CN117503115A - 用于神经损伤的康复训练系统及训练方法 - Google Patents

Abstract

本发明公开了用于神经损伤的康复训练系统及训练方法，涉及计算机技术领域，系统包括采集模块、身体姿态模块、评估模块、训练方案推荐模块、预测模块、交互显示模块、训练辅助器件和VR设备；使神经损伤康复者可以以卧姿、坐姿或者站姿进行各种丰富的上下肢及前庭康复训练，训练时会基于混合现实技术构建各种训练场景，康复者可以徒手或者使用康复设备进行康复训练；同时基于训练过程中的结果数据和身体状态对训练方案进行推荐，最大程度的提升康复的趣味性及有效性，增强患者的依从性，缓解了康复资源紧缺的问题。

Description

用于神经损伤的康复训练系统及训练方法

技术领域

本发明涉及计算机技术领域，尤其涉及一种用于神经损伤的康复训练系统及训练方法。

背景技术

虚拟现实技术(Virtual Reality，VR)和混合现实技术(Mixed Reality，MR)是两种重要的增强现实技术，它们都可以用于创建交互式虚拟环境，提供逼真的沉浸式体验。

模式识别，寻找数据中的模式问题是一个基本问题，模式识别领域关注的是利用计算机算法自动发现数据中的规律，以及使用这些规律采取将数据分类等行动。

神经损伤是指神经系统的一部分遭受到了损伤或损失，可能导致身体某些部位的功能障碍。神经损伤可以发生在中枢神经系统(如大脑和脊髓)或周围神经系统(如神经根、神经干和末梢神经)中的任何部分。神经损伤的症状和严重程度因个人情况和损伤类型而异。轻微的损伤可能只会导致短暂的感觉异常或肌肉无力，而更严重的损伤可能会导致永久性的残疾。在神经损伤中，脑外伤、脑卒中、脑炎及脑膜炎是主要的病因。其中脑卒中近些年在神经损伤中占比越来越大。

脑卒中是一类由于脑血管阻塞或破裂而导致流入大脑的血液中断所引起的部分组织受损的疾病，以出血性卒中和缺血性卒中为主。根据世界卫生组织统计，每年全世界范围内约1500万人发生脑卒中，其中约580万人因脑卒中死亡。随着我国人口老龄化进程的加快，脑卒中正逐渐成为我国患病架构中占主要比重的疾病，患病人数也在逐年升高。尽管现代诊疗技术飞速发展，过去20年脑卒中的死亡率已有了明显的下降，但是卒中后患者的管理给临床工作者带来更多的挑战。据统计，我国的脑卒中患者约80％伴有肢体功能缺陷，其中又有约60％的患者在发病后的半年内仍存在肢体功能障碍，成为患者生活质量下降的主要原因，同时也是家庭康复护理和患者重新回归正常生活的主要障碍。

传统的神经损伤康复需要康复师、患者及患者家属共同制定方案并在专业的康复机构进行康复，但存在康复资源分布不均、康复过程枯燥、整个康复过程相对较长导致患者依从性低、康复效果太依赖于康复师经验水平、自主康复难等问题，同时传统的康复很难进行前庭方面量化指标的评估及训练。

发明内容

本发明的目的就在于为了解决上述问题设计了一种用于神经损伤的康复训练系统及训练方法。

本发明通过以下技术方案来实现上述目的：

用于神经损伤的康复训练系统，包括：

采集模块；采集模块用于采集康复者的基础信息和训练信息，基础信息包括康复者的基础数据和身体数据；

身体姿态模块；身体姿态模块用于根据训练信息和身体数据分析人体的特征关节点，身体姿态模块的数据信号输入端与采集模块的数据信号输出端连接；

评估模块；评估模块用于根据基础信息评估康复者的身体状态，评估模块的数据信号输入端与身体姿态模块的数据信号输出端连接；

训练方案推荐模块；训练方案推荐模块用于分析身体状态得到推荐的训练方案，训练方案推荐模块的数据信号输入端与评估模块的数据信号输出端连接；

预测模块；预测模块用于根据身体状态预测分析康复训练预测效果，预测模块的数据信号输入端与评估模块的数据信号输出端连接；

交互显示模块；交互显示模块用于康复者查询以及显示训练数据、康复训练预测效果、康复情况的分析结果，交互显示模块的数据信号输入端分别与评估模块和训练方案推荐模块的数据信号输出端连接；

训练辅助器件；

VR设备；VR设备用于根据训练辅助器件和训练方案构建虚拟训练场景，训练辅助器件用于辅助虚拟康复训练时康复者的使用，VR设备的数据信号输入端与训练方案推荐模块的数据信号输出端连接。

用于神经损伤的康复训练方法，包括：

S1、采集康复者的基础信息，基础信息包括康复者的基础数据和身体数据；

S2、根据基础信息评估康复者的身体状态；

S3、利用训练方案推荐模型分析身体状态得到推荐的训练方案；

S4、预测模型根据康复者的身体状态预测分析康复训练预测效果；

S5、康复者穿戴VR设备，并位于训练方案对应的训练辅助器件前；

S6、VR设备根据训练辅助器件和训练方案构建虚拟训练场景；

S7、康复者根据训练方案进行康复训练，并实时采集康复训练过程中的训练信息。

本发明的有益效果在于：使神经损伤康复者可以以卧姿、坐姿或者站姿进行各种丰富的上下肢及前庭康复训练，训练时会基于混合现实技术构建各种训练场景，康复者可以徒手或者使用康复设备进行康复训练；同时基于训练过程中的结果数据和身体状态对训练方案进行推荐，最大程度的提升康复的趣味性及有效性，增强患者的依从性，缓解了康复资源紧缺的问题。

附图说明

图1是本发明用于神经损伤的康复训练系统的示意图；

图2是本发明用于神经损伤的康复训练方法的流程示意图；

图3是本发明训练方案推荐模型的流程示意图；

图4是本发明预测模型的流程示意图；

图5是本发明偏侧忽略结果的示意图；

图6是本发明人体的特征关节点的示意图；

图7是本发明图像数据处理的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

下面结合附图，对本发明的具体实施方式进行详细说明。

如图1所示，用于神经损伤的康复训练系统，包括：

采集模块；采集模块用于采集康复者的基础信息和训练信息，基础信息包括康复者的基础数据和身体数据；

身体姿态模块；身体姿态模块用于根据训练信息和身体数据分析人体的特征关节点，如图6所示，身体姿态模块的数据信号输入端与采集模块的数据信号输出端连接；

评估模块；评估模块用于根据基础信息评估康复者的身体状态，评估模块的数据信号输入端与身体姿态模块的数据信号输出端连接；

训练方案推荐模块；训练方案推荐模块用于分析身体状态得到推荐的训练方案，训练方案推荐模块的数据信号输入端与评估模块的数据信号输出端连接；

预测模块；预测模块用于根据身体状态预测分析康复训练预测效果，预测模块的数据信号输入端与评估模块的数据信号输出端连接；

交互显示模块；交互显示模块用于康复者查询以及显示训练数据、康复训练预测效果、康复情况的分析结果，交互显示模块的数据信号输入端分别与评估模块和训练方案推荐模块的数据信号输出端连接；

训练辅助器件；

VR设备；VR设备用于根据训练辅助器件和训练方案构建虚拟训练场景，训练辅助器件用于辅助虚拟康复训练时康复者的使用，VR设备的数据信号输入端与训练方案推荐模块的数据信号输出端连接。

采集模块包括数据录入模块和深度光学摄像头模块，数据录入模块用于录入康复者的基础数据，深度光学摄像头模块用于采集身体数据和训练信息，深度光学摄像头模块采集到的图像数据进行数据处理，如图7所示。

如图2所示，用于神经损伤的康复训练方法，包括：

S1、采集康复者的基础信息，基础信息包括康复者的基础数据和身体数据，基础数据包括：

患者的一般情况：姓名、性别、年龄、发病时间、入院时间、诊断

身体结构与功能：病变部位、视觉、语言、听觉、既往史、并发症、移动及自理能力、昏迷量表、痉挛评定、疼痛评定、感觉功能评定、运动功能评定、PROM评定、平衡功能评定、Fulg-Meyer评定、协调性检查

个体活动：移动能力评定、功能性步行分类、步行耐力实验、步行速度实验、步态分析

社会参与：工作、兴趣爱好

环境因素和个人因素

通过这些详细信息的录入，可以从权威的角度评定每个阶段患者的各项能力，同时这些数据也作为输入项用作患者康复效果的预测。

S2、根据基础信息评估康复者的身体状态。

S3、利用训练方案推荐模型分析身体状态得到推荐的训练方案；如图3所示，训练方案推荐模型包括第一输入层、第一Resnet50卷积神经网络、第一EfficientNetV2卷积神经网络、第一Darknet53卷积神经网络和第一输出层，第一输入层用于输入身体状态，第一输入层的输出分别作为第一Resnet50卷积神经网络、第一EfficientNetV2-M卷积神经网络和第一Darknet53卷积神经网络的输入，第一Resnet50卷积神经网络、第一EfficientNetV2卷积神经网络和第一Darknet53卷积神经网络的输出均作为输出层的输入，输出层对第一Resnet50卷积神经网络、第一EfficientNetV2卷积神经网络和第一Darknet53卷积神经网络的输出进行融合输出推荐的训练方案，第一输出层采用bagging投票算法。

S4、预测模型根据康复者的身体状态预测分析康复训练预测效果；如图4所示，预测模型包括第二输入层、第二Resnet50卷积神经网络、第二EfficientNetV2卷积神经网络、第二Darknet53卷积神经网络和第二输出层，第二输入层用于输入身体状态，第二输入层的输出分别作为第二Resnet50卷积神经网络、第二EfficientNetV2-M卷积神经网络和第二Darknet53卷积神经网络的输入，第二Resnet50卷积神经网络、第二EfficientNetV2卷积神经网络和第二Darknet53卷积神经网络的输出均作为输出层的输入，输出层对第二Resnet50卷积神经网络、第二EfficientNetV2卷积神经网络和第二Darknet53卷积神经网络的输出进行融合输出康复训练预测效果，第一输出层采用bagging投票算法。

S5、康复者穿戴VR设备，并位于训练方案对应的训练辅助器件前。

S6、VR设备根据训练辅助器件和训练方案构建虚拟训练场景。

S7、康复者根据训练方案进行康复训练，并实时采集康复训练过程中的训练信息。

在姿态评估、上肢康复训练、下肢康复训练、躯干稳定训练训练前需要对患者姿势进行校准。姿势校准时，需要康复者正对深度光学摄像头模块保持身体正直的姿态，此时深度光学摄像头模块会采集康复者的彩色图像数据流传入身体姿态模块中的身体姿势模型，输出人体的17特征关节点，如图6所示；

康复师会指导康复者进行正立姿势的校准，保存校准期间输出的关节点数据及深度图像数据，同时会计算出康复者以下几个基准信息。下文中的深度数据设为Depth，是一个二维数组，Depth[x][y]为像素点坐标为(x,y)的点的深度值，关节点输出的坐标为V_XX，例V_{left_sh oulder}＝(x_{leftsh oulder},y_{leftsh oulder})代表左键的关节点坐标。

身体距离深度摄像头的距离：考虑计算效率及有效性，获取身体的四个特征点，取这四个特征点的中点，并以此中点为中心获取一个正方形区域内深度的均值作为身体距离深度摄像头的距离。设C为此正方形区域边长的1/2，是个系统设置的常值。

V_身体中点＝(V_{leftsh ouler}+V_{right sh ouler}+V_{righ th ip}+V_{lefth ip})/4；

D_{身体距离摄像头距离}＝Mean(Depth[x_身体中点-C：x_身体中点+C，y_身体中点-C：y_身体中点+C])；

头部距离地面的高度：根据深度光学摄像头提供的convert_2d_to_3d函数可以将2维的关节点数据映射到3维坐标系，也就是说通过convert_2d_to_3d函数可以将V_XX坐标映射到真实空间，此处记真实空间坐标为T_XX＝(Tx_xx,Ty_xx)，另设H为摄像头的高度，则头部距离地面的高度则为摄像头高度加上双目关节点均值距离摄像头的高度的和，表示为：

D_{头部距离地面的高度}＝H+(Ty_lefteye+Ty_{righ teye})/2

康复者的臂长：康复者的臂长为双臂伸直状态下，计算双臂肩与腕之间距离的均值，表示为：

康复者的腿长：康复者的臂长为双腿伸直状态下，计算臀与脚踝之间距离的均值，表示为：

身体的代偿处理：由于神经损伤康复者不一定能保持正直的姿势进行评估及训练，系统会保留矫正时的关节点均值信息U，后续在评估或训练过程可以参考此初始位置进行姿势的校准；

身体数据包括上肢数据、躯干数据、下肢数据和偏侧忽略数据，采集身体数据具体为康复者以卧姿或坐姿保持姿态身体正直状态，根据指示做出相应的动作，采集模块实时采集康复者根据指示进行操作时身体的图像数据；采集身体数据时，康复者根据指示做的动作具体为：

上肢数据：做出bobath神经生理疗法握手动作并分别进行向上下左右四个方向及前伸后缩动作；

躯干数据：康复者以坐姿保持姿态身体正直状态，做出身体左右侧摆及身体前倾动作；

下肢数据：康复者以卧姿保持姿态身体正直状态，分别作出双腿屈膝并拢左右摆动的动作及交叉双腿患侧在上进行左右摆动的动作；

偏侧忽略数据：康复者佩戴VR设备，VR设备显示跟视野相关的评估内容，康复者使用手部或者使用眼球追踪进行等分线段及划销作业，如图5所示。

等分线段作业：VR设备中会每隔一段时间在康复者前方随机渲染出一根水平的木条，康复者使用眼球追踪或者手部移动对认定的木条中点进行切割，评估模块评估康复者认定的中点与实际中点的差距，差距反应康复者是否存在偏侧忽略以及偏侧忽略的程度；此得分越小代表偏侧忽略程度越小；

划销作业：VR设备中会在康复者正前方渲染一个平面，平面上存在若干目标物，康复者使用眼球追踪或者手部移动对目视范围内所有的目标物进行选中划销，评估模块评估后康复者划销及未划销的位置信息，反应康复者是否存在偏侧忽略以及偏侧忽略的程度；同时记录患者的视野范围，记为VisualField；

所有的康复训练过程中，VR设备展示的画面皆会根据偏侧忽略获取的VisualField进行调整，能使康复者更好的进行训练。具体的，如图5所示，根据康复者实际的视野范围将内容调整至康复者视野推向正常视野中间距离的1/3，一方面可以让康复者能尽可能看到更多内容，另一方面，可以让康复者更多的进行视野的训练，改善偏侧忽略症状；

训练方案包括上肢训练、下肢训练、躯干训练和眼球追踪训练；上肢训练采用bobath神经生理疗法握手训练、上肢功能训练和手部作业训练进行；下肢训练采用并膝摆动训练和下肢控制训练进行；躯干训练采用左右摆身训练和左右旋转训练进行；眼球追踪训练采用左右扫视训练和移动凝视训练进行；

bobath神经生理疗法握手训练：设置训练范围、前伸后缩能力、目标大小系数、射击速度、道具速度、射击间隔、训练组数和训练时间；开始训练时，VR设备会渲染出训练的场景，在动作教学后，身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理上肢坐标并传输VR设备，上肢坐标作为训练中的准心移动的依据；训练时，康复者通过握手动作移动在前面区域的准心，VR设备在前面区域渲染出现速度、类型不一的各种道具，准心对准并进行伸缩双臂动作进行射击得分，训练结束后会收集记录训练过程中康复者双臂的移动距离、速度及射击完成度；

上肢坐标Coord_upper的计算方法具体为：

坐标原点为姿势校准时双肩的中心点：

上肢坐标为双腕中心点：

上肢深度为获取双腕中心，并向外拓展系统常量C_upper形成一个矩形，计算矩形内深度最小的值，通过与D_{身体距离摄像头距离}的差值可以获取康复者上肢伸出的距离：

D_upper＝D_{身体距离摄像头距离}-min(Depth[Vx_双腕中心-C_upper:Vx_双腕中心+C_upper,Vy_双腕中心-C_upper:Vy_双腕中心+C_upper])；

上肢功能训练：设置击球的范围、球运动的速度系数、球板的大小、训练组数和训练时间。开始训练后，VR设备中会展示现实的环境影像，通过训练辅助器件的手部识别，识别康复者的手部位置；训练开始时，康复者戴上VR设备并坐在训练辅助器件前并用患侧手握单手推板，VR设备在康复者前方渲染半透明的墙壁，并且手部会渲染出球板，训练开始后，康复者需要移动单手推板来击打飞行中的球来得分，训练结束后会收集记录训练过程中康复者击球速度、方向及击打完成度；

手部作业训练：设置道具出现时长、障碍道具出现数量、移动道具速度、训练组数及训练时长；开始训练后，VR设备会渲染出虚拟场景以及道具，通过VR设备的手部识别功能，康复者移动手部去抓取道具，并放在指定位置后得分；其中道具出现的位置及桌面的位置，会基于姿势矫正中获取的D_{头部距离地面的高度}和D_臂长进行位置上的调整，期间会出现可移动、限时的道具以及需要躲避的障碍道具，训练结束后会收集记录训练过程中康复者手部移动速度、范围及抓取完成度；

并膝摆动训练：设置道具出现时长、障碍道具出现数量、移动道具速度、摆腿频率、臀桥频率、训练组数及训练时长，开始训练后，VR设备会渲染出训练的场景，在动作教学后，身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理下肢膝盖坐标并传输VR设备，下肢膝盖坐标作为训练中的准心移动的依据；期间，会出现可移动、需要躲避、需要跨越的障碍道具，康复者需要摆动双膝并根据情况做臀桥动作，训练结束后会收集记录训练过程中康复者摆膝频率、臀桥完成状况及动作完成度；

双膝下肢坐标Coord_lowerknee的计算方法具为：

坐标原点为双膝并拢姿势校准时双膝的中心点：

双膝下肢坐标为双膝中心点：

下肢深度为获取实时的身体距离摄像头的距离D'_{身体距离摄像头距离}，通过与D_{身体距离摄像头距离}的差值可以获取康复者下肢深度：

D_lower＝D_{身体距离摄像头距离}-D_{身体距离摄像头距离}；

下肢控制训练：设置道具出现频率、道具下落速度、障碍道具频率、训练组数及训练时长；开始训练后，VR设备中会渲染出训练的场景，在动作教学后，身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理下肢脚踝坐标并传输VR设备，下肢脚踝坐标作为训练中的的控制道具左右移动的依据；期间，会出现需要躲避的障碍道具，康复者需要患侧腿在上，健侧腿在下进行双腿摆动动作，训练结束后会收集记录训练过程中康复者摆动频率、摆动速度及动作完成度；

脚踝下肢坐标Coord_lowerankle的计算方法为：

坐标原点为姿势校准时双脚踝的中心点：

脚踝下肢坐标为双脚踝中心点：

左右摆身训练：设置障碍道具频率、前进速度、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，

身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理身体躯干偏移量并传输VR设备，身体躯干偏移量作为训练中的人物左右摆动的依据；期间，会出现需要躲避的障碍道具，康复者需要身体进行左右摆动动作进行躲避，训练结束后会收集记录训练过程中康复者摆动频率、摆动速度及动作完成度；

身体躯干偏移量的计算方法为：

康复者姿势矫正时身体的双肩中心与双胯中心点的连线方向为康复者的默认正立方向，与实时获取的双肩中心与双胯中心点的连线方向的角度差为躯干偏移量；

默认正立方向：

实时正立方向：

身体躯干偏移量：

左右旋转训练：设置关卡难易程度、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，VR设备基于内置的陀螺仪判断康复者的身体头部旋转情况，期间，会出现需要身体旋转的关卡，康复者需要旋转身体进行闯关，训练结束后会收集记录训练过程中康复者身体旋转角度、旋转速度及闯关完成度；

左右扫视训练：设置追踪道具的速度、追踪道具的范围、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，VR设备基于内置的眼动仪获取康复者的眼球注视点，期间，VR设备会出现需要康复者眼球扫视的道具，康复者需要注视道具完成训练，训练结束后会收集记录训练过程中康复者眼球移动范围、眼球注视速度及注视完成度；

移动凝视训练：设置追道具的速度、追踪道具的范围、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，VR设备基于内置的眼动仪获取康复者的眼球注视点，期间，VR设备会出现需要康复者眼球追踪并凝视的道具，康复者需要移动凝视道具完成训练，训练结束后会收集记录训练过程中康复者眼球移动范围、凝视时间及凝视完成度；

步行训练：需要康复者佩戴好VR设备后，进入平衡杠的活动范围，开时训练后，VR设备会展示现实的环境影像，同时会在环境影像中识别出平衡杠的位置和方位，康复者通过移动双腿进行行走。

对比传统的神经损伤康复，传统的康复过程中对康复者的偏侧忽略方面的康复内容较少并且训练结果不能量化保存，本系统提供了偏侧忽略的训练内容，训练的更加全面；对比现有的一些神经损伤康复系统来说，本系统提供了全面的康复内容(上肢、下肢、躯干、步行、眼球)，并且提供了包含坐姿、卧姿及站姿适用于各种阶段康复者的康复需求，同时也利用混合现实技术将日常康复中使用的训练辅助器件中的砂磨板及平衡杠集成到本系统中，提供更加丰富的训练内容、更加全面的训练部位及提升患者康复训练的效果。

对比现有的一些神经损伤康复系统，控制方式主要还是基于手柄，只能针对部分上肢缺陷的患者进行部分训练，本系统使用了多维度的控制方法，通过眼球追踪、手部追踪、身体关节点追踪对全身进行针对性的训练。

本系统针对神经损伤患者从急性期到康复期全阶段的康复阶段，而其他神经损伤康复系统只针对特定的阶段或者特定的作业进行康复。

4.训练方案：本系统使用了人工智能推荐系统对康复方案进行细致的定制，其他系统只能根据康复师手动进行选择。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (8)

1.用于神经损伤的康复训练系统，其特征在于，包括：

采集模块；采集模块用于采集康复者的基础信息和训练信息，基础信息包括康复者的基础数据和身体数据；

身体姿态模块；身体姿态模块用于根据训练信息和身体数据分析人体的特征关节点，身体姿态模块的数据信号输入端与采集模块的数据信号输出端连接；

评估模块；评估模块用于根据基础信息评估康复者的身体状态，评估模块的数据信号输入端与身体姿态模块的数据信号输出端连接；

训练方案推荐模块；训练方案推荐模块用于分析身体状态得到推荐的训练方案，训练方案推荐模块的数据信号输入端与评估模块的数据信号输出端连接；

预测模块；预测模块用于根据身体状态预测分析康复训练预测效果，预测模块的数据信号输入端与评估模块的数据信号输出端连接；

交互显示模块；交互显示模块用于康复者查询以及显示训练数据、康复训练预测效果、康复情况的分析结果，交互显示模块的数据信号输入端分别与评估模块和训练方案推荐模块的数据信号输出端连接；

训练辅助器件；

VR设备；VR设备用于根据训练辅助器件和训练方案构建虚拟训练场景，训练辅助器件用于辅助虚拟康复训练时康复者的使用，VR设备的数据信号输入端与训练方案推荐模块的数据信号输出端连接。

2.根据权利要求1所述的用于神经损伤的康复训练系统，其特征在于，采集模块包括数据录入模块和深度光学摄像头模块，数据录入模块用于录入康复者的基础数据，深度光学摄像头模块用于采集身体数据和训练信息。

3.用于神经损伤的康复训练方法，应用于如权利要求1或2所述的用于神经损伤的康复训练系统，其特征在于，包括：

S1、采集康复者的基础信息，基础信息包括康复者的基础数据和身体数据；

S2、根据基础信息评估康复者的身体状态；

S3、利用训练方案推荐模型分析身体状态得到推荐的训练方案；

S4、预测模型根据康复者的身体状态预测分析康复训练预测效果；

S5、康复者穿戴VR设备，并位于训练方案对应的训练辅助器件前；

S6、VR设备根据训练辅助器件和训练方案构建虚拟训练场景；

S7、康复者根据训练方案进行康复训练，并实时采集康复训练过程中的训练信息。

4.根据权利要求3所述的用于神经损伤的康复训练方法，其特征在于，身体数据包括上肢数据、躯干数据、下肢数据和偏侧忽略数据，采集身体数据具体为康复者以卧姿或坐姿保持姿态身体正直状态，根据指示做出相应的动作，采集模块实时采集康复者根据指示进行操作时身体的图像数据；采集身体数据时，康复者根据指示做的动作具体为：

上肢数据：做出bobath神经生理疗法握手动作并分别进行向上下左右四个方向及前伸后缩动作；

躯干数据：康复者以坐姿保持姿态身体正直状态，做出身体左右侧摆及身体前倾动作；

下肢数据：康复者以卧姿保持姿态身体正直状态，分别作出双腿屈膝并拢左右摆动的动作及交叉双腿患侧在上进行左右摆动的动作；

偏侧忽略数据：康复者佩戴VR设备，VR设备显示跟视野相关的评估内容，康复者使用手部或者使用眼球追踪进行等分线段及划销作业。

5.根据权利要求3所述的用于神经损伤的康复训练方法，其特征在于，训练方案推荐模型包括第一输入层、第一Resnet50卷积神经网络、第一EfficientNetV2卷积神经网络、第一Darknet53卷积神经网络和第一输出层，第一输入层用于输入身体状态，第一输入层的输出分别作为第一Resnet50卷积神经网络、第一EfficientNetV2-M卷积神经网络和第一Darknet53卷积神经网络的输入，第一Resnet50卷积神经网络、第一EfficientNetV2卷积神经网络和第一Darknet53卷积神经网络的输出均作为输出层的输入，输出层对第一Resnet50卷积神经网络、第一EfficientNetV2卷积神经网络和第一Darknet53卷积神经网络的输出进行融合输出推荐的训练方案。

6.根据权利要求3所述的用于神经损伤的康复训练方法，其特征在于，预测模型包括第二输入层、第二Resnet50卷积神经网络、第二EfficientNetV2卷积神经网络、第二Darknet53卷积神经网络和第二输出层，第二输入层用于输入身体状态，第二输入层的输出分别作为第二Resnet50卷积神经网络、第二EfficientNetV2-M卷积神经网络和第二Darknet53卷积神经网络的输入，第二Resnet50卷积神经网络、第二EfficientNetV2卷积神经网络和第二Darknet53卷积神经网络的输出均作为输出层的输入，输出层对第二Resnet50卷积神经网络、第二EfficientNetV2卷积神经网络和第二Darknet53卷积神经网络的输出进行融合输出康复训练预测效果。

7.根据权利要求4所述的用于神经损伤的康复训练方法，其特征在于，

等分线段作业：VR设备中会每隔一段时间在康复者前方随机渲染出一根水平的木条，康复者使用眼球追踪或者手部移动对认定的木条中点进行切割，评估模块评估康复者认定的中点与实际中点的差距，差距反应康复者是否存在偏侧忽略以及偏侧忽略的程度；

划销作业：VR设备中会在康复者正前方渲染一个平面，平面上存在若干目标物，康复者使用眼球追踪或者手部移动对目视范围内所有的目标物进行选中划销，评估模块评估后康复者划销及未划销的位置信息，反应康复者是否存在偏侧忽略以及偏侧忽略的程度。

8.根据权利要求4所述的用于神经损伤的康复训练方法，其特征在于，训练方案包括上肢训练、下肢训练、躯干训练和眼球追踪训练；上肢训练采用bobath神经生理疗法握手训练、上肢功能训练和手部作业训练进行；下肢训练采用并膝摆动训练和下肢控制训练进行；躯干训练采用左右摆身训练和左右旋转训练进行；眼球追踪训练采用左右扫视训练和移动凝视训练进行；

bobath神经生理疗法握手训练：设置训练范围、前伸后缩能力、目标大小系数、射击速度、道具速度、射击间隔、训练组数和训练时间；开始训练时，VR设备会渲染出训练的场景，在动作教学后，身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理上肢坐标并传输VR设备，上肢坐标作为训练中的准心移动的依据；训练时，康复者通过握手动作移动在前面区域的准心，VR设备在前面区域渲染出现速度、类型不一的各种道具，准心对准并进行伸缩双臂动作进行射击得分，训练结束后会收集记录训练过程中康复者双臂的移动距离、速度及射击完成度；

上肢坐标Coord_upper的计算方法具体为：

坐标原点为姿势校准时双肩的中心点：

上肢坐标为双腕中心点：

上肢深度为获取双腕中心，并向外拓展系统常量C_upper形成一个矩形，计算矩形内深度最小的值，通过与D_{身体距离摄像头距离}的差值可以获取康复者上肢伸出的距离：

D_upper＝D_{身体距离摄像头距离}-min(Depth[Vx_双腕中心-C_upper:Vx_双腕中心+

C_upper,Vy_双腕中心-C_upper:Vy_双腕中心+C_upper])；

上肢功能训练：设置击球的范围、球运动的速度系数、球板的大小、训练组数和训练时间；开始训练后，VR设备中会展示现实的环境影像，通过训练辅助器件的手部识别，识别康复者的手部位置；训练开始时，康复者戴上VR设备并坐在训练辅助器件前并用患侧手握单手推板，VR设备在康复者前方渲染半透明的墙壁，并且手部会渲染出球板，训练开始后，康复者需要移动单手推板来击打飞行中的球来得分，训练结束后会收集记录训练过程中康复者击球速度、方向及击打完成度；

手部作业训练：设置道具出现时长、障碍道具出现数量、移动道具速度、训练组数及训练时长；开始训练后，VR设备会渲染出虚拟场景以及道具，通过VR设备的手部识别功能，康复者移动手部去抓取道具，并放在指定位置后得分；其中道具出现的位置及桌面的位置，会基于姿势矫正中获取的D_{头部距离地面的高度}和D_臂长进行位置上的调整，期间会出现可移动、限时的道具以及需要躲避的障碍道具，训练结束后会收集记录训练过程中康复者手部移动速度、范围及抓取完成度；

并膝摆动训练：设置道具出现时长、障碍道具出现数量、移动道具速度、摆腿频率、臀桥频率、训练组数及训练时长，开始训练后，VR设备会渲染出训练的场景，在动作教学后，身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理下肢膝盖坐标并传输VR设备，下肢膝盖坐标作为训练中的准心移动的依据；期间，会出现可移动、需要躲避、需要跨越的障碍道具，康复者需要摆动双膝并根据情况做臀桥动作，训练结束后会收集记录训练过程中康复者摆膝频率、臀桥完成状况及动作完成度；

双膝下肢坐标Coord_lowerknee的计算方法具为：

坐标原点为双膝并拢姿势校准时双膝的中心点：

双膝下肢坐标为双膝中心点：

下肢深度为获取实时的身体距离摄像头的距离D'_{身体距离摄像头距离}，通过与D_{身体距离摄像头距离}的差值可以获取康复者下肢深度：

D_lower＝D_{身体距离摄像头距离}-D′_{身体距离摄像头距离}；

下肢控制训练：设置道具出现频率、道具下落速度、障碍道具频率、训练组数及训练时长；开始训练后，VR设备中会渲染出训练的场景，在动作教学后，身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理下肢脚踝坐标并传输VR设备，下肢脚踝坐标作为训练中的的控制道具左右移动的依据；期间，会出现需要躲避的障碍道具，康复者需要患侧腿在上，健侧腿在下进行双腿摆动动作，训练结束后会收集记录训练过程中康复者摆动频率、摆动速度及动作完成度；

脚踝下肢坐标Coord_lowerankle的计算方法为：

坐标原点为姿势校准时双脚踝的中心点：

脚踝下肢坐标为双脚踝中心点：

左右摆身训练：设置障碍道具频率、前进速度、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，

身体姿态模块会将持续采集康复者的彩色及深度数据流并处理为人体的特征关节点数据，处理身体躯干偏移量并传输VR设备，身体躯干偏移量作为训练中的人物左右摆动的依据；期间，会出现需要躲避的障碍道具，康复者需要身体进行左右摆动动作进行躲避，训练结束后会收集记录训练过程中康复者摆动频率、摆动速度及动作完成度；

身体躯干偏移量的计算方法为：

康复者姿势矫正时身体的双肩中心与双胯中心点的连线方向为康复者的默认正立方向，与实时获取的双肩中心与双胯中心点的连线方向的角度差为躯干偏移量；

默认正立方向：

实时正立方向：

身体躯干偏移量：

左右旋转训练：设置关卡难易程度、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，VR设备基于内置的陀螺仪判断康复者的身体头部旋转情况，期间，会出现需要身体旋转的关卡，康复者需要旋转身体进行闯关，训练结束后会收集记录训练过程中康复者身体旋转角度、旋转速度及闯关完成度；

左右扫视训练：设置追踪道具的速度、追踪道具的范围、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，VR设备基于内置的眼动仪获取康复者的眼球注视点，期间，VR设备会出现需要康复者眼球扫视的道具，康复者需要注视道具完成训练，训练结束后会收集记录训练过程中康复者眼球移动范围、眼球注视速度及注视完成度；

移动凝视训练：设置追道具的速度、追踪道具的范围、训练组数及训练时长；开始训练后，VR设备会渲染出训练的场景，在动作教学后，VR设备基于内置的眼动仪获取康复者的眼球注视点，期间，VR设备会出现需要康复者眼球追踪并凝视的道具，康复者需要移动凝视道具完成训练，训练结束后会收集记录训练过程中康复者眼球移动范围、凝视时间及凝视完成度；

步行训练：需要康复者佩戴好VR设备后，进入平衡杠的活动范围，开时训练后，VR设备会展示现实的环境影像，同时会在环境影像中识别出平衡杠的位置和方位，康复者通过移动双腿进行行走。