CN116158944B - 模态自定义映射康复辅助的控制方法、终端设备及介质 - Google Patents
模态自定义映射康复辅助的控制方法、终端设备及介质 Download PDFInfo
- Publication number
- CN116158944B CN116158944B CN202310377775.XA CN202310377775A CN116158944B CN 116158944 B CN116158944 B CN 116158944B CN 202310377775 A CN202310377775 A CN 202310377775A CN 116158944 B CN116158944 B CN 116158944B
- Authority
- CN
- China
- Prior art keywords
- evaluation
- data
- rehabilitation
- standard
- score
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000013507 mapping Methods 0.000 title claims abstract description 47
- 238000011156 evaluation Methods 0.000 claims abstract description 382
- 238000013210 evaluation model Methods 0.000 claims abstract description 110
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 70
- 210000004556 brain Anatomy 0.000 claims description 52
- 230000033001 locomotion Effects 0.000 claims description 51
- 238000012360 testing method Methods 0.000 claims description 41
- 238000011084 recovery Methods 0.000 claims description 34
- 210000001364 upper extremity Anatomy 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 24
- 230000003993 interaction Effects 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 22
- 230000003238 somatosensory effect Effects 0.000 claims description 20
- 241000282461 Canis lupus Species 0.000 claims description 13
- 238000002567 electromyography Methods 0.000 claims description 8
- 230000007659 motor function Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 210000000245 forearm Anatomy 0.000 description 7
- 208000006011 Stroke Diseases 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 210000003414 extremity Anatomy 0.000 description 5
- 206010008190 Cerebrovascular accident Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 230000011514 reflex Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 208000012661 Dyskinesia Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- 210000002435 tendon Anatomy 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 150000001875 compounds Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009207 exercise therapy Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
Images
Classifications
-
- 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
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
-
- 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
- A61B5/24—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]
-
- 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
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/12—Driving means
- A61H2201/1207—Driving means with electric or magnetic drive
-
- 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
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
-
- 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
- A61H2205/00—Devices for specific parts of the body
- A61H2205/06—Arms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Heart & Thoracic Surgery (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- Rehabilitation Therapy (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Pain & Pain Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Rehabilitation Tools (AREA)
Abstract
本申请公开了一种模态自定义映射康复辅助的控制方法、终端设备及介质,涉及设备控制技术领域,本申请应用于配置有外骨骼装置的终端设备,本申请通过根据预设的训练计划确定外骨骼装置的移动轨迹;控制外骨骼装置按照移动轨迹进行移动并收集外骨骼装置在移动过程中产生的轨迹数据和身体信号数据,将轨迹数据和身体信号数据输入至预设的康复评价模型;由康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、轨迹数据及身体信号数据确定用户对应的目标评价分数;基于目标评价分数对预设的康复等级表格进行筛选,从而确定与目标评价分数对应的目标康复等级。采用本申请能够实现准确评估用户的康复等级的技术效果。
Description
技术领域
本申请涉及设备控制技术领域,尤其涉及一种模态自定义映射康复辅助的控制方法、终端设备及计算机可读存储介质。
背景技术
随着人口老龄化程度的不断加剧,脑卒中的发病率也长期处于高居不下的状态,而脑卒中除了存在发病率高的特点之外,还具有较高的致死亡率和致残率,从而导致患有脑卒中的患者往往会存在运动功能障碍等行为缺陷,而康复训练就成为了恢复患者运动功能障碍的主要手段。
目前,针对患者采取的康复训练手段为将运动疗法与临床药物进行结合,同时由专业的康复治疗师根据患者的恢复情况定制训练计划;然而,由于每个康复治疗师的专业水平和判断标准不同,从而导致训练计划的制定标准也不一样,因此,在没有量化的评估机制时,康复治疗师也就难以判定制定的训练计划是否与患者当前的恢复状态是否匹配,进而容易出现由于训练计划与患者当前的恢复状态不匹配,影响患者康复训练的情况出现。
发明内容
本申请的主要目的在于提供一种模态自定义映射康复辅助的控制方法、终端设备及计算机可读存储介质,旨在能够准确评估用户的康复等级。
为实现上述目的,本申请提供一种模态自定义映射康复辅助的控制方法,所述方法应用于配置有外骨骼装置的终端设备,所述模态自定义映射康复辅助的控制方法包括以下步骤:
根据预设的训练计划确定所述外骨骼装置的移动轨迹;
控制所述外骨骼装置按照所述移动轨迹进行移动并收集所述外骨骼装置在移动过程中产生的轨迹数据和身体信号数据,将所述轨迹数据和所述身体信号数据输入至预设的康复评价模型;
由所述康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定用户对应的目标评价分数;
基于所述目标评价分数对预设的康复等级表格进行筛选,从而确定与所述目标评价分数对应的目标康复等级,其中,所述康复等级表格内包含多个标准康复等级,和与多个所述标准康复等级各自对应的标准评价分数。
进一步地,所述由所述康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的目标评价分数的步骤,包括:
由所述康复评价模型基于预设的多个主观评价表格和所述轨迹数据确定所述用户对应的主观评价分数;
由所述康复评价模型基于预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的客观评价分数;
基于所述主观评价分数、所述客观评价分数及预设的各权重值确定所述用户对应的目标评价分数。
进一步地,多个主观评价表格包含:Brunnstrom评定量表、Fugl-Meyer评定量表、Wolf运动功能评定量表及Dash上肢功能评定量表;
所述由所述康复评价模型基于预设的多个主观评价表格和所述轨迹数据确定所述用户对应的主观评价分数的步骤,包括:
确定所述Brunnstrom评定量表内各第一测评项目各自对应的第一测评分数和第一测评标准,并将所述轨迹数据分别与各所述第一测评标准进行比对以确定所述轨迹数据对应的各第一测评分数,对各所述第一测评分数进行加和得到与所述Brunnstrom评定量表对应的第一评分;
和/或者,
确定所述Fugl-Meyer评定量表内各第二测评项目各自对应的第二测评分数和第二测评标准,并将所述轨迹数据分别与各所述第二测评标准进行比对以确定所述轨迹数据对应的各第二测评分数,对各所述第二测评分数进行加和而得到与所述Fugl-Meyer评定量表对应的第二评分;
和/或者,
确定所述Wolf运动功能评定量表内各第三测评项目各自对应的第三测评分数和第三测评标准,并将所述轨迹数据分别与各所述第三测评标准进行比对以确定所述轨迹数据对应的各第三测评分数,对各所述第三测评分数进行加和而得到与所述Wolf运动功能评定量表对应的第三评分;
和/或者,
确定所述Dash上肢功能评定量表内各第四测评项目各自对应的第四测评分数和第四测评标准,并将所述轨迹数据分别与各所述第四测评标准进行比对以确定所述轨迹数据对应的各第四测评分数,对各所述第四测评分数进行加和而得到与所述Dash上肢功能评定量表对应的第四评分;
对所述第一评分、所述第二评分、所述第三评分及所述第四评分进行加和得到所述用户对应的主观评价分数。
进一步地,个客观评价表格内包含:常规脑电评价表格和常规肌电评价表格,所述身体信号数据包含待测脑电波数据和待测肌电图数据;
所述由所述康复评价模型基于预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的客观评价分数的步骤,包括:
确定所述常规脑电评价表格内包含的各标准轨迹数据,和各所述标准轨迹数据各自对应的标准脑电波数据;
在各所述标准脑电波数据中确定与所述待测脑电波数据一致的目标脑电波数据,并将所述目标脑电波数据对应的标准轨迹数据与所述轨迹数据进行比对得到第一比对结果;
基于所述第一比对结果确定与所述常规脑电评价表格对应的第五评分;
和/或者,
确定所述常规肌电评价表格内包含的各所述标准轨迹数据,和各所述标准轨迹数据自对应的标准肌电图数据;
在各所述标准肌电图数据中确定与所述待测肌电图数据一致的目标肌电图数据,并将所述目标肌电图数据对应的标准轨迹数据与所述轨迹数据进行比对得到第二比对结果;
基于所述第二比对结果确定与所述常规肌电评价表格对应的第六评分;
对所述第五评分和所述第六评分进行加和计算得到所述用户对应的客观评价分数。
进一步地,各权重值包含主观权重值和客观权重值,所述基于所述主观评价分数、所述客观评价分数及预设的各权重值确定所述用户对应的目标评价分数的步骤,包括:
获取所述主观权重值,并根据所述主观权重值确定与所述主观评价分数对应的第一目标分数;
获取所述客观权重值,并根据所述客观权重值确定与所述客观评价分数对应的第二目标分数;
将所述第一目标分数与所述第二目标分数进行加和得到所述用户对应的目标评价分数。
进一步地,在所述根据预设的训练计划确定所述外骨骼装置的移动轨迹的步骤之前,所述方法还包括:
获取预设的各标准轨迹数据,确定各所述标准轨迹数据各自在预设的多个主观评价表格内对应的各测评分数;
确定各所述标准轨迹数据各自在预设的多个客观评价表格内对应的标准脑电波数据和标准肌电图数据;
基于各所述标准轨迹数据、各所述测评分数、各所述标准脑电波数据和及各所述标准肌电图数据构建训练集、测试集及验证集;
通过所述训练集、所述验证集及所述测试集对预设的初始评价模型进行训练以生成康复评价模型。
进一步地,所述通过所述训练集、所述验证集及所述测试集对预设的初始评价模型进行训练以生成康复评价模型的步骤,包括:
基于所述训练集和所述测试集内包含的各标准轨迹数据与各所述标准轨迹数据各自对应的所述测评分数、所述标准脑电波数据及所述标准肌电图数据之间的非线性映射关系,对预设的初始评价模型进行训练得到待验证评价模型;
通过所述验证集对所述待验证评价模型进行验证以生成康复评价模型。
进一步地,所述终端设备内还配置有虚拟现实设备,所述虚拟现实设备与所述外骨骼装置相连;
在所述控制所述外骨骼装置按照所述移动轨迹进行移动的步骤之后,所述方法还包括:
根据所述移动轨迹生成体感信号,并将所述体感信号输入至所述虚拟现实设备内;
确定与所述体感信号对应的交互结果,并将所述交互结果输入至所述康复评价模型,由所述康复评价模型基于所述交互结果确定用户对应的目标康复等级。
此外,为实现上述目的,本申请还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模态自定义映射康复辅助的控制程序,所述模态自定义映射康复辅助的控制程序被所述处理器执行时实现如上述的模态自定义映射康复辅助的控制方法的步骤。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有模态自定义映射康复辅助的控制程序,所述模态自定义映射康复辅助的控制程序被处理器执行时实现如上述的模态自定义映射康复辅助的控制方法的步骤。
本申请实施例提供的模态自定义映射康复辅助的控制方法、终端设备及计算机可读存储介质,应用于配置有外骨骼装置的终端设备,通过根据预设的训练计划确定所述外骨骼装置的移动轨迹;控制所述外骨骼装置按照所述移动轨迹进行移动并收集所述外骨骼装置在移动过程中产生的轨迹数据和身体信号数据,将所述轨迹数据和所述身体信号数据输入至预设的康复评价模型;由所述康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定用户对应的目标评价分数;基于所述目标评价分数对预设的康复等级表格进行筛选,从而确定与所述目标评价分数对应的目标康复等级,其中,所述康复等级表格内包含多个标准康复等级,和与多个所述标准康复等级各自对应的标准评价分数。
在本实施例中,终端设备在运行时,首先获取医师制定好的训练计划,并根据训练计划确定与终端设备相连的外骨骼装置对应的移动轨迹,之后,终端设备控制外骨骼装置按照移动轨迹进行移动,并通过部署在外骨骼装置上的加速度传感器获取外骨骼装置在移动过程中的轨迹数据,同时,终端设备通过部署在外骨骼装置上的各传感装置获取佩戴外骨骼装置的用户的身体信号数据,终端设备进而将获取的轨迹数据和身体信号数据输入至终端设备内预设的康复评价模型,再之后,康复评价模型基于获取的轨迹数据、身体信号数据、技术人员预设的多个主观评价表格及多个客观评价表格确定用户对应的目标评价分数,并将目标评价分数上传至终端设备,最后终端设备获取预设的包含多个标准康复等级和多个标准评价分数的康复等级表格,并基于目标评价分数对康复等级表格进行筛选,从而在多个标准康复等级中确定目标评价分数对应的目标康复等级。
如此,本申请通过由康复评价模型基于用户在康复训练过程中的各数据确定康复训练对应的主观评价结果和客观评价结果,并将主观评价结果与客观评价结果相结合的方式,达到了能够准确评估用户的康复等级的技术效果。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的终端设备的结构示意图;
图2为本申请模态自定义映射康复辅助的控制方法第一实施例的流程示意图;
图3为本申请模态自定义映射康复辅助的控制方法第二实施例的流程示意图;
图4为本申请模态自定义映射康复辅助的控制方法第三实施例的流程示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的终端设备结构示意图。
需要说明的是,图1即可为终端设备的硬件运行环境的结构示意图。本申请实施例终端设备可以是执本申请模态自定义映射康复辅助的控制方法的终端设备,该终端设备具体可以是移动终端、数据存储控制终端、PC或者便携计算机等终端。
如图1所示,该终端设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及模态自定义映射康复辅助的控制程序。
在图1所示的终端设备中,网络接口1004主要用于与其他设备进行数据通信;用户接口1003主要用于与用户进行数据交互;本申请终端设备中的处理器1001、存储器1005可以设置在终端设备中,所述终端设备通过处理器1001调用存储器1005中存储的模态自定义映射康复辅助的控制程序,并执行本申请实施例提供的模态自定义映射康复辅助的控制方法。
基于上述硬件结构,提出本申请模态自定义映射康复辅助的控制方法的各个实施例。
请参照图2,图2为本申请模态自定义映射康复辅助的控制方法第一实施例的流程示意图。
应当理解的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,本申请模态自定义映射康复辅助的控制方法当然也可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中,本申请模态自定义映射康复辅助的控制方法可以包括以下步骤:
步骤S10:根据预设的训练计划确定所述外骨骼装置的移动轨迹;
在本实施例中,终端设备在运行时,首先与预设的第三方服务器连接,从而获取第三方服务器发出的训练计划,终端设备进而根据训练计划确定外骨骼装置上各部件各自对应的运动角度,并根据各运动角度确定外骨骼装置对应的移动轨迹。
示例性地,例如,在脑卒中的用户佩戴外骨骼装置进行康复训练时,可以由专业的医师首先指定一个初步的训练计划,并将训练计划通过第三方服务器发送至与用户佩戴的外骨骼装置相连的终端设备,之后,终端设备在接收到训练计划之后,根据计划确定外骨骼装置内各部件各自对应的转动角度,从而根据各转动角度确定外骨骼装置的移动轨迹。
需要说明的是,在另一实施例中,医师在通过第三方服务器将训练计划发送至终端设备之后,还可以由用户读取训练计划,当用户根据训练计划试图控制佩戴外骨骼装置的上肢进行移动时,终端设备通过部署在外骨骼装置上的传感装置获取用户产生的肌电图数据和脑电波数据,从而根据肌电图数据和脑电波数据确定计划移动轨迹,之后,终端设备通过检测装置检测外骨骼装置周围的环境,并根据检测结果和计划移动轨迹确定最终的移动轨迹,进而控制外骨骼装置按照移动轨迹进行移动。
在本实施例中,终端设备根据肌电图数据和脑电波数据确定计划移动轨迹的过程为:终端设备将获取的肌电图数据和脑电波数据输入至内部预设的外骨骼控制模型,由外骨骼控制模型基于预设的算法对肌电图数据和脑电波数据进行处理从而得到外骨骼装置各部件的转动角度,进而根据各转动角度确定计划移动轨迹。
步骤S20:控制所述外骨骼装置按照所述移动轨迹进行移动并收集所述外骨骼装置在移动过程中产生的轨迹数据和身体信号数据,将所述轨迹数据和所述身体信号数据输入至预设的康复评价模型;
在本实施例中,终端设备控制外骨骼装置按照移动轨迹进行移动,并在外骨骼装置在移动时,通过布置在外骨骼装置上的各传感装置对外骨骼装置和佩戴外骨骼装置的用户进行检测,从而获取用户在佩戴外骨骼装置时产生的身体信号数据,和外骨骼装置在移动过程中产生的轨迹数据,终端设备进而将获取的轨迹数据和身体信号数据输入至终端设备内预设的康复评价模型。
示例性地,例如,终端设备在控制外骨骼装置按照移动轨迹进行移动时,首先通过部署在外骨骼装置上的加速度传感器对外骨骼装置进行检测,从而获取外骨骼装置在移动过程中产生的轨迹数据,同时,终端设备通过部署在外骨骼装置的脑环和电极片对用户进行检测,从而获取用户在控制上肢配合外骨骼装置进行移动时,大脑产生的脑电波数据和上肢肌肉产生的电信号对应的肌电图数据,终端设备进而将脑电波数据和肌电图数据进行整合得到用户对应的身体信号数据,并将获取的轨迹数据和身体信号数据输入至终端设备内预设的康复评价模型。
需要说明的是,在本实施例和本申请说明书后文记载的各实施例中,终端设备均是在获得用户授权或许可的情况下采集到用户对应的身体信号数据。
步骤S30:由所述康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定用户对应的目标评价分数;
在本实施例中,康复评价模型基于获信号数据确定设的多个主观评价表格、多个预设的客观评价表格、获取的轨迹数据及身体信号数据对用户的康复程度进行测评,从而得到与用户对应的目标评价分数,并将目标评价分数上传至终端设备。
示例性地,例如,终端设备在将获取的轨迹数据和信号数据输入至康复评价模型之后,由康复评价模型基于预设的多个主观评价表格内包含的各测评标准、预设的多个客观评价表格内包含的各测评标准、轨迹数据及身体信号数据对用户的康复程度进行测评,从而生成与用户对应的目标评价分数,并将目标评价分数上传至终端设备。
进一步地,在一种可行的实施例中,上述步骤S30,具体可以包括:
步骤S301:由所述康复评价模型基于预设的多个主观评价表格和所述轨迹数据确定所述用户对应的主观评价分数;
在本实施例中,康复评价模型首先读取存储装置以获取预设的多个主观评价表格,并确定多个主观评价表格各自包含的各测评项目,和各测评项目各自对应的测评标准,康复评价模型进而将轨迹数据与各测评标准进行比对从而确定各测评项目各自对应的测评分数,康复评价模型进而基于各测评分数确定用户对应的主观评价分数。
步骤S302:由所述康复评价模型基于预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的客观评价分数;
在本实施例中,康复评价模型读取存储装置以获取预设的多个客观评价表格,并确定多个客观评价表格各自包含的各测评项目,和各测评项目各自对应的测评标准,康复评价模型进而将轨迹数据和轨迹数据对应的身体信号数据与测评标准进行比对从而确定各测评项目各自对应的测评分数,康复评价模型进而基于各测评分数确定用户对应的客观评价分数。
步骤S303:基于所述主观评价分数、所述客观评价分数及预设的各权重值确定所述用户对应的目标评价分数;
在本实施例中,康复评价模型获取技术人员预设的多个权重值,并基于多个权重值对主观评价分数和客观评价分数进行计算,从而确定用户对应的目标评价分数。
示例性地,例如,康复评价模型首先读取存储装置以获取技术人员预设的包含Brunnstrom评定量表在内的多个主观评价表格,并确定多个主观评价表格各自所包含的各测评项目,和各测评项目各自对应的测评标准,之后,康复评价模型将轨迹数据与各测评标准进行比对以确定轨迹数据与测评标准的匹配程度,康复评价模型进而基于轨迹数据与测评标准的匹配程度确定各测评项目对应的测评分数,并将各测评分数相加作为用户在恢复过程中的主观评价分数;
同时,康复评价模型通过存储装置获取技术人员预设的包含常规脑电评价表格在内的多个客观评价表格,并确定多个客观评价表格各自所包含的各测评项目,和各测评项目各自对应的测评标准,然后,康复评价模型基于各测评标准对各身体信号数据,和身体信号数据对应的轨迹数据进行比对得到比对结果,康复评价模型进而基于比对结果确定各身体信号数据和各轨迹数据与测评标准的匹配程度,康复评价模型基于各身体信号数据和各轨迹数据与测评标准的匹配程度确定各测评项目对应的测评分数,并将各测评分数相加作为用户在康复过程中的客观评价分数;
再之后,康复评价模型获取技术人员预设的多个权重值,并基于多个权重值对获取的主观评价分数和客观评价分数进行计算,从而得到用户在康复过程中的目标评价分数。
进一步地,在一种可行的实施例中,多个主观评价表格包含:Brunnstrom评定量表、Fugl-Meyer评定量表、Wolf运动功能评定量表及Dash上肢功能评定量表;
上述步骤S301,具体可以包括:
步骤S3011:确定所述Brunnstrom评定量表内各第一测评项目各自对应的第一测评分数和第一测评标准,并将所述轨迹数据分别与各所述第一测评标准进行比对以确定所述轨迹数据对应的各第一测评分数,对各所述第一测评分数进行加和得到与所述Brunnstrom评定量表对应的第一评分;
步骤S3012:确定所述Fugl-Meyer评定量表内各第二测评项目各自对应的第二测评分数和第二测评标准,并将所述轨迹数据分别与各所述第二测评标准进行比对以确定所述轨迹数据对应的各第二测评分数,对各所述第二测评分数进行加和而得到与所述Fugl-Meyer评定量表对应的第二评分;
步骤S3013:确定所述Wolf运动功能评定量表内各第三测评项目各自对应的第三测评分数和第三测评标准,并将所述轨迹数据分别与各所述第三测评标准进行比对以确定所述轨迹数据对应的各第三测评分数,对各所述第三测评分数进行加和而得到与所述Wolf运动功能评定量表对应的第三评分;
步骤S3014:确定所述Dash上肢功能评定量表内各第四测评项目各自对应的第四测评分数和第四测评标准,并将所述轨迹数据分别与各所述第四测评标准进行比对以确定所述轨迹数据对应的各第四测评分数,对各所述第四测评分数进行加和而得到与所述Dash上肢功能评定量表对应的第四评分;
步骤S3015:对所述第一评分、所述第二评分、所述第三评分及所述第四评分进行加和得到所述用户对应的主观评价分数;
示例性地,例如,当用户佩戴的外骨骼装置为上肢外骨骼机器人时,康复评价模型读取存储装置以获取技术人员预设的Brunnstrom评定量表,并确定Brunnstrom评定量表内包含的第一测评项目为:Ⅰ期:无随意运动;Ⅱ期:能进行轻微的屈曲共同运动(肩伸展过度、肘屈曲、肩外展、外旋前臂旋后等动作);Ⅲ期:能充分进行随意运动和屈曲共同运动,并进行伸展共同运动(肩内收、内旋时伸展、前臂*旋前等);Ⅳ期:能够肘屈曲前臂能部分旋前、旋后;肘伸展位肩能前屈90°;将手向腰后伸展;Ⅴ期:能够肘伸展位肩能外展90°,肘伸展为肩能前屈180°,肘伸展为前臂能旋前、旋后;Ⅵ期:正常动作或稍欠灵巧,快速动作不灵活;康复评价模型进而确定Brunnstrom评定量表内各第一测评项目各自对应的第一测评分数和第一测评标准,之后,康复评价模型将获取的轨迹数据按照从Ⅵ期依次到Ⅰ期的顺序,分别与各第一测评标准进行比对以确定各第一测评项目各自对应的第一测评分数,康复评价模型进而对获取的各第一测评分数进行加和得到与Brunnstrom评定量表对应的第一评分;
和/或者,
康复评价模型读取存储装置以获取技术人员预设的Fugl-Meyer评定量表,确定Fugl-Meyer评定量表内包含的第二测评项目为:上肢反射活动(包含肱二头肌腱反射和肱三肌腱反射),并确定上肢反射活动对应的第二测评标准和第二测评分数为:能够引出反射活动为2分,不能引出反射活动为0分;屈肌共同运动(包括肩关节上提、肩关节后缩、外展、外旋、肘关节屈曲及前臂后展项目),并确定屈肌共同运动对应的第二测评标准和第二测评分数内各项目各自对应的测评标准:无停顿充分完成为2分,部分完成为1分,完全不能进行为0分;伸肌协同运动(包括:肩关节内收、肩关节内旋、肘关节伸展及前臂旋前),并确定伸肌协同运动第二测评标准和第二测评分数为:无停顿充分完成为2分,部分完成为1分,完全不能进行为0分;伴有协同运动的活动(包括手触腰椎、肩关节屈曲90°及在肩关节0°肘关节90°时前臂旋前或选货),并确定伴有协同运动的活动第二测评标准和第二测评分数,然后,康复评价模型将获取的轨迹数据依次与各第二测评标准进行比对以确定各第二测评项目各自对应的第二测评分数,康复评价模型进而对获取的各第二测评分数进行加和得到与Fugl-Meyer评定量表对应的第二评分;
和/或者,
康复评价模型读取存储装置以获取技术人员预设的Wolf运动功能评定量表,确定Wolf运动功能评定量表内包含的由简单的关节运动和复合的功能运动组成的15个第三测评项目,并确定各第三测评项目各自对应的第三测评标准和第三测评分数为:上肢能参与测试并完成任务时,评分为5分;上肢能参与测试并完成任务,动作接近正常但完成速度轻度慢或缺乏精确度、协调性和流畅性时,评分为4分;上肢能测试并完成任务.但是动作受到协同运动的一些影响时,评分为3分;上肢能参与测试并完成任务,但是在测试过程中需要未测试上肢的帮助时,评分为2分;上肢没有功能性的参与但试图参与测试,且在单侧动作的测试中未被测试的上肢帮助测试上肢时,评分为1分;上肢没有尝试参与测试时,评分为0分;之后,康复评价模型将获取的轨迹数据依次与各第三测评标准进行比对以确定各第三测评项目各自对应的第三测评分数,康复评价模型进而对获取的各第三测评分数进行加和得到与Wolf运动功能评定量表对应的第三评分;
和/或者,
康复评价模型读取存储装置以获取技术人员预设的Dash上肢功能评定量表,确定Dash上肢功能评定量表内包含的30个第四测评项目,并确定各第四测评项目各自对应的第四测评标准和第四测评分数为:测试肢体在参与测试时毫无困难时为1分,测试肢体在参与测试时有点困难为2分,测试肢体在参与测试时中等困难但能做到为3分,测试肢体在参与测试时非常困难为4分,测试肢体在参与测试时无法完成测试任务则为5分;之后,康复评价模型将获取的轨迹数据依次与各第四测评标准进行比对以确定各第四测评项目各自对应的第四测评分数,康复评价模型进而对获取的各第四测评分数进行加和得到与Dash上肢功能评定量表对应的第四评分;
最后,康复评价模型将计算得到的第一评分、第二评分、第三评分及第四评分进行加和得到总分,从而将总分作为用户在康复过程中的主观评价分数。
进一步地,在一种可行的实施例中,多个客观评价表格内包含:常规脑电评价表格和常规肌电评价表格;上述步骤S302,具体可以包括:
步骤S3021:确定所述常规脑电评价表格内包含的各标准轨迹数据,和各所述标准轨迹数据各自对应的标准脑电波数据;
步骤S3022:在各所述标准脑电波数据中确定与所述待测脑电波数据一致的目标脑电波数据,并将所述目标脑电波数据对应的标准轨迹数据与所述轨迹数据进行比对得到第一比对结果;
步骤S3023:基于所述第一比对结果确定与所述常规脑电评价表格对应的第五评分;
步骤S3024:确定所述常规肌电评价表格内包含的各所述标准轨迹数据,和各所述标准轨迹数据自对应的标准肌电图数据;
步骤S3025:在各所述标准肌电图数据中确定与所述待测肌电图数据一致的目标肌电图数据,并将所述目标肌电图数据对应的标准轨迹数据与所述轨迹数据进行比对得到第二比对结果;
步骤S3026:基于所述第二比对结果确定与所述常规肌电评价表格对应的第六评分;
步骤S3027:对所述第五评分和所述第六评分进行加和计算得到所述用户对应的客观评价分数;
示例性地,例如,康复评价模型读取存储装置以获取技术人员预设的常规脑电评价表格,并确定常规脑电评价表格内包含的各标准轨迹数据和各标准轨迹数据各自对应的标准脑电波数据,之后,康复评价模型将终端设备输入的身体信号数据内包含的待测脑电波数据分别与各标准脑电波数据进行比对,从而在各标准脑电波数据中确定与待测脑电波数据一致的目标脑电波数据,康复评价模型进而将目标脑电波数据对应的标准轨迹数据与获取的轨迹数据进行比对得到第一比对结果,当第一比对结果为标准轨迹数据与轨迹数据完全重合时,康复评价模型直接基于预设的标准轨迹数据对应的测评分数确定与常规脑电评价表格对应的第五评分,而当第一比对结果标准轨迹数据与轨迹数据不完全重合时,康复评价模型确定标准轨迹数据与轨迹数据之间的差距,并基于该差距确定第五评分;
和/或者,
康复评价模型读取存储装置以获取技术人员预设的常规肌电评价表格,并确定常规肌电评价表格内包含的各标准轨迹数据和各标准轨迹数据各自对应的标准肌电图数据,之后,康复评价模型将终端设备输入的身体信号数据内包含的待测肌电图数据与各标准肌电图数据进行比对,从而在各标准肌电图数据中确定与待测肌电图数据一致的目标肌电图数据,再之后,康复评价模型将目标肌电图数据对应的标准轨迹数据与轨迹数据进行比对得到第二比对,当第二比对结果为标准轨迹数据与轨迹数据完全重合时,康复评价模型直接基于预设的标准轨迹数据对应的测评分数确定与常规肌电评价表格对应的第六评分,而当第一比对结果为标准轨迹数据与轨迹数据不完全重合时,康复评价模型确定标准轨迹数据与轨迹数据之间的差距,并基于该差距确定第六评分;
之后,康复评价模型对获取的第五评分和第六评分进行加和得到总分,从而将总分作为用户在康复过程中的客观评价分数。
需要说明的是,在另一实施例中,康复评价模型在确定常规脑电评价表格内包含的各标准轨迹数据和各标准轨迹数据各自对应的标准脑电波数据之后,还可以将终端设备输入的轨迹信号与各标准轨迹数据进行比对,从而找到与轨迹信号一致的目标轨迹数据,之后,康复评价模型将目标轨迹数据对应的标准脑电波数据与待测脑电波数据进行比对从而得到第三比对结果,在第三比对结果为标准脑电波数据与待测脑电波数据一致时,康复评价模型直接基于预设的测评分数确定与常规脑电评价表格对应的第五评分,而在第三比对结果为标准脑电波数据与待测脑电波数据不一致时,康复评价模型确定标准脑电波数据与待测脑电波数据之间的差距,并基于该差距确定第五评分;
同样的,康复评价模型在确定常规肌电评价表格内包含的各标准轨迹数据和各标准轨迹数据各自对应的标准肌电图数据之后,还可以将终端设备输入的轨迹信号与各标准轨迹数据进行比对,从而找到与轨迹信号一致的目标轨迹数据,之后,康复评价模型将目标轨迹数据对应的标准肌电图数据与待测肌电图数据进行比对从而得到第四比对结果,在第四比对结果为标准肌电图数据与待测肌电图数据一致时,康复评价模型直接基于预设的测评分数确定与常规肌电评价表格对应的第六评分,而在第四比对结果为标准肌电图数据与待测肌电图数据不一致时,康复评价模型确定标准肌电图数据与待测肌电图数据之间的差距,并基于该差距确定第六评分。
进一步地,在一种可行的实施例中,上述步骤S303,具体可以包括:
步骤S3031:获取所述主观权重值,并根据所述主观权重值确定与所述主观评价分数对应的第一目标分数;
步骤S3032:获取所述客观权重值,并根据所述客观权重值确定与所述客观评价分数对应的第二目标分数;
步骤S3033:将所述第一目标分数与所述第二目标分数进行加和得到所述用户对应的目标评价分数;
示例性地,例如,康复评价模型获取技术人员预设的主观权重值和客观权重值,并确定主观权重值为0.3,客观权重值为0.7,之后,康复评价模型基于主观权重值对主观评价分数进行计算得到第一目标分数,同样的,康复评价模型基于客观权重值对客观评价分数进行计算得到第二目标分数,康复评价模型将计算得到的第一目标分数和第二目标分数相加得到目标评价总分。
需要说明的是,在本实施例中,主观权重值和客观权重值各自之间的大小关系和具体数据,可以由技术人员或医师根据用户的实际情况进行设置,本申请对此不做限制。
步骤S40:基于所述目标评价分数对预设的康复等级表格进行筛选,从而确定与所述目标评价分数对应的目标康复等级,其中,所述康复等级表格内包含多个标准康复等级,和与多个所述标准康复等级各自对应的标准评价分数;
在本实施例中,终端设备读取存储装置以获取预设的康复等级表格,并确定康复等级表格内包含的多个标准康复等级,和多个标准康复等级各自对应的标准评价分数,终端设备进而基于获取的目标评价分数对康复等级表格进行筛选,从而在多个标准康复等级中确定与目标评价分数对应的目标康复等级。
示例性地,例如,终端设备首先读取存储装置以获取技术人员预设的康复等级表格,并确定康复等级表格内包含的多个标准康复等级,和多个标准康复等级各自对应的标准评价分数,终端设备进而基于获取的目标评价分数对各标准评价分数进行筛选,从而确定与目标评价分数一致的标准评价分数,并将该标准评价分数对应的标准康复等级确定为与目标评价分数对应的目标康复等级。
在本实施例中,终端设备在运行时,首先与预设的第三方服务器连接,从而获取第三方服务器发出的训练计划,终端设备进而根据训练计划确定外骨骼装置上各部件各自对应的运动角度,并根据各运动角度确定外骨骼装置对应的移动轨迹,之后,终端设备控制外骨骼装置按照移动轨迹进行移动,并在外骨骼装置在移动时,通过布置在外骨骼装置上的各传感装置对外骨骼装置和佩戴外骨骼装置的用户进行检测,从而获取用户在佩戴外骨骼装置时产生的身体信号数据,和外骨骼装置在移动过程中产生的轨迹数据,终端设备进而将获取的轨迹数据和身体信号数据输入至终端设备内预设的康复评价模型,再之后,康复评价模型基于获信号数据确定设的多个主观评价表格、多个预设的客观评价表格、获取的轨迹数据及身体信号数据对用户的康复程度进行测评,从而得到与用户对应的目标评价分数,并将目标评价分数上传至终端设备,最后,终端设备读取存储装置以获取预设的康复等级表格,并确定康复等级表格内包含的多个标准康复等级,和多个标准康复等级各自对应的标准评价分数,终端设备进而基于获取的目标评价分数对康复等级表格进行筛选,从而在多个标准康复等级中确定与目标评价分数对应的目标康复等级。
如此,本申请通过由康复评价模型基于用户在康复训练过程中的各数据确定康复训练对应的主观评价结果和客观评价结果,并将主观评价结果与客观评价结果相结合的方式,达到了能够准确评估用户的康复等级的技术效果。
进一步地,请参照图3,图3为本申请模态自定义映射康复辅助的控制方法第二实施例的流程示意图。
基于上述本申请模态自定义映射康复辅助的控制方法的第一实施例,在此提出本申请模态自定义映射康复辅助的控制方法第二实施例;
在上述步骤S10之前,本申请模态自定义映射康复辅助的控制方法还可以包括以下步骤:
步骤A10:获取预设的各标准轨迹数据,确定各所述标准轨迹数据各自在预设的多个主观评价表格内对应的各测评分数;
在本实施例中,终端设备首先读取存储装置以获取技术人员预先存储的多个主观评价表格和各标准轨迹数据,终端设备从而确定各标准轨迹数据各自在多个主观评价表格内对应的测评分数。
步骤A20:确定各所述标准轨迹数据各自在预设的多个客观评价表格内对应的标准脑电波数据和标准肌电图数据;
在本实施例中,终端设备读取存储装置以获取技术人员预先存储的多个客观评价表格,并确定各标准轨迹数据各自在多个主观评价表格内对应的标准脑电波数据和标准肌电图数据。
步骤A30:基于各所述标准轨迹数据、各所述测评分数、各所述标准脑电波数据和及各所述标准肌电图数据构建训练集、测试集及验证集;
在本实施例中,终端设备将各标准轨迹数据,和各标准轨迹数据各自对应的各测评分数、标准脑电波数据及标准肌电图数据进行绑定从而生成数据集,并按照预设的比例将各数据集分为训练集、测试集及验证集。
步骤A40:通过所述训练集、所述验证集及所述测试集对预设的初始评价模型进行训练以生成康复评价模型;
在本实施例中,终端设备将生成的训练集、测试集及验证集输入至终端设备内的模型训练装置,由模型训练装置通过训练集和测试集对预设的初始评价模型进行训练从而得到待验证模型,终端设备进而通过验证集对待验证模型进行检测以生成康复评价模型。
示例性地,例如,终端设备首先读取存储装置以获取技术人员预先存储的各标准轨迹数据,和Brunnstrom评定量表、Fugl-Meyer评定量表、Wolf运动功能评定量表及Dash上肢功能评定量表等多个主观评价表格,并确定各标准轨迹数据各自在多个主观评价表格内对应的测评分数,同时,终端设备确定技术人员预先存储的常规脑电评价表格和常规肌电评价表格等多个客观评价表格,并确定各标准轨迹数据各自在多个客观评价表格内对应的标准脑电波数据和标准肌电图数据,之后,终端设备将各标准轨迹数据分别与各标准轨迹数据各自对应的测评分数、标准脑电波数据及标准肌电图数据进行绑定从而生成数据集,再之后,终端设备按照8:1:1的比例,将各数据集分为训练集、测试集及验证集,并将训练集、测试集及验证集输入至终端设备内配置的模型训练装置,由模型训练装置通过训练集和测试集内技术人员预设的初始评价模型进行训练从而生成康复评价模型。
进一步地,在一种可行的实施例中,上述步骤A40,具体可以包括:
步骤A401:基于所述训练集和所述测试集内包含的各标准轨迹数据与各所述标准轨迹数据各自对应的所述测评分数、所述标准脑电波数据及所述标准肌电图数据之间的非线性映射关系,对预设的初始评价模型进行训练得到待验证评价模型;
步骤A402:通过所述验证集对所述待验证评价模型进行验证以生成康复评价模型;
示例性地,例如,模型训练装置首先确定各训练集和各测试集内各自包含的标准轨迹数据,和各标准轨迹数据各自对应的测评分数、标准脑电波数据及标准肌电图数据,并确定各标准轨迹数据与各自对应的测评分数、标准脑电波数据及标准肌电图数据非映射关系,模型训练装置进而基于非线性映射关系对预设的初始评价模型进行训练并记录训练次数,之后,模型训练装置在检测到训练次数达到收敛阈值时确定生成待验证模型,模型训练装置进而通过验证集对待验证模型进行验证从而判断待验证模型是否通过验证,若判断到待验证模型通过验证,则模型训练装置确定待验证模型为康复评价模型。
在本实施例中,终端设备首先读取存储装置以获取技术人员预先存储的多个主观评价表格和各标准轨迹数据,终端设备从而确定各标准轨迹数据各自在多个主观评价表格内对应的测评分数,之后,终端设备读取存储装置以获取技术人员预先存储的多个客观评价表格,并确定各标准轨迹数据各自在多个主观评价表格内对应的标准脑电波数据和标准肌电图数据,再之后,终端设备将各标准轨迹数据,和各标准轨迹数据各自对应的各测评分数、标准脑电波数据及标准肌电图数据进行绑定从而生成数据集,并按照预设的比例将各数据集分为训练集、测试集及验证集,最后,终端设备将生成的训练集、测试集及验证集输入至终端设备内的模型训练装置,由模型训练装置通过训练集和测试集对预设的初始评价模型进行训练从而得到待验证模型,终端设备进而通过验证集对待验证模型进行检测以生成康复评价模型。
如此,本申请采用调用模型训练装置基于预设的多个主观评价表格、多个客观评价表格及各标准轨迹数据对预设的初始评价模型进行训练的方式,达到了获取能够将主观评价结果与客观评价结果相结合从而确定用户恢复程度的康复评价模型的目的。
进一步地,请参照图4,图4为本申请模态自定义映射康复辅助的控制方法第三实施例的流程示意图。
基于上述本申请模态自定义映射康复辅助的控制方法的第一实施例和/或者第二实施例,在此提出本申请模态自定义映射康复辅助的控制方法第三实施例;
在上述步骤S20之后,本申请模态自定义映射康复辅助的控制方法还可以包括以下步骤:
步骤B10:根据所述移动轨迹生成体感信号,并将所述体感信号输入至所述虚拟现实设备内;
在本实施例中,终端设备根据检测到的移动轨迹生成体感信号,并将体感信号输入至与外骨骼装置相连的虚拟现实设备。
步骤B20:确定与所述体感信号对应的交互结果,并将所述交互结果输入至所述康复评价模型,由所述康复评价模型基于所述交互结果确定用户对应的目标康复等级;
在本实施例中,终端设备对虚拟现实设备进行检测,从而检测虚拟现实设备在接收到体感信号之后产生的交互结果,终端设备进而将获取的交互结果输入至康复评价模型,由康复评价模型基于交互结果确定用户对应的目标康复等级。
示例性地,例如,当用户在同时佩戴外骨骼装置和虚拟现实装置进行康复训练时,终端设备可以通过部署在外骨骼装置上的加速度传感器对外骨骼装置进行检测,从而确定外骨骼装置在移动时产生的移动轨迹,终端设备进而根据移动轨迹对应的轨迹数据生成体感信号,并将体感信号输入至与外骨骼装置相连的虚拟现实设备,以供虚拟现实设备基于体感信号和用户佩戴虚拟现实设备时查看的界面生成对应的交互结果,之后,虚拟现实设备将交互结果发送至终端设备,由终端设备将交互结果输入至康复评价模型,以供康复评价模型基于交互结果和预设的多个主观评价表格、多个客观评价表格确定用户对应的目标康复等级。
可以理解的是,康复评价模型基于交互结果和预设的多个主观评价表格、多个客观评价表格确定用户对应的目标康复等级的具体过程,与本申请上述实施例中康复评价模型确定目标康复等级的过程基本一致,故此处不再进行赘述。
在本实施例中,终端设备根据检测到的移动轨迹生成体感信号,并将体感信号输入至与外骨骼装置相连的虚拟现实设备,之后,终端设备对虚拟现实设备进行检测,从而检测虚拟现实设备在接收到体感信号之后产生的交互结果,终端设备进而将获取的交互结果输入至康复评价模型,由康复评价模型基于交互结果确定用户对应的目标康复等级。
如此,本申请采用根据外骨骼装置的移动轨迹生成体感信号,并将体感信号输入至虚拟现实设备,从而由虚拟现实设备基于移动轨迹生成交互结果,最终基于交互结果确定用户对应的目标康复等级的方式,达到了提高用户的训练积极性的目的,还能够准确判断用户的恢复情况。
此外,本申请还提供一种终端设备,该终端设备上有可在处理器上运行的模态自定义映射康复辅助的控制程序,所述终端设备执行所述模态自定义映射康复辅助的控制程序时实现如以上任一项实施例所述的模态自定义映射康复辅助的控制方法的步骤。
本申请终端设备的具体实施例与上述模态自定义映射康复辅助的控制方法各实施例基本相同,在此不作赘述。
此外,本申请还提供一种计算机可读存储介质,该计算机可读存储介质上存储有模态自定义映射康复辅助的控制程序,所述模态自定义映射康复辅助的控制程序被处理器执行时实现如以上任一项实施例所述模态自定义映射康复辅助的控制方法的步骤。
本发计算机可读存储介质的具体实施例与上述模态自定义映射康复辅助的控制方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还 包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、 方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通 过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光 盘)中,包括若干指令用以使得一台终端设备(可以是执本申请模态自定义映射康复辅助的控制方法的终端设备,该终端设备具体可以是移动终端、数据存储控制终端、PC或者便携计算机等终端)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种模态自定义映射康复辅助的控制方法,其特征在于,所述方法应用于配置有外骨骼装置的终端设备,所述模态自定义映射康复辅助的控制方法包括以下步骤:
根据预设的训练计划确定所述外骨骼装置的移动轨迹;
控制所述外骨骼装置按照所述移动轨迹进行移动并收集所述外骨骼装置在移动过程中产生的轨迹数据和身体信号数据,将所述轨迹数据和所述身体信号数据输入至预设的康复评价模型;
由所述康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定用户对应的目标评价分数;
所述由所述康复评价模型基于预设的多个主观评价表格、预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的目标评价分数的步骤,包括:
由所述康复评价模型基于预设的多个主观评价表格和所述轨迹数据确定所述用户对应的主观评价分数;
由所述康复评价模型基于预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的客观评价分数,其中,多个客观评价表格内包含:常规脑电评价表格和常规肌电评价表格,所述身体信号数据包含待测脑电波数据和待测肌电图数据;
基于所述主观评价分数、所述客观评价分数及预设的各权重值确定所述用户对应的目标评价分数;
所述由所述康复评价模型基于预设的多个客观评价表格、所述轨迹数据及所述身体信号数据确定所述用户对应的客观评价分数的步骤,包括:
确定常规脑电评价表格内包含的各标准轨迹数据,和各所述标准轨迹数据各自对应的标准脑电波数据;
在各所述标准脑电波数据中确定与待测脑电波数据一致的目标脑电波数据,并将所述目标脑电波数据对应的标准轨迹数据与所述轨迹数据进行比对得到第一比对结果;
基于所述第一比对结果确定与所述常规脑电评价表格对应的第五评分;
和,
确定常规肌电评价表格内包含的各所述标准轨迹数据,和各所述标准轨迹数据自对应的标准肌电图数据;
在各所述标准肌电图数据中确定与待测肌电图数据一致的目标肌电图数据,并将所述目标肌电图数据对应的标准轨迹数据与所述轨迹数据进行比对得到第二比对结果;
基于所述第二比对结果确定与所述常规肌电评价表格对应的第六评分;
对所述第五评分和所述第六评分进行加和计算得到所述用户对应的客观评价分数;
基于所述目标评价分数对预设的康复等级表格进行筛选,从而确定与所述目标评价分数对应的目标康复等级,其中,所述康复等级表格内包含多个标准康复等级,和与多个所述标准康复等级各自对应的标准评价分数。
2.如权利要求1所述的模态自定义映射康复辅助的控制方法,其特征在于,多个主观评价表格包含:Brunnstrom评定量表、Fugl-Meyer评定量表、Wolf运动功能评定量表及Dash上肢功能评定量表;
所述由所述康复评价模型基于预设的多个主观评价表格和所述轨迹数据确定所述用户对应的主观评价分数的步骤,包括:
确定所述Brunnstrom评定量表内各第一测评项目各自对应的第一测评分数和第一测评标准,并将所述轨迹数据分别与各所述第一测评标准进行比对以确定所述轨迹数据对应的各第一测评分数,对各所述第一测评分数进行加和得到与所述Brunnstrom评定量表对应的第一评分;
和,
确定所述Fugl-Meyer评定量表内各第二测评项目各自对应的第二测评分数和第二测评标准,并将所述轨迹数据分别与各所述第二测评标准进行比对以确定所述轨迹数据对应的各第二测评分数,对各所述第二测评分数进行加和而得到与所述Fugl-Meyer评定量表对应的第二评分;
和,
确定所述Wolf运动功能评定量表内各第三测评项目各自对应的第三测评分数和第三测评标准,并将所述轨迹数据分别与各所述第三测评标准进行比对以确定所述轨迹数据对应的各第三测评分数,对各所述第三测评分数进行加和而得到与所述Wolf运动功能评定量表对应的第三评分;
和,
确定所述Dash上肢功能评定量表内各第四测评项目各自对应的第四测评分数和第四测评标准,并将所述轨迹数据分别与各所述第四测评标准进行比对以确定所述轨迹数据对应的各第四测评分数,对各所述第四测评分数进行加和而得到与所述Dash上肢功能评定量表对应的第四评分;
对所述第一评分、所述第二评分、所述第三评分及所述第四评分进行加和得到所述用户对应的主观评价分数。
3.如权利要求1所述的模态自定义映射康复辅助的控制方法,其特征在于,各权重值包含主观权重值和客观权重值,所述基于所述主观评价分数、所述客观评价分数及预设的各权重值确定所述用户对应的目标评价分数的步骤,包括:
获取所述主观权重值,并根据所述主观权重值确定与所述主观评价分数对应的第一目标分数;
获取所述客观权重值,并根据所述客观权重值确定与所述客观评价分数对应的第二目标分数;
将所述第一目标分数与所述第二目标分数进行加和得到所述用户对应的目标评价分数。
4.如权利要求1所述的模态自定义映射康复辅助的控制方法,其特征在于,在所述根据预设的训练计划确定所述外骨骼装置的移动轨迹的步骤之前,所述方法还包括:
获取预设的各标准轨迹数据,确定各所述标准轨迹数据各自在预设的多个主观评价表格内对应的各测评分数;
确定各所述标准轨迹数据各自在预设的多个客观评价表格内对应的标准脑电波数据和标准肌电图数据;
基于各所述标准轨迹数据、各所述测评分数、各所述标准脑电波数据和及各所述标准肌电图数据构建训练集、测试集及验证集;
通过所述训练集、所述验证集及所述测试集对预设的初始评价模型进行训练以生成康复评价模型。
5.如权利要求4所述的模态自定义映射康复辅助的控制方法,其特征在于,所述通过所述训练集、所述验证集及所述测试集对预设的初始评价模型进行训练以生成康复评价模型的步骤,包括:
基于所述训练集和所述测试集内包含的各标准轨迹数据与各所述标准轨迹数据各自对应的所述测评分数、所述标准脑电波数据及所述标准肌电图数据之间的非线性映射关系,对预设的初始评价模型进行训练得到待验证评价模型;
通过所述验证集对所述待验证评价模型进行验证以生成康复评价模型。
6.如权利要求1所述的模态自定义映射康复辅助的控制方法,其特征在于,所述终端设备内还配置有虚拟现实设备,所述虚拟现实设备与所述外骨骼装置相连;
在所述控制所述外骨骼装置按照所述移动轨迹进行移动的步骤之后,所述方法还包括:
根据所述移动轨迹生成体感信号,并将所述体感信号输入至所述虚拟现实设备内;
确定与所述体感信号对应的交互结果,并将所述交互结果输入至所述康复评价模型,由所述康复评价模型基于所述交互结果确定用户对应的目标康复等级。
7.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的模态自定义映射康复辅助的控制程序,所述模态自定义映射康复辅助的控制程序被所述处理器执行时实现如权利要求1至6中任一项所述的模态自定义映射康复辅助的控制方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有模态自定义映射康复辅助的控制程序,所述模态自定义映射康复辅助的控制程序被处理器执行时实现如权利要求1至6中任一项所述的模态自定义映射康复辅助的控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377775.XA CN116158944B (zh) | 2023-04-11 | 2023-04-11 | 模态自定义映射康复辅助的控制方法、终端设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377775.XA CN116158944B (zh) | 2023-04-11 | 2023-04-11 | 模态自定义映射康复辅助的控制方法、终端设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116158944A CN116158944A (zh) | 2023-05-26 |
CN116158944B true CN116158944B (zh) | 2023-07-14 |
Family
ID=86422140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310377775.XA Active CN116158944B (zh) | 2023-04-11 | 2023-04-11 | 模态自定义映射康复辅助的控制方法、终端设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116158944B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10217157A (ja) * | 1997-02-03 | 1998-08-18 | Toyota Motor Corp | 筋電信号生成装置 |
CN109771940A (zh) * | 2019-01-30 | 2019-05-21 | 浙江强脑科技有限公司 | 游戏控制方法、装置及计算机可读存储介质 |
CN113679568A (zh) * | 2021-09-01 | 2021-11-23 | 南京医科大学 | 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 |
WO2022249111A1 (en) * | 2021-05-27 | 2022-12-01 | Neurolutions, Inc. | Stroke rehabilitation therapy predictive analysis |
-
2023
- 2023-04-11 CN CN202310377775.XA patent/CN116158944B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10217157A (ja) * | 1997-02-03 | 1998-08-18 | Toyota Motor Corp | 筋電信号生成装置 |
CN109771940A (zh) * | 2019-01-30 | 2019-05-21 | 浙江强脑科技有限公司 | 游戏控制方法、装置及计算机可读存储介质 |
WO2022249111A1 (en) * | 2021-05-27 | 2022-12-01 | Neurolutions, Inc. | Stroke rehabilitation therapy predictive analysis |
CN113679568A (zh) * | 2021-09-01 | 2021-11-23 | 南京医科大学 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN116158944A (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11116441B2 (en) | Apparatus, method, and system for pre-action therapy | |
Haberfehlner et al. | Instrumented assessment of motor function in dyskinetic cerebral palsy: a systematic review | |
US10532000B1 (en) | Integrated platform to monitor and analyze individual progress in physical and cognitive tasks | |
Aung et al. | Estimation of upper limb joint angle using surface EMG signal | |
US9460266B2 (en) | System and a method for scoring functional abilities of a patient | |
Wade et al. | Automated administration of the wolf motor function test for post-stroke assessment | |
CN101568302A (zh) | 用来评定本体感受功能的方法和装置 | |
Lv et al. | Evaluation of Kinect2 based balance measurement | |
Gamecho et al. | A context-aware application to increase elderly users compliance with physical rehabilitation exercises at home via animatronic biofeedback | |
US20220019284A1 (en) | Feedback from neuromuscular activation within various types of virtual and/or augmented reality environments | |
Hua et al. | Evaluation of machine learning models for classifying upper extremity exercises using inertial measurement unit-based kinematic data | |
Funabashi et al. | Agar: A vr serious game to support the recovery of post-stroke patients | |
US20220104755A1 (en) | Digital biomarker | |
Junata et al. | Kinect-based rapid movement training to improve balance recovery for stroke fall prevention: a randomized controlled trial | |
Gauthier et al. | Human movement quantification using Kinect for in-home physical exercise monitoring | |
Dorado et al. | A computer-vision-based system for at-home rheumatoid arthritis rehabilitation | |
Wei et al. | Muscle activation visualization system using adaptive assessment and forces-EMG mapping | |
Garcia et al. | Assessing the Kinect’s capabilities to perform a time-based clinical test for fall risk assessment in older people | |
Gharaei et al. | Optimizing the setting of medical interactive rehabilitation assistant platform to improve the performance of the patients: A case study | |
US20240082098A1 (en) | Stroke rehabilitation therapy predictive analysis | |
Mrotek et al. | The Arm Movement Detection (AMD) test: a fast robotic test of proprioceptive acuity in the arm | |
Hidayat et al. | LOVETT scalling with MYO armband for monitoring finger muscles therapy of post-stroke people | |
Onal et al. | Predicting running injury using kinematic and kinetic parameters generated by an optical motion capture system | |
CN116158944B (zh) | 模态自定义映射康复辅助的控制方法、终端设备及介质 | |
Ranzani et al. | Method for muscle tone monitoring during robot-assisted therapy of hand function: a proof of concept |
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 |