CN115054243A - 上肢康复训练系统闭环设计方法及系统 - Google Patents
上肢康复训练系统闭环设计方法及系统 Download PDFInfo
- Publication number
- CN115054243A CN115054243A CN202210590913.8A CN202210590913A CN115054243A CN 115054243 A CN115054243 A CN 115054243A CN 202210590913 A CN202210590913 A CN 202210590913A CN 115054243 A CN115054243 A CN 115054243A
- Authority
- CN
- China
- Prior art keywords
- brain
- rehabilitation
- infrared
- rehabilitation training
- 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.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 158
- 210000001364 upper extremity Anatomy 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013461 design Methods 0.000 title claims abstract description 45
- 210000004556 brain Anatomy 0.000 claims abstract description 134
- 230000003925 brain function Effects 0.000 claims abstract description 56
- 230000002490 cerebral effect Effects 0.000 claims abstract description 52
- 208000006011 Stroke Diseases 0.000 claims abstract description 46
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical group [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 44
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 44
- 239000001301 oxygen Substances 0.000 claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 39
- 239000008280 blood Substances 0.000 claims abstract description 35
- 210000004369 blood Anatomy 0.000 claims abstract description 35
- 230000002093 peripheral effect Effects 0.000 claims abstract description 27
- 230000000638 stimulation Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 20
- 206010008190 Cerebrovascular accident Diseases 0.000 claims abstract description 16
- 239000013589 supplement Substances 0.000 claims abstract 2
- 230000000694 effects Effects 0.000 claims description 51
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000004913 activation Effects 0.000 claims description 21
- 230000007659 motor function Effects 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 14
- 238000011084 recovery Methods 0.000 claims description 13
- 230000000284 resting effect Effects 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 210000001652 frontal lobe Anatomy 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 210000000869 occipital lobe Anatomy 0.000 claims description 3
- 210000001152 parietal lobe Anatomy 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000000528 statistical test Methods 0.000 claims description 3
- 210000003478 temporal lobe Anatomy 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 12
- 230000008878 coupling Effects 0.000 description 11
- 238000010168 coupling process Methods 0.000 description 11
- 238000005859 coupling reaction Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 7
- 210000002889 endothelial cell Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000002503 metabolic effect Effects 0.000 description 6
- 210000003414 extremity Anatomy 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000007634 remodeling Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000003447 ipsilateral effect Effects 0.000 description 3
- 230000001114 myogenic effect Effects 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 238000002610 neuroimaging Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 210000004720 cerebrum Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000546 chi-square test Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 238000006722 reduction reaction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012353 t test Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001272 neurogenic effect Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14553—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
-
- 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
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
-
- 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
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Epidemiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Physical Education & Sports Medicine (AREA)
- Neurology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pain & Pain Management (AREA)
- Rehabilitation Therapy (AREA)
- Rehabilitation Tools (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及上肢康复训练系统闭环设计方法及系统。该方法包括：基于脑卒中临床康复训练过程中采集的全脑近红外脑血氧信号，计算并构建脑卒中康复的近红外脑图谱库；基于中近红外脑图谱库，结合临床康复运动功能量表构建多元非线性回归模型和混合线性模型，总结卒中后运动功能与脑功能的康复规律；根据所总结的康复规律，并且根据患者代入特定运动训练范式和外周电刺激范式进行的训练，来判定训练方式的有效性以完成康复训练范式的设计；根据有效的康复训练范式，进行上肢康复训练系统的各个模块的设计；将上肢康复训练系统应用到临床康复中，并且在训练过程中采集全脑近红外脑血氧信号并实时反馈，以补充优化近红外脑图谱库和上肢康复训练系统。
Description
技术领域
本发明属于脑卒中后康复训练系统技术领域，具体涉及一种近红外脑图谱 导向的上肢康复训练系统闭环设计方法及系统。
背景技术
我国是全世界脑卒中发生率最高的国家之一，每年约有250万新发病例， 呈现高发病率和高致残率的特点，因脑卒中造成的上肢运动功能患者数量日益 增多。传统的康复治疗方法对部分患者治疗作用有限，需要康复治疗师投入大 量的精力和时间，消耗目前十分有限的康复资源。康复训练系统的出现为解决 上述问题提供了有效手段。康复训练系统集合了康复医学、机器人学、信息科 学、计算机科学等多学科知识，借助机器人辅助患者进行康复训练来替代康复 医师对患者一对一的训练，从而提高治疗效率和降低成本。成本低、效率高， 稳定可靠，且能够长时间重复繁杂的训练动作，康复训练系统的诸多优势在在临床康复训练中已逐渐发挥作用。
目前的康复训练系统大多根据训练中的常用固定动作设计，模仿作业疗法 中康复治疗师的动作帮助患者完成主动或被动训练。训练系统的设计方法大多 基于固定动作的自由度、肢体运动时的工作空间和运动轨迹，设计符合某一关 节或多关节的运动动作训练系统，实现针对某一或某几个固定动作的机械结构。 上述训练系统能够帮助患者达到肢体往复训练的目的，但是往往在设计中只关 注了外周肢体运动训练的完成与否或强度大小，忽视了运动训练对大脑重塑的 影响。由脑卒中引起的中枢神经系统受损后的上肢功能恢复过程实际上是对应 的大脑功能重塑过程，康复治疗需要基于大脑网络特性通过脑肢协同训练促进 脑功能网络重组，康复训练系统应能帮助患者完成“中枢-外周-中枢”的康复训 练闭环。
因此，在上肢康复训练系统的设计过程中应考虑大脑神经环路重建和功能 重塑的影响，基于便携直观的脑功能监测技术选择能够显著提升脑功能恢复的 康复范式，设计对应的肢体动作和机械结构，并结合物理刺激干预手段，帮助 患者以脑功能恢复为训练目的完成多模态综合康复，到达更好的康复效果和提 高康复效率。功能性近红外脑功能成像技术是一种神经成像技术，可以无创地 检测大脑皮质表面氧合血红蛋白和脱氧血红蛋白的相对变化，基于血流动力学 反应的光学成像间接测量神经激活反应。近红外脑成像技术已被广泛用于监测 中风患者康复任务中脑血流动力学的变化，其稳健、安全、便携和低成本的技 术优势使其适合用于在运动康复任务或康复干预中测量脑功能重组模式，成为 基于脑功能重塑的康复训练系统设计方法的技术基础。
发明内容
基于上述问题和技术手段，本发明的目的是提供一种功能性近红外脑图谱 导向的上肢康复训练系统闭环设计方法及系统。该上肢康复训练系统和设计方 法以近红外脑图谱为导向，通过构建近红外脑图谱作为范式设计和系统设计的 基础，结合外周电刺激和运动训练等干预技术手段完成范式设计和系统设计， 并在系统使用过程中反馈训练参数作为近红外脑图谱的输入数据进行学习优化， 改良范式和系统参数，从而形成上肢康复训练系统的闭环设计方法，帮助患者 以脑功能恢复为训练目的完成多模态综合康复，针对性地提高康复训练效果和 效率。
本发明目的通过以下技术方案实现：在本发明的第一方面，提供了一种近 红外脑图谱导向的上肢康复训练系统闭环设计方法，包括以下步骤：
S1、基于脑卒中临床康复训练过程中采集的全脑近红外脑血氧信号，构建 脑卒中康复的近红外脑图谱库；
S2、基于步骤S1构建的近红外脑图谱库，结合临床康复运动功能量表构建 多元非线性回归模型和混合线性模型，总结卒中后运动功能与脑功能的康复规 律；
S3、根据步骤S2总结的康复规律，患者代入特定运动训练范式和外周电刺 激范式进行训练，判定训练方式的有效性以完成范式设计；
S4、根据步骤S3中设计的有效康复训练范式，进行上肢康复训练系统的信 号采集、构型、外周电刺激、拟实交互、云平台和计算控制模块的软硬件设计；
S5、将步骤S4中设计的上肢训练系统应用到临床康复中，训练过程中采集 全脑近红外脑血氧信号并实时反馈，补充优化近红外脑图谱库和上肢康复训练 系统。
在步骤S1中，所述临床康复训练过程中采集的全脑近红外脑血氧信号包 括静息态和康复训练态的近红外脑血氧信号，通过小波时频分析方法，分离出 所述近红外脑血氧信号中表征六个不同生理来源的脑氧信号信息(I：0.6–2.0Hz， 心率活动；II：0.145–0.6Hz，呼吸作用；III：0.052–0.145Hz，肌源性活动；IV， 0.021–0.052Hz，神经性活动；V，0.0095–0.021Hz，与一氧化氮有关的内皮细 胞代谢活动；VI，0.005–0.0095Hz，与一氧化氮无关的内皮细胞代谢活动)，得 到具有不同生理来源的多频段小波变换结果。从中提取出的各频段小波幅值反 映原血氧信号在某频率段内波动的大小，作为脑激活特征指标。选取复数小波 函数为基函数，得到所述近红外脑血氧信号在采样周期内的时频域相位信息，通过相位信息计算两两通道所述近红外脑血氧波动信号间的相位相干性，作为 脑功能连接的表征指标；通过相位信息构造每个采集通道的相位振子，计算两 两通道所述近红外脑血氧信号的耦合强度和耦合方向，作为脑效应连接的表征 指标；在所述激活特征、所述脑功能连接、所述脑效应连接分析的基础上，计 算大脑半球间的侧偏性指数、基于图论的全局网络度量和局部网络度量，全局 网络度量包括加权聚类系数、全局效率和小世界属性，局部网络度量包括节点 度、中介中心度和局部效率。根据计算出的所述激活特征、所述脑功能连接、 所述脑效应连接、所述侧偏性指数、所述全局网络度量和所述局部网络度量，在标准的大脑空间进行三维拓补运算，得到脑卒中康复的近红外脑图谱库。
在步骤S2中，在采集脑卒中患者在静息态和康复训练态的所述近红外脑 血氧信号过程中，同步采集临床运动功能评估量表信息。
作为优选方案，所述临床运动功能评估量表采用FugI-Meyer评估量表。
作为优选方案，应用统计检验方法(t检验、卡方检验、方差分析)比较具 有组间差异的所述近红外脑图谱中的所述激活特征、所述脑功能连接、所述脑 效应连接、所述侧偏性指数、所述全局网络度量和所述局部网络度量指标，如 静息态与任务范式间、不同康复训练范式间、不同康复阶段的任务范式间的显 著差异指标，即p值，其中p值越小则差异越显著，辨别能力(p<0.01)。基于 p值选择具有辨别能力的脑功能指标特征。有效的脑功能指标需要与临床表现 高度相关，提取出与临床量表显著相关的所述近红外脑图谱库指标，结合所述 根据显著组间差异选择的指标，综合筛选所述近红外脑图谱指标特征，实现特 征数据降维、过滤和提取综合。
作为优选方案，应用非线性回归方法，建立筛选出的近红外脑功能指标与 脑卒中运动功能评估指标的多元非线性回归模型，得到特定训练范式下的脑功 能指标变量与所述临床运动功能评估量表之间的映射关系。
作为优选方案，应用混合效应模型，量化与脑卒中后不同阶段相关的脑功 能指标特征和运动功能指标的变化，得到上肢运动功能恢复良好患者和恢复欠 佳患者的所述运动功能与脑功能的康复规律。
进一步地，步骤S3中，患者代入特定运动训练范式和外周电刺激范式进行 训练时，同步采集全脑近红外脑血氧信号，根据步骤S1中的计算方法分析所述 特定康复训练范式下的近红外脑图谱，与步骤S1中建立的所述近红外脑图谱 库和步骤S2中确定的所述运动功能与脑功能的康复规律相比对，判定所述特 定康复训练范式的有效性。
作为优选方案，患者代入的康复训练范式包括主动训练范式、被动训练范 式、助动训练范式、镜像训练范式、外周电刺激干预范式和虚拟现实反馈训练 范式。
作为优选方案，采用结构性相似度方法将计算出的所述特定康复训练范式 下的近红外脑图谱与步骤S1中建立的所述近红外脑图谱库和步骤S2中确定的 所述运动功能与脑功能的康复规律相比对，以确定所述近红外脑图谱库中与所 述特定康复训练范式下的近红外脑图谱相似度最高的图谱。
进一步地，步骤S4中，所述上肢康复训练系统包括信号采集模块、构型模 块、外周电刺激、拟实交互模块、云平台模块和计算控制模块。
作为优选方案，所述构型模块的机械结构末端具备三维空间的活动能力， 满足上肢多关节执行日常必不可少的活动(如进食、抓握，梳理)的活动需求。
本发明的第二方面提供了一种近红外脑图谱导向的上肢康复训练系统，包 括：信号采集模块、构型模块、外周电刺激模块、拟实交互模块、云平台模块 和计算控制模块。
所述信号采集模块采用覆盖大脑额叶、顶叶、颞叶和枕叶区域的近红外光 源探头模板，用于实时采集患者静息态和康复训练态的全脑近红外脑血氧信号， 并将信号传输至所述计算控制模块。
所述构型模块，机械结构末端具备三维空间的活动能力，满足上肢多关节 执行日常必不可少的活动(如进食、抓握，梳理)的活动需求，满足多关节三维运 动的康复训练动作需求。
所述外周电刺激模块用于给使用者施加外周电刺激干预。
所述拟实交互模块用于显示所述手柄的实时运动轨迹，或镜像显示非活动 手的实时运动轨迹，或显示拟实交互游戏场景，或显示大脑的实时近红外脑图 谱。
所述云平台模块用于存储和更新所述脑卒中康复的近红外脑图谱库，分析 脑卒中运动功能与脑功能的康复规律。
所述计算控制模块用于分析所述信号采集模块传入的所述全脑近红外脑血 氧信号，计算出所述激活特征、所述脑功能连接、所述脑效应连接、所述侧偏 性指数、所述全局网络度量和所述局部网络度量，在标准的大脑空间进行三维 拓补运算，得到脑卒中康复的近红外脑图谱库，并随着所述上肢康复训练系统 使用不断上传和补充近红外脑图谱至所述云平台模块。
作为优选方案，所述构型模块的机械结构采用X方向、Y方向、Z方向三 维连杆形式。所述X方向、Y方向、Z方向设有X方向导轨、Y方向导轨和Z 方向导轨，所述X方向导轨、Y方向导轨和Z方向导轨上分别设有X方向连杆 底座、Y方向连杆底座和Z方向连杆底座，所述X方向连杆底座、Y方向连杆 底座和Z方向连杆底座能够分别沿着X方向导轨、Y方向导轨和Z方向导轨直 线滑动。所述X方向、Y方向、Z方向上设有能够分别驱动所述X方向连杆底 座、Y方向连杆底座和Z方向连杆底座在所述X方向导轨、Y方向导轨和Z方 向导轨直线滑动的X方向电机、Y方向电机和Z方向电机。
所述X方向连杆底座、Y方向连杆底座和Z方向连杆底座分别与X方向 双连杆、Y方向双连杆和Z方向双连杆通过旋转副连接，所述X方向双连杆、 Y方向双连杆和Z方向双连杆另一端分别与手柄托架通过旋转副连接。
所述手柄托架上设有手柄，所述手柄处设有三维力传感器，所述三维力传 感器能够实时采集手部在所述X方向、Y方向和Z方向上的用力大小，并传输 到所述计算控制模块，用于识别使用者运动意图，配合所述X方向电机、Y方 向电机和Z方向电机帮助使用者完成三维空间的主动、被动和助动训练。
进一步地，所述计算控制模块用于接收所述三维力传感器实时采集的手部 在所述X方向、Y方向和Z方向上的用力，根据用力大小和方向判断使用者的 运动意图，调整所述X方向连杆底座、Y方向连杆底座和Z方向连杆底座的滑 动方向和速度。
本发明的有益效果是，本发明提供的上肢康复训练系统和设计方法以近红 外脑图谱为导向，通过构建近红外脑图谱作为范式设计和系统设计的基础，结 合外周电刺激和运动训练等干预技术手段完成范式设计和系统设计，并在系统 使用过程中反馈训练参数作为近红外脑图谱的输入数据进行学习优化，改良范 式和系统参数，从而形成上肢康复训练系统的闭环设计方法。本发明能够提升 上肢康复训练系统设计方法的针对性，帮助患者以脑功能恢复为训练目的完成 多模态综合康复，针对性地提高康复训练效果和效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例的一种近红外脑图谱导向的上肢康复训练系统闭环设 计方法的流程图；
图2为本发明实施例的近红外脑图谱计算示意图；
图3为本发明实施例的一种近红外脑图谱导向的上肢康复训练系统构成示 意图；
图4为本发明实施例的构型模块示意图。
具体实施方式
在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认 识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修 改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。
下面结合附图1至4对本发明的具体实施方式进行详细说明。
如图1所示，本发明的一种近红外脑图谱导向的上肢康复训练系统闭环设 计方法包括以下步骤：
S1：基于脑卒中临床康复训练过程中采集的全脑近红外脑血氧信号，构建 脑卒中康复的近红外脑图谱库；
S2：基于步骤S1构建的近红外脑图谱库，结合临床康复运动功能量表构建 多元非线性回归模型和混合线性模型，总结卒中后运动功能与脑功能的康复规 律；
S3：根据步骤S2总结的康复规律，患者代入特定运动训练范式和外周电刺 激范式进行训练，判定训练方式的有效性以完成范式设计；
S4：根据步骤S3中设计的有效康复训练范式，进行上肢康复训练系统的信 号采集、构型、外周电刺激、拟实交互、云平台和计算控制模块的软硬件设计；
S5：将步骤S4中设计的上肢训练系统应用到临床康复中，训练过程中采集 全脑近红外脑血氧信号并实时反馈，补充优化近红外脑图谱库和上肢康复训练 系统。
在步骤S1中，
所述临床康复训练过程中采集的全脑近红外脑血氧信号包括静息态和康复 训练态的近红外脑血氧信号，通过小波时频分析方法，分离出所述近红外脑血 氧信号中表征六个不同生理来源的脑氧信号信息(I：0.6–2.0Hz，心率活动；II： 0.145–0.6Hz，呼吸作用；III：0.052–0.145Hz，肌源性活动；IV，0.021–0.052 Hz，神经性活动；V，0.0095–0.021Hz，与一氧化氮有关的内皮细胞代谢活动； VI，0.005–0.0095Hz，与一氧化氮无关的内皮细胞代谢活动)，得到具有不同生 理来源的多频段小波变换结果。从中提取出的各频段小波幅值反映原血氧信号 在某频率段内波动的大小，作为脑激活特征指标。选取复数小波函数为基函数， 得到所述近红外脑血氧信号在采样周期内的时频域相位信息，通过相位信息计 算两两通道所述近红外脑血氧波动信号间的相位相干性，作为脑功能连接的表 征指标；通过相位信息构造每个采集通道的相位振子，计算两两通道所述近红 外脑血氧信号的耦合强度和耦合方向，作为脑效应连接的表征指标；在所述激 活特征、所述脑功能连接、所述脑效应连接分析的基础上，计算大脑半球间的 侧偏性指数、基于图论的全局网络度量和局部网络度量，全局网络度量包括加 权聚类系数、全局效率和小世界属性，局部网络度量包括节点度、中介中心度 和局部效率。根据计算出的所述激活特征、所述脑功能连接、所述脑效应连接、 所述侧偏性指数、所述全局网络度量和所述局部网络度量，在标准的大脑空间 进行三维拓补运算，得到脑卒中康复的近红外脑图谱库，如图2所示。所述激 活特征、所述脑功能连接、所述脑效应连接、所述侧偏性指数、所述全局网络 度量和所述局部网络度量的具体计算过程如下：
激活特征：利用小波变换将采集的所述近红外脑血氧信号时间序列变换到 时频域，由此便可分离出表征六个不同生理来源的脑氧信号小波变换结果和相 位信息，分别是：第I段：0.6–2.0Hz，来源于心率活动；第II段：0.145–0.6Hz， 来源于呼吸作用；第III段：0.052–0.145Hz，来源于肌源性活动；第IV段， 0.021–0.052Hz，来源于神经性活动；第V段，0.0095–0.021Hz，来源于与一氧 化氮有关的内皮细胞代谢活动；第VI段，0.005–0.0095Hz，来源于与一氧化氮 无关的内皮细胞代谢活动。在时域上对脑氧信号的小波变换结果取平均，得到 不同频段下小波幅值的大小。小波幅值反映了原始信号在一定频率下的波动幅度，可以用作描述大脑皮层活动强度的能量指标。由此得到对应于近红外通道 空间布置的所述脑激活特征。
脑功能连接：提取出的所述相位信息通过小波相位相干分析方法进行脑功 能连接计算。以标记为x，y两通道的脑氧信号为例，将两通道脑氧信号的相位 信息之差在时域内平均化得到<cosΔφxy(f)>和<sinΔφxy(f)>，由此计算小波 相位相干性值：
小波相位相干性值为衡量两信号相位同步性的指标。功能连接由相位同步 性定义，小波相位相干性值越大，则相位同步性越高，功能连接越强；反之则 相位同步性越低，功能连接越弱，由此得到多频段的所述脑功能连接。
脑效应连接：提取出的所述相位信息通过基于动态贝叶斯推理的效应连接 分析方法构建脑氧脉动相位耦合模型。基于贝叶斯理论构造似然函数，通过递 归运算计算负对数似然函数的稳定点来推断出参数ck，ck为相位耦合模型的耦 合系数矩阵，可从中提取出相应的效应连接指标。耦合强度即定义为所述推断 参数ck的欧几里德范数。耦合强度表示出了振子φi的相位对振子φj的频率施加 的影响量的总体估计，反映了效应连接强度的大小，由此建立脑氧脉动相位耦 合模型，在此基础上得到所述脑效应连接。
侧偏性指数
侧偏性指数(LI))用于评估大脑半球间的平衡作用。在计算所述激活特征 平衡时，LI定义为：
其中，AI为一侧脑区激活程度，AC为对侧脑区激活程度，LI值范围从+1 到-1。病灶同侧脑区被定义为AI侧，LI值为1代表完全的同侧激活，-1代表 完全的对侧激活，接近0的LI值代表较为平衡的激活模式。
在评估所述功能连接和所述效应连接平衡时，LI定义为：
其中，CI为一侧脑区存在连接的体素数量，TI为一侧脑区总体素数量，CC 为对侧脑区存在连接的体素数量，TC为对侧脑区总体素数量。基于连接的LI 值范围同样介于1到-1之间，其中-1代表仅存在对侧连接，1代表仅存在同侧 连接，接近0的值表示对称连接。由此计算过程得到所述侧偏性指数。
全局网络度量和局部网络度量：在所述脑功能连接分析和所述脑效应连接 分析基础上构建脑功能连接网络和脑效应连接网络，通过无向网络和有向网络 图论分析方法计算脑网络的所述全局网络度量和所述局部网络度量。所述全局 网络度量包括加权聚类系数、全局效率和小世界属性。所述加权聚类系数是衡 量网络集成程度的指标，所述全局效率用来衡量网络隔离度，所述小世界属性 可以度量相对于随机网络的网络集成和隔离之间的平衡。所述局部度量包括节 点度、中介中心度和局部效率等。所述节点度是指和该节点相关联的边的条数，， 对于有向图，节点的度为出度和入读的总和，分别指从节点出发和进入节点的 边的数目，反映节点在网络中的重要性。所述中介中心性是指经过某个节点的 最短路径数目，以此度量节点重要性。所述局部效率用于度量网络局部信息传 输的能力，也一定程度上反映脑网络抵御随机损伤的能力。由此计算得到所述 全局网络度量和所述局部网络度量。
在步骤S2中，
在采集脑卒中患者在静息态和康复训练态的所述近红外脑血氧信号过程中， 同步采集临床运动功能评估量表信息。所述临床运动功能评估量表采用FugI- Meyer评估量表。
分析卒中后运动功能与脑功能的康复规律时，应用统计检验方法(t检验、 卡方检验、方差分析)比较具有组间差异的所述近红外脑图谱中的所述激活特 征、所述脑功能连接、所述脑效应连接、所述侧偏性指数、所述全局网络度量 和所述局部网络度量指标，如静息态与任务范式间、不同康复训练范式间、不 同康复阶段的任务范式间的显著差异指标，基于p值选择具有辨别能力的脑功 能指标特征。根据有效的脑功能指标与临床表现高度相关的假设，提取出与临 床量表显著相关的所述近红外脑图谱库指标，结合所述根据显著组间差异选择 的指标，综合筛选所述近红外脑图谱指标特征，实现特征数据降维、过滤和提取综合。
应用非线性回归方法，建立筛选出的近红外脑功能指标与脑卒中运动功能 评估指标的多元非线性回归模型，得到特定训练范式下的脑功能指标变量与所 述临床运动功能评估量表之间的映射关系。回归过程中，采用给定的函数值与 模型预测值之差的平方和最小为损失函数，并使用最小二乘法和梯度下降法计 算最终的拟合参数。
应用混合效应模型，量化与脑卒中后不同阶段相关的脑功能指标特征和运 动功能指标的变化，得到上肢运动功能恢复良好患者和恢复欠佳患者的所述运 动功能与脑功能的康复规律。第l个患者在第m个时间点的每个观测指标y建模 如下：
ylm＝Interceptl+dl+βadv×Daylm+elm
其中，Daylm表示第l个患者在第m个测试时间点的卒中后时间(单位：天)， βadv为被试者卒中后时间的函数，dl为随机被试者效应，elm为误差， Interceptl为截距。将因变量建模为被试者卒中后时间的函数(βadv)+随机被试 者效应(dl)+误差(elm)。截距和卒中后时间为固定效应，被试者之间的依赖为随 机效应；并通过假发现率(FDR)方法对混合效应模型的显著结果进行多次比较 校正。
在步骤S3中，患者代入特定运动训练范式和外周电刺激范式进行训练时， 同步采集全脑近红外脑血氧信号，根据步骤S1中的计算方法分析所述特定康 复训练范式下的近红外脑图谱，与步骤S1中建立的所述近红外脑图谱库和步 骤S2中确定的所述运动功能与脑功能的康复规律相比对，判定所述特定康复 训练范式的有效性。
患者代入的康复训练范式包括主动训练范式、被动训练范式、助动训练范 式、镜像训练范式、外周电刺激干预范式、外周电刺激干预范式和虚拟现实反 馈训练范式。
采用结构性相似度方法将计算出的所述特定康复训练范式下的近红外脑图 谱与步骤S1中建立的所述近红外脑图谱库和步骤S2中确定的所述运动功能与 脑功能的康复规律相比对，以确定所述近红外脑图谱库中与所述特定康复训练 范式下的近红外脑图谱相似度最高的图谱。以图像m和图像n为例，所述结构 性相似度SSIM计算如下：
SSIM(m,n)＝l(m,n)α·c(m,n)β·s(m,n)γ，
其中，
μm，μn，σm 2，σn 2，σmn分别为图像m，n的均值(对应亮度)、方差(对 应对比度)和协方差(对应结构)，c1,c2,c3为小的常数，利用参数α,β,γ调整 SSIM中亮度、对比度和结构三个层次比较图像相似度，其中结构项占主导地位。
在步骤S4中，所述上肢康复训练系统包括信号采集模块、构型模块、外周 电刺激模块、拟实交互模块、云平台模块和计算控制模块，如图3所示。
所述构型模块的机械结构末端具备三维空间的活动能力，满足上肢多关节 执行日常必不可少的活动(如进食、抓握，梳理)的活动需求。
如图3所示，本发明的近红外脑图谱导向的上肢康复训练系统包括：信号 采集模块、构型模块、外周电刺激模块、拟实交互模块、云平台模块和计算控 制模块。
信号采集模块采用覆盖大脑额叶、顶叶、颞叶和枕叶区域的近红外光源探 头模板，用于实时采集患者静息态和康复训练态的全脑近红外脑血氧信号，并 将信号传输至所述计算控制模块；
构型模块的机械结构末端具备三维空间的活动能力，满足上肢多关节执行 日常必不可少的活动(如进食、抓握，梳理)的活动需求，满足多关节三维运动的 康复训练动作需求，如图4所示。
外周电刺激模块用于给使用者施加外周电刺激干预。
拟实交互模块用于显示所述手柄的实时运动轨迹，或镜像显示非活动手的 实时运动轨迹，或显示拟实交互游戏场景，或显示大脑的实时近红外脑图谱。
云平台模块用于存储和更新所述脑卒中康复的近红外脑图谱库，分析脑卒 中运动功能与脑功能的康复规律。
计算控制模块用于分析所述信号采集模块传入的所述全脑近红外脑血氧信 号，计算出所述激活特征、所述脑功能连接、所述脑效应连接、所述侧偏性指 数、所述全局网络度量和所述局部网络度量，在标准的大脑空间进行三维拓补 运算，得到脑卒中康复的近红外脑图谱库，并随着所述上肢康复训练系统使用 不断上传和补充近红外脑图谱至所述云平台模块。
构型模块的机械结构采用X方向、Y方向、Z方向三维连杆形式。
如图4所示，X方向、Y方向、Z方向设有X方向导轨1、Y方向导轨2和 Z方向导轨3，X方向导轨1、Y方向导轨2和Z方向导轨3上分别设有X方 向连杆底座4、Y方向连杆底座5和Z方向连杆底座6，X方向连杆底座4、Y 方向连杆底座5和Z方向连杆底座6能够分别沿着X方向导轨1、Y方向导轨 2和Z方向导轨3直线滑动。X方向、Y方向、Z方向上设有能够分别驱动所 述X方向连杆底座4、Y方向连杆底座5和Z方向连杆底座6在所述X方向导 轨1、Y方向导轨2和Z方向导轨3直线滑动的X方向电机、Y方向电机和Z 方向电机。
X方向连杆底座4、Y方向连杆底座5和Z方向连杆6底座分别与X方向 双连杆7、Y方向双连杆8和Z方向双连杆9通过旋转副连接，X方向双连杆 7、Y方向双连杆8和Z方向双连杆9另一端分别与手柄托架10通过旋转副连 接。
手柄托架10上设有手柄11，手柄11处设有三维力传感器，所述三维力传 感器能够实时采集手部在所述X方向、Y方向和Z方向上的用力大小，并传输 到所述计算控制模块，用于识别使用者运动意图，配合所述X方向电机、Y方 向电机和Z方向电机帮助使用者完成三维空间的主动、被动和助动训练。
计算控制模块用于接收所述三维力传感器实时采集的手部在X方向、Y方 向和Z方向上的用力，根据用力大小和方向判断使用者的运动意图，调整所述 X方向连杆底座、Y方向连杆底座和Z方向连杆底座的滑动方向和速度。
综上，本发明提供的上肢康复训练系统和设计方法以近红外脑图谱为导向， 通过构建近红外脑图谱作为范式设计和系统设计的基础，结合外周电刺激和运 动训练等干预技术手段完成范式设计和系统设计，并在系统使用过程中反馈训 练参数作为近红外脑图谱的输入数据进行学习优化，改良范式和系统参数，从 而形成上肢康复训练系统的闭环设计方法。本发明能够提升上肢康复训练系统 设计方法的针对性，帮助患者以脑功能恢复为训练目的完成多模态综合康复， 针对性地提高康复训练效果和效率。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明 保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上， 本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明 的保护范围以内。
Claims (9)
1.一种上肢康复训练系统闭环设计方法，包括以下步骤：
基于脑卒中临床康复训练过程中采集的全脑近红外脑血氧信号，计算并构建脑卒中康复的近红外脑图谱库；
基于所构建的近红外脑图谱库，结合临床康复运动功能量表构建多元非线性回归模型和混合线性模型，总结卒中后运动功能与脑功能的康复规律；
根据所总结的康复规律，并且根据患者代入特定运动训练范式和外周电刺激范式进行的训练，来判定训练方式的有效性以完成康复训练范式的设计；
根据有效的康复训练范式，进行上肢康复训练系统的各个模块的设计；并且
将上肢康复训练系统应用到临床康复中，并且在训练过程中采集全脑近红外脑血氧信号并实时反馈，以补充优化近红外脑图谱库和上肢康复训练系统，
其中，在总结的康复规律的步骤中，在采集脑卒中患者在静息态和康复训练态的近红外脑血氧信号过程中同步采集临床运动功能评估量表信息，在分析卒中后运动功能与脑功能的康复规律时，应用统计检验方法比较具有组间差异的近红外脑图谱中的脑功能指标，并且根据有效的脑功能指标与临床表现高度相关性，提取出与临床量表显著相关的近红外脑图谱库指标，结合根据显著组间差异选择的指标，综合筛选近红外脑图谱指标特征，实现特征数据降维、过滤和提取综合。
2.根据权利要求1所述的上肢康复训练系统闭环设计方法，其中，应用非线性回归方法，建立筛选出的近红外脑功能指标与脑卒中运动功能评估指标的多元非线性回归模型，得到特定训练范式下的脑功能指标变量与临床运动功能评估量表之间的映射关系，并且应用混合效应模型，量化与脑卒中后不同阶段相关的脑功能指标特征和运动功能指标的变化，得到上肢运动功能恢复良好患者和恢复欠佳患者的运动功能与脑功能的康复规律，其中：第l个患者在第m个时间点的每个观测指标y建模如下：
ylm＝Interceptl+dl+βadv×Daylm+elm
其中，Daylm表示第l个患者在第m个测试时间点的卒中后时间，βadv为被试者卒中后时间的函数，dl为随机被试者效应，elm为误差，Interceptl为截距，该截距和卒中后时间为固定效应。
3.根据权利要求1所述的上肢康复训练系统闭环设计方法，其中，在设计康复训练范式的步骤中，代入特定运动训练范式和外周电刺激范式进行训练时，同步采集全脑近红外脑血氧信号，根据步骤S1中的计算方法分析特定康复训练范式下的近红外脑图谱，与所建立的近红外脑图谱库和所确定的运动功能与脑功能的康复规律相比对，判定特定康复训练范式的有效性。
4.根据权利要求3所述的上肢康复训练系统闭环设计方法，其中，采用结构性相似度方法将计算出的特定康复训练范式下的近红外脑图谱与所建立的近红外脑图谱库和所确定的运动功能与脑功能的康复规律相比对，以确定近红外脑图谱库中与特定康复训练范式下的近红外脑图谱相似度最高的图谱，结构性相似度SSIM计算如下：
SSIM(m,n)＝l(m,n)α·c(m,n)β·s(m,n)γ，
其中，
μm，μn，σm 2，σn 2，σmn分别为图像m，n的均值、方差和协方差，c1,c2,c3为小的常数，其中均值对应亮度，方差对应对比度，协方差对应结构，利用参数α,β,γ调整SSIM中的亮度、对比度和结构三个层次比较图像相似度，其中结构占主导地位。
5.根据权利要求1所述的上肢康复训练系统闭环设计方法，其中，所设计的上肢康复训练系统的各个模块包括信号采集模块、构型模块、外周电刺激模块、拟实交互模块、云平台模块和计算控制模块，其中构型模块的机械结构末端具备三维空间的活动能力，满足上肢多关节执行日常必不可少的活动需求。
6.一种根据权利要求1至5中任一项所述的上肢康复训练系统闭环设计方法设计的近红外脑图谱导向的上肢康复训练系统，包括信号采集模块、构型模块、外周电刺激模块、拟实交互模块、云平台模块和计算控制模块，
其中信号采集模块采用覆盖大脑额叶、顶叶、颞叶和枕叶区域的近红外光源探头模板，用于实时采集患者静息态和康复训练态的全脑近红外脑血氧信号，并将信号传输至计算控制模块；
构型模块的机械结构末端具备三维空间的活动能力，满足上肢多关节执行日常必不可少的活动的需求，满足多关节三维运动的康复训练动作需求；
外周电刺激模块用于给使用者施加外周电刺激干预；
拟实交互模块用于显示手柄的实时运动轨迹，或镜像显示非活动手的实时运动轨迹，或显示拟实交互游戏场景，或显示大脑的实时近红外脑图谱；
云平台模块用于存储和更新脑卒中康复的近红外脑图谱库，分析脑卒中运动功能与脑功能的康复规律；
计算控制模块用于分析信号采集模块传入的全脑近红外脑血氧信号，计算出激活特征、脑功能连接、脑效应连接、侧偏性指数、全局网络度量和局部网络度量，在标准的大脑空间进行三维拓补运算，得到脑卒中康复的近红外脑图谱库，并随着上肢康复训练系统使用不断上传和补充近红外脑图谱至云平台模块。
7.根据权利要求6所述近红外脑图谱导向的上肢康复训练系统，其中，构型模块的机械结构采用X方向、Y方向、Z方向三维连杆形式，其中X方向、Y方向、Z方向设有X方向导轨、Y方向导轨和Z方向导轨，X方向导轨、Y方向导轨和Z方向导轨上分别设有X方向连杆底座、Y方向连杆底座和Z方向连杆底座，X方向连杆底座、Y方向连杆底座和Z方向连杆底座能够分别沿着X方向导轨、Y方向导轨和Z方向导轨直线滑动，X方向、Y方向、Z方向上设有能够分别驱动X方向连杆底座、Y方向连杆底座和Z方向连杆底座在X方向导轨、Y方向导轨和Z方向导轨直线滑动的X方向电机、Y方向电机和Z方向电机。
8.根据权利要求7所述近红外脑图谱导向的上肢康复训练系统，其中，X方向连杆底座、Y方向连杆底座和Z方向连杆底座分别与X方向双连杆、Y方向双连杆和Z方向双连杆通过旋转副连接，X方向双连杆、Y方向双连杆和Z方向双连杆的另一端分别与手柄托架通过旋转副连接，其中手柄托架上设有手柄，手柄处设有三维力传感器，该三维力传感器能够实时采集手部在X方向、Y方向和Z方向上的用力大小，并传输到计算控制模块，用于识别使用者运动意图，配合X方向电机、Y方向电机和Z方向电机帮助使用者完成三维空间的主动、被动和助动训练。
9.根据权利要求8所述近红外脑图谱导向的上肢康复训练系统，其中，计算控制模块用于接收三维力传感器实时采集的手部在X方向、Y方向和Z方向上的用力，根据用力大小和方向判断使用者的运动意图，调整X方向连杆底座、Y方向连杆底座和Z方向连杆底座的滑动方向和速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210590913.8A CN115054243B (zh) | 2022-05-27 | 2022-05-27 | 上肢康复训练系统闭环设计方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210590913.8A CN115054243B (zh) | 2022-05-27 | 2022-05-27 | 上肢康复训练系统闭环设计方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115054243A true CN115054243A (zh) | 2022-09-16 |
| CN115054243B CN115054243B (zh) | 2023-04-07 |
Family
ID=83198402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210590913.8A Active CN115054243B (zh) | 2022-05-27 | 2022-05-27 | 上肢康复训练系统闭环设计方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115054243B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115349857A (zh) * | 2022-07-18 | 2022-11-18 | 国家康复辅具研究中心 | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 |
| CN116153522A (zh) * | 2023-03-02 | 2023-05-23 | 之江实验室 | 一种基于皮质-肌肉-皮质网络图的模型训练方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102284137A (zh) * | 2011-05-20 | 2011-12-21 | 天津大学 | 一种功能性电刺激的多源信息融合控制方法 |
| CN103301002A (zh) * | 2013-06-20 | 2013-09-18 | 北京师范大学 | 基于光学脑成像的中枢-外周神经康复训练方法及系统 |
| CN109925582A (zh) * | 2019-03-20 | 2019-06-25 | 天津大学 | 双模态脑-机交互式运动神经反馈训练装置和方法 |
| CN112274779A (zh) * | 2020-10-28 | 2021-01-29 | 国家康复辅具研究中心 | 基于功能性近红外导向的经颅磁刺激系统及方法 |
| CN113274009A (zh) * | 2021-04-26 | 2021-08-20 | 山西医科大学第一医院 | 基于hct的红外脑成像图谱采集装置 |
| WO2022036447A1 (en) * | 2020-08-19 | 2022-02-24 | Axem Neurotechnology Inc. | Brain injury rehabilitation method utilizing brain activity monitoring |
| CN114391815A (zh) * | 2022-03-25 | 2022-04-26 | 慧创科仪(北京)科技有限公司 | 用近红外脑功能成像装置进行卒中康复分析的方法、系统 |
-
2022
- 2022-05-27 CN CN202210590913.8A patent/CN115054243B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102284137A (zh) * | 2011-05-20 | 2011-12-21 | 天津大学 | 一种功能性电刺激的多源信息融合控制方法 |
| CN103301002A (zh) * | 2013-06-20 | 2013-09-18 | 北京师范大学 | 基于光学脑成像的中枢-外周神经康复训练方法及系统 |
| CN109925582A (zh) * | 2019-03-20 | 2019-06-25 | 天津大学 | 双模态脑-机交互式运动神经反馈训练装置和方法 |
| WO2022036447A1 (en) * | 2020-08-19 | 2022-02-24 | Axem Neurotechnology Inc. | Brain injury rehabilitation method utilizing brain activity monitoring |
| CN112274779A (zh) * | 2020-10-28 | 2021-01-29 | 国家康复辅具研究中心 | 基于功能性近红外导向的经颅磁刺激系统及方法 |
| CN113274009A (zh) * | 2021-04-26 | 2021-08-20 | 山西医科大学第一医院 | 基于hct的红外脑成像图谱采集装置 |
| CN114391815A (zh) * | 2022-03-25 | 2022-04-26 | 慧创科仪(北京)科技有限公司 | 用近红外脑功能成像装置进行卒中康复分析的方法、系统 |
Non-Patent Citations (1)
| Title |
|---|
| 高楠等: "基于两种相似度矩阵的专利引文耦合方法识别研究前沿――以脑机接口为例", 《现代图书情报技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115349857A (zh) * | 2022-07-18 | 2022-11-18 | 国家康复辅具研究中心 | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 |
| CN115349857B (zh) * | 2022-07-18 | 2023-06-20 | 国家康复辅具研究中心 | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 |
| CN116153522A (zh) * | 2023-03-02 | 2023-05-23 | 之江实验室 | 一种基于皮质-肌肉-皮质网络图的模型训练方法及装置 |
| CN116153522B (zh) * | 2023-03-02 | 2023-09-19 | 之江实验室 | 一种基于皮质-肌肉-皮质网络图的模型训练方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115054243B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Panwar et al. | PP-Net: A deep learning framework for PPG-based blood pressure and heart rate estimation | |
| CN115054243B (zh) | 上肢康复训练系统闭环设计方法及系统 | |
| US11755121B2 (en) | Gesture information processing method and apparatus, electronic device, and storage medium | |
| Kim et al. | Deep physiological affect network for the recognition of human emotions | |
| Simbaña et al. | Review of automated systems for upper limbs functional assessment in neurorehabilitation | |
| CN111133526B (zh) | 发掘可用于机器学习技术中的新颖特征，例如用于诊断医疗状况的机器学习技术 | |
| CN111095232B (zh) | 发掘用于机器学习技术中的基因组 | |
| CN112022136A (zh) | 基于近红外脑功能与步态参数的评估方法及系统 | |
| CN115349857B (zh) | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 | |
| Santamaria et al. | A two stages fuzzy logic approach for Internet of Things (IoT) wearable devices | |
| CN110148466A (zh) | 一种基于迁移学习的心冲击信号房颤计算机辅助诊断方法 | |
| Zhang et al. | Boosting-LDA algriothm with multi-domain feature fusion for motor imagery EEG decoding | |
| Agyeman et al. | Classification Techniques for Arrhythmia Patterns Using Convolutional Neural Networks and Internet of Things (IoT) Devices | |
| CN105534517A (zh) | 一种去除三导联心电信号中车辆运动噪声的方法 | |
| WO2024032728A1 (zh) | 一种智能人机协同系统测评方法、装置及存储介质 | |
| CN115553752A (zh) | 一种基于多模态数据融合的脑功能障碍辅助评估方法 | |
| Li et al. | Detecting self-paced walking intention based on fNIRS technology for the development of BCI | |
| Yan et al. | Topological EEG-based functional connectivity analysis for mental workload state recognition | |
| CN117373595A (zh) | 一种基于ai的内科患者个性化治疗方案生成系统 | |
| CN105796091A (zh) | 一种用于去除心电信号车辆运动噪声的智能终端 | |
| Chen et al. | A pilot workload evaluation method based on EEG data and physiological data | |
| Cai et al. | The detection of attentive mental state using a mixed neural network model | |
| Rabbani et al. | Multimodal decision fusion of eeg and fnirs signals | |
| CN113192598A (zh) | taVNS疗法的疗效预测方法及系统 | |
| CN112656430A (zh) | 基于站立位失衡诱发脑电的卒中平衡康复评估方法 |
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 |