的训练场景进行运动想象训练;
学习模式和训练模式,学习模式的功能是让患者明确了解进行运动想象训练需要完成的详细动作和注意事项,此模式通过在场景中播放语音指令和显示对应文字。训练模式的功能是让患者在明确训练要求和目标后,进行沉浸式训练。与学习模式不同,此模式场景里语音指令简短,尽可能减少干扰因素,让患者能够充分参与到运动想象训练;
训练周期次数,可设置患者在每次训练周期里需要训练多少次运动想象训练;
以围绕上肢训练的场景为例,提供投篮训练场景和摘水果训练场景。其中投篮训练场景是双侧训练,摘水果训练场景是单侧训练。
投篮训练场景(学习模式):
引导VR场景:您通过VR眼镜可以看到您的手臂,现在请您想象这是您的双手。而且您可以看到您正处在篮球场当中,您需要拿起前方的篮球并投向篮球框。当您投篮的力量越大,表现越好时,得分也会越高。现在请您跟随语音说明和指导,集中注意力,加入到投篮的训练中。
第一步VR场景:请您慢慢抬起您的两只手臂,向前伸出您的双手,并旋转手臂使左右手心方向相对,张开手指,然后增大双手的力气,握住您前方的篮球。
第二步VR场景:双手继续握紧篮球,然后弯曲手臂,将篮球移动到您的胸前位置。
第三步VR场景:保持你的双手紧握篮球,现在慢慢向上抬起您的手臂带动篮球,使篮球和您的鼻子位于同一高度。
第四步VR场景:现在,请继续紧握篮球,集中注意力观察位于您正前方的篮球框,此时感受到手臂和双手正充满力量。双手同时发力,将篮球用力投向前方的篮球框。
投篮训练场景(训练模式):
引导VR场景:您通过VR眼镜可以看到您的手臂,现在请您想象这是您的双手。而且您可以看到您正处在篮球场当中,您需要拿起前方的篮球并投向篮球框。当您投篮的力量越大,表现越好时,得分也会越高。现在请您跟随语音说明和指导,集中注意力,加入到投篮的训练中。
第一步VR场景:抬起两只手臂,增大双手力气,握住篮球。
第二步VR场景:握紧篮球,弯曲手臂。
第三步VR场景:抬起手臂,带动篮球。
第四步VR场景:双手发力,投篮。
摘水果训练场景(学习模式):
引导VR场景:您通过VR眼镜可以看到您的手臂,现在请您想象这是您的左(右)手。而且您可以看到您正处在果园当中,果树上分布着三种不同高度的水果,您需要紧握位于前方的剪刀并剪断树枝。当您施加于剪刀的力量越大时,越能摘到位于更高处的水果,得分也会越高。现在请您跟随语音说明和指导,集中注意力,加入到摘水果的训练中。
第一步VR场景:请您向前方伸出您的左(右)手,且慢慢旋转手臂使手心方向向下。
第二步VR场景:集中注意力观察位于您前方的剪刀的高度,请您慢慢抬起您的左(右)手,使您的手掌和剪刀位于同一高度。
第三步VR场景:请您慢慢旋转手臂,使手心方向正对着剪刀刀柄,张开手指,然后移动您的左(右)手使剪刀刀柄位于您的手心内。
第四步VR场景:现在,感受到您的左(右)手臂和手指正充满力量,弯曲手指并紧握剪刀,将树枝剪断。
摘水果训练场景(训练模式):
引导VR场景:您通过VR眼镜可以看到您的手臂,现在请您想象这是您的左(右)手。而且您可以看到您正处在果园当中,果树上分布着三种不同高度的水果,您需要紧握位于前方的剪刀并剪断树枝。当您施加于剪刀的力量越大时,越能摘到位于更高处的水果,得分也会越高。现在请您跟随语音说明和指导,集中注意力,加入到摘水果的训练中。
第一步VR场景:伸出左(右)手。
第二步VR场景:抬起左(右)手。
第三步VR场景:移动左(右)手然后握住剪刀。
第四步VR场景:左(右)手臂和手指发力,剪断树枝。
患者在运动想象期间,信号采集模块会实时采集患者的脑电信号和肌电信号,而且数据分析模块会在每一次训练结束之前对脑电和肌电信号数据进行分析。通过滤波去噪、提取特征值等分析方法将最后的特征值输入到场景智能化调控模块中,将本次训练结果以视觉方式实时反馈给患者。在本实施例中,对采集到的健侧和患侧的肌电信号进行均方根处理,获得肌力值特征值。并通过与先前得到的最大肌力值进行阈值比较,从而将训练结果反馈到虚拟场景中;
本实施例中,在投篮训练场景里,有篮球碰不到框、篮球碰到框后反弹和篮球投进篮筐里三种结果;摘水果场景里,果树上有位于三种不同高度的水果。当通过分析得到的肌肉力量越强时,选择表现更好的结果动画以视觉方式反馈给病人;
每一次训练结束后,虚拟场景训练模块会在程序中比较患者当前训练的次数是否达到了本次训练周期次数。若未达到,则需要再一次进行训练;若达到,表明患者本次训练结束,可以脱下头盔,而医护人员可再次戴上虚拟现实穿戴式模块重新选择菜单功能选项,为下一次训练周期做准备;
待患者完成本次训练后,医护人员可再一次使用临床量表问卷对患者当前肢体水平和运动功能进行评估;
最后,对两次临床量表问卷分析用以评估患者训练前后肢体水平和运动功能的改善程度;从脑电信号采集模块分析得到的脑电活动映射地形图可评估运动想象会对大脑哪些区域产生激活,以及对α波和β波频段各产生哪些变化;从肌电信号采集模块获取到的肌肉力量变化可作为肢体康复水平的一个评估指标。通过这些评估方法可综合评估本次训练周期对患者的康复效果。
本实施例的一套详细的运动想象训练方案,在场景内容方面,每个场景都是上肢训练,都分成了四个步骤,病人按照四个步骤可以完成一次完整的训练动作,投篮和摘水果的训练动作都调动了上肢各个关节。而且提供了两种语音指令版本和文字,病人能够更好理解关于运动想象所需要完成的动作。除此之外,考虑到不同软瘫期病人其身体情况不一样,方案里还提供选择坐在椅子还是躺在床上训练的选项。现有技术为需要接受康复训练的病人提供了上肢训练和下肢训练,训练内容比较简单,以重复执行某个动作为主。在康复训练接受者进行运动想象训练过程中,语音诱导模块播放与任务相关的提示语音。本实施例设计的训练动作是为了让病人患肢的各个关节进行参与,而现有技术通过想象多次重复的动作以便能够更好提取到主动运动意念特征信号。
关于个性化训练,本实施例在实验前需要对每个脑卒中软瘫期病人的双侧上肢的肌电信号进行采集,使用均方根值方法对肌电信号特征提取并作为每个病人当前训练肢体(健侧和患侧)的最大肌肉力量,并取两个合适的阈值。该病人在后续训练中分析得到的肌肉力量强弱会实时反馈到虚拟场景中,与两个阈值进行比较后选择相应的结果动画反馈给病人。现有技术让病人在训练前需要预先学习,在保持静止状态下进行运动想象一段时间,将该过程采集到的脑电信号和肌电信号作为训练数据用以确定运动想象特征时的回归参数和脑运动参与度阈值。本实施例将肌电信号作为病人进行运动想象时肌肉力量强弱的表现,而现有技术将肌电信号作为脑运动参与度的一个指标。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于3D虚拟现实技术实时反馈的运动想象训练系统,其特征在于,包括虚拟现实穿戴式模块、3D虚拟训练场景模块、信号采集模块、信号分析模块、调控模块和评估模块,其中:
所述信号采集模块用于采集患者的生理信号,将所述生理信号传输至所述信号分析模块;
所述信号分析模块对所述生理信号进行特征提取,得到生理信号特征值;
所述调控模块根据所述生理信号特征值对所述3D虚拟训练场景模块进行调控;
所述3D虚拟训练场景模块提供不同的训练方式和内容的虚拟场景,选择要进行的训练方式和内容后,所述3D虚拟训练场景模块向所述虚拟现实穿戴式模块提供对应的虚拟训练场景;
所述虚拟现实穿戴式模块根据所述3D虚拟训练场景模块选定训练方式和内容,将运动想象训练以视觉方式进行呈现;
所述评估模块根据上述所有模块量化患者每次进行运动想象训练的参与度,并对患者的肢体康复水平进行评估。
2.根据权利要求1所述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述虚拟现实穿戴式模块包括穿戴式眼镜、定位器和交互设备,其中:
所述穿戴式眼镜用于将运动想象训练以视觉方式在虚拟空间进行呈现;
所述定位器用于定位患者在虚拟空间中的位置;
所述交互设备与虚拟空间进行交互。
3.根据权利要求2所述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述交互设备包括虚拟手柄和键盘鼠标。
4.根据权利要求书3所述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述3D虚拟训练场景模块提供包括上肢/下肢训练、卧床/坐立训练、单侧/双侧训练、学习/训练模式、训练场景、训练次数。
5.根据权利要求1所述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述信号采集模块采集患者进行运动想象过程中产生的肌电信号和脑电信号。
6.根据权利要求5所述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述信号采集模块中,采用肌电电极贴片、肌电电极导线和采集设备采集肌电信号,其中所述肌电电极贴片贴到患者双侧训练肢体的肌肉上,肌电电极导线的一端连接到肌电电极贴片上,另一端与采集设备连接,同时在患者的左手和右手各设置两个有效采集通道,分别采集拇长屈肌和桡侧腕屈肌的肌电信号,其中两侧的指浅屈肌的电极作为左手和右手的参考电极,采样率设为1200Hz,带通滤波设为0.5Hz-100Hz;采用80通道生物电信号采集系统和64通道主动电极系统采集脑电信号,所述64通道主动电极系统的电极位置采用国际标准10-20电极导联定位,参考电极设在左耳垂,接地电极设在了AFZ,共有18个采集通道:FC5、FC3、FC1、FC2、FC4、FC6、C5、C3、C1、C2、C4、C6、CP5、CP3、CP1、CP2、CP4、CP6,采样率设为1200Hz,带通滤波设为0.5Hz-100Hz。
7.根据权利要求6述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述信号分析模块对脑电信号分析得到脑电活动映射地形图,具体为:
先对脑电信号进行滤波处理,再将采集到的18个通道的脑电信号降采样到256Hz,然后从信号中提取α波和β波频段,并计算脑电频谱密度,最后提取与事件相关同步和与事件相关去同步特征,根据18个通道对应的电极所在位置,绘制脑电活动映射地形图。
8.根据权利要求7述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述信号分析模块对肌电信号分析得到肌力值,先对肌电信号进行滤波去噪,使用均方根植和肌电积分值作为时域上的特征值,得到肌力值,肌力值表明肌肉力量的强弱。
9.根据权利要求8述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述调控模块根据所述生理信号特征值对所述3D虚拟训练场景模块进行调控,具体为:
当所述生理信号特征值大于预设阈值时,所述调控模块使虚拟现实穿戴式模块对运动想象训练进行视觉呈现;
当所述生理信号特征值小于预设阈值时,所述调控模块不使虚拟现实穿戴式模块对运动想象训练进行视觉呈现。
10.根据权利要求8述的基于虚拟现实技术实时反馈的运动想象训练评估系统,其特征在于,所述预设阈值的获取,具体为:
在患者放松状态下,分别获取患者健侧的放松肌力值Mhealthy_relax和患侧的放松肌力值Maffected_relax;
在握拳状态下,分别获取患者健侧的最大肌力值Mhealthy_max和患侧的最大肌力值;
分别对双侧放松状态下和握拳状态下的肌力值进行加权平均,计算得到综合放松肌力值Mrelax和综合最大肌力值Mmax_musc1e:
Mrelax=(Mhealthy_relax+Maffected_relax)/2
Mmax_muscle=(Mhealthy_max+Maffected_max)/2
对综合最大肌力值取两个不同的百分比得到两个阈值Mth1和Mth2,并将两个阈值存储至3D虚拟训练场景模块中:
Mth1=Mmax_muscle×0.2
Mth2=Mmax_muscle×0.6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250833.XA CN114021604A (zh) | 2021-10-26 | 2021-10-26 | 一种基于3d虚拟现实技术实时反馈的运动想象训练系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111250833.XA CN114021604A (zh) | 2021-10-26 | 2021-10-26 | 一种基于3d虚拟现实技术实时反馈的运动想象训练系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114021604A true CN114021604A (zh) | 2022-02-08 |
Family
ID=80057869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111250833.XA Pending CN114021604A (zh) | 2021-10-26 | 2021-10-26 | 一种基于3d虚拟现实技术实时反馈的运动想象训练系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114021604A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114652331A (zh) * | 2022-03-08 | 2022-06-24 | 山东大学 | 一种基于混合现实的精确抓握肌间协调性测试评估系统 |
CN114694448A (zh) * | 2022-06-01 | 2022-07-01 | 深圳市心流科技有限公司 | 专注力训练方法、装置、智能终端及存储介质 |
CN117297583A (zh) * | 2023-11-29 | 2023-12-29 | 首都医科大学附属北京天坛医院 | 多模本体感知觉障碍评估系统和下肢运动模型构建系统 |
-
2021
- 2021-10-26 CN CN202111250833.XA patent/CN114021604A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114652331A (zh) * | 2022-03-08 | 2022-06-24 | 山东大学 | 一种基于混合现实的精确抓握肌间协调性测试评估系统 |
CN114694448A (zh) * | 2022-06-01 | 2022-07-01 | 深圳市心流科技有限公司 | 专注力训练方法、装置、智能终端及存储介质 |
CN114694448B (zh) * | 2022-06-01 | 2022-08-30 | 深圳市心流科技有限公司 | 专注力训练方法、装置、智能终端及存储介质 |
CN117297583A (zh) * | 2023-11-29 | 2023-12-29 | 首都医科大学附属北京天坛医院 | 多模本体感知觉障碍评估系统和下肢运动模型构建系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pfurtscheller et al. | 15 years of BCI research at Graz University of Technology: current projects | |
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 | |
EP1838270B1 (en) | Motor training with brain plasticity | |
CN110765920A (zh) | 基于卷积神经网络的运动想象分类方法 | |
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 | |
CN111938991A (zh) | 一种双主动控制模式的手部康复训练装置及训练方法 | |
CN112244774A (zh) | 脑机接口康复训练系统及方法 | |
CN105563495A (zh) | 基于精细化运动想象脑电信号控制的机械手系统及方法 | |
CN111110982A (zh) | 基于运动想象的手部康复训练方法 | |
CN111091890B (zh) | 自我激励与反馈控制下的健康认知系统 | |
CN1803122A (zh) | 利用想象运动脑电波产生康复训练器械控制命令的方法 | |
Postelnicu et al. | Controlling a robotic arm by brainwaves and eye movement | |
US20220187913A1 (en) | Neurorehabilitation system and neurorehabilitation method | |
CN115482907A (zh) | 一种脑电与肌电结合的主动康复系统及康复训练方法 | |
CN110720908A (zh) | 基于视觉-肌电生物反馈的肌肉损伤康复训练系统和应用该系统的康复训练方法 | |
CN113713333B (zh) | 一种下肢康复全训练过程的动态虚拟诱导方法及系统 | |
Li et al. | Preliminary study of online real-time control system for lower extremity exoskeletons based on EEG and sEMG fusion | |
CN115624338A (zh) | 一种上肢刺激反馈康复装置及其控制方法 | |
Xing et al. | The development of EEG-based brain computer interfaces: potential and challenges | |
CN113807402A (zh) | 抑制mi-bci系统误触发的系统及其训练和测试方法 | |
CN112674783A (zh) | 长时程脑-肌电耦合的上肢运动功能训练与评测方法 | |
Kæseler et al. | Brain patterns generated while using a tongue control interface: a preliminary study with two individuals with ALS | |
Piozin et al. | Motion prediction for the sensorimotor control of hand prostheses with a brain-machine interface using EEG | |
Henshaw | Improved brain-computer interface methods with application to gaming | |
Khan et al. | EEG-based BCI systems for neurorehabilitation applications |
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 |