CN117794615A - 用于运动控制的自适应刺激阵列 - Google Patents
用于运动控制的自适应刺激阵列 Download PDFInfo
- Publication number
- CN117794615A CN117794615A CN202280055231.5A CN202280055231A CN117794615A CN 117794615 A CN117794615 A CN 117794615A CN 202280055231 A CN202280055231 A CN 202280055231A CN 117794615 A CN117794615 A CN 117794615A
- Authority
- CN
- China
- Prior art keywords
- motion
- user
- electrodes
- stimulation array
- electrode
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 543
- 230000000638 stimulation Effects 0.000 title claims abstract description 300
- 230000003044 adaptive effect Effects 0.000 title description 2
- 230000002708 enhancing effect Effects 0.000 claims abstract description 70
- 238000012549 training Methods 0.000 claims description 59
- 238000002567 electromyography Methods 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 47
- 230000004044 response Effects 0.000 claims description 28
- 230000005021 gait Effects 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 19
- 230000004936 stimulating effect Effects 0.000 claims description 10
- 230000001537 neural effect Effects 0.000 claims description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 238000001994 activation Methods 0.000 claims description 6
- 230000000386 athletic effect Effects 0.000 claims description 5
- 230000002238 attenuated effect Effects 0.000 claims description 4
- 230000004899 motility Effects 0.000 abstract description 68
- 210000003127 knee Anatomy 0.000 abstract description 18
- 238000003491 array Methods 0.000 description 48
- 238000010801 machine learning Methods 0.000 description 25
- 210000002683 foot Anatomy 0.000 description 19
- 210000003205 muscle Anatomy 0.000 description 19
- 230000008569 process Effects 0.000 description 19
- 210000003423 ankle Anatomy 0.000 description 15
- 238000004891 communication Methods 0.000 description 15
- 210000002414 leg Anatomy 0.000 description 15
- 238000002560 therapeutic procedure Methods 0.000 description 14
- 210000005036 nerve Anatomy 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 210000001699 lower leg Anatomy 0.000 description 7
- 230000037147 athletic performance Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 210000003813 thumb Anatomy 0.000 description 5
- 244000309466 calf Species 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 230000037230 mobility Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 210000002303 tibia Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 210000000245 forearm Anatomy 0.000 description 2
- 210000003692 ilium Anatomy 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 210000004237 neck muscle Anatomy 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 208000030175 lameness Diseases 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007383 nerve stimulation Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000000106 sweat gland Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- A61N1/36003—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of motor muscles, e.g. for walking assistance
-
- 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
- A61B5/6804—Garments; Clothes
- A61B5/6807—Footwear
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/168—Evaluating attention deficit, hyperactivity
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/313—Input circuits therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—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]
- A61B5/395—Details of stimulation, e.g. nerve stimulation to elicit EMG response
-
- 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
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- 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
- A61B5/6804—Garments; Clothes
-
- 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
- A61B5/6844—Monitoring or controlling distance between sensor and tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/0404—Electrodes for external use
- A61N1/0408—Use-related aspects
- A61N1/0452—Specially adapted for transcutaneous muscle stimulation [TMS]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/0404—Electrodes for external use
- A61N1/0472—Structure-related aspects
- A61N1/0476—Array electrodes (including any electrode arrangement with more than one electrode for at least one of the polarities)
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/04—Electrodes
- A61N1/0404—Electrodes for external use
- A61N1/0472—Structure-related aspects
- A61N1/0484—Garment electrodes worn by the patient
-
- 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
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/3603—Control systems
- A61N1/36031—Control systems using physiological parameters for adjustment
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/40—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/09—Rehabilitation or training
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0257—Proximity sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Dermatology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Pulmonology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Social Psychology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Bioethics (AREA)
- Hospice & Palliative Care (AREA)
- Child & Adolescent Psychology (AREA)
- Electrotherapy Devices (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种运动性增强系统通过确定用于用户的运动的对应电刺激来辅助该运动。一种可穿戴刺激阵列包括传感器、电极、电极多路复用器和执行运动性增强系统的控制器。传感器测量运动数据,并且运动性增强系统将运动模型应用于所测量的运动数据。该模型可以根据受刺激的运动来确定不同电致动指令。例如,为了刺激膝关节屈曲,运动模型输出使得第一组电极能够作为阴极操作并且使得第二组电极能够作为阳极操作。为了刺激膝盖伸展,第一组电极可以被启用以作为阳极操作,并且第三组电极可以被启用以作为阴极操作。
Description
相关申请的交叉引用
本申请要求于2021年8月9日提交的第17/397,669号美国实用新型专利申请和于2021年8月9日提交的第17/397,674号美国实用新型专利申请的权益,其全部内容通过引用并入本文。
技术领域
本公开总体上涉及运动性增强系统,并且更具体地涉及使用动态地可配置的电极阵列来个性化和优化运动性增强。
背景技术
对运动序列进行增强是一项复杂的任务,当各种类型的运动增强(诸如电刺激)可以在不同时间被应用于不同肌肉群时,这项任务可以更有效地完成。现有刺激系统在它们可以提供刺激的情况方面是有限的,因为很多刺激系统具有有限数目的电极通道(即,单个阳极/阴极对)。此外,为了刺激不同运动,现有系统需要在身体的必要位置处手动放置电极。因此,现有系统只能刺激相当于系统中电极通道数目的数目的独立运动。现有系统还需要人工将电极放置在正确位置。不正确的放置可能很难检测或纠正,因为现有系统不能测量受刺激运动的质量来指示放置是不正确的。因此,需要一种刺激机制,该机制允许对如何通过刺激的配置和定制两者来施加刺激以及刺激如何起作用(例如,改变阳极/阴极对)进行表达控制。
发明内容
本文中描述的可穿戴刺激阵列和运动性增强系统实现个性化和动态的运动刺激。可穿戴刺激阵列包括电极多路复用器(MUX),该MUX实现阵列的电极的动态重新配置,以便以各种角色中的一个或多个角色(例如,阳极、阴极或断开连接)进行操作。运动性增强系统将运动模型(例如,机器学习模型)应用于由可穿戴刺激阵列处的传感器所采集的测量结果。该模型可以针对各种运动中的每个运动确定致动指令。例如,该模型可以确定针对步态周期中每个运动的电刺激,以使得电信号能够从一组电极流动到另一组电极,其中电极配置可以针对每个运动而改变。
运动性增强系统可以校准可穿戴刺激阵列,从而为穿戴了阵列的用户定制默认或广义致动。例如,运动性增强系统可以遍历各种电刺激(例如,在阳极与阴极之间重新配置电极角色,调节电信号的幅度,等等),并且使用对由相应电刺激引起的受刺激运动的用户反馈来重新训练运动模型。通过监测受刺激运动并且将监测的运动与目标运动进行比较以调节致动以满足用户的当前身体状态,运动性增强系统可以在使用期间(例如,在校准之间)进一步优化致动。可穿戴刺激阵列可以集成到衣物中以便于使用,并且可以在初次穿戴时被重新校准以相应地刺激接触的肌肉群。这些结构和功能特征为用户提供了运动刺激,该运动刺激针对相应用户而个性化,在用户身体行为变化(例如,由于疲劳或运动障碍症状的发作)时随时间被优化,对于日常使用和服装集成是实用的,并且对于增加的舒适性和安全性是非侵入性的。
在一个实施例中,一种可穿戴刺激阵列包括可配置电极的集合,可配置电极的集合中的每个可配置电极被配置为当可穿戴刺激阵列被用户穿戴时接触用户的身体的表面的不同部分。可穿戴刺激阵列还包括电源、存储表示运动集合的运动模型的存储器、以及控制器,控制器耦合到可配置电极的集合、存储器、以及电源。控制器被配置为:针对运动集合中的第一运动,将来自电源的电力配置为在第一电极与第一组电极之间流动,使得第一电极被配置为作为阳极操作。控制器还被配置为:针对运动集合中的第二运动,将来自电源的电力配置为在第一电极与第二组电极之间流动,使得第一电极被配置为作为阴极操作。
可穿戴刺激阵列的控制器还可以被配置为基于以下项中的一项或多项来确定运动集合中的每个运动:肌电图(EMG)数据、惯性测量单元(IMU)数据、脚底压力信号、或上下文,在该上下文下发生运动。配置的电力可以是电信号,并且控制器还可以被配置为调节电信号的频率、幅度或脉宽中的一项或多项。可配置电极的集合中的一个或多个电极可以被配置为在提供刺激与测量EMG数据之间交替。运动集合中的运动可以表示步态周期的阶段。
可穿戴刺激阵列可以包括耦合到控制器的传感器,诸如心率传感器、IMU传感器或压力传感器。控制器可以接收从传感器采集的测量结果,并且使用所接收的测量结果来检测用户穿戴了可穿戴刺激阵列。在一些实施例中,控制器可以使用多个传感器测量用户活动数据,用户活动数据包括皮肤电流响应、心率或呼吸率中的一项或多项。控制器然后可以使用所测量的用户活动数据来确定用户在运动期间所经历的疲劳程度,并且基于疲劳程度来调节所配置的电力。
在一些实施例中,可穿戴刺激阵列包括IMU传感器或脚部压力传感器。控制器可以使用IMU传感器或脚部压力传感器来测量运动,并且存储表征所测量的运动的数据。所存储的数据可以被应用于运动模型以刺激运动或者被用于表征用户的运动轮廓。控制器还可以测量由可穿戴刺激阵列刺激的运动,其中该运动是使用IMU传感器或脚部压力传感器来测量的。控制器可以将所测量的受刺激运动与表示神经典型运动的预定运动进行比较,基于该比较对所测量的运动进行评分,并且基于该评分来重新训练运动模型。
可穿戴刺激阵列的控制器可以被配置为创建训练集,该训练集包括与相应运动致动指令相关联的所测量的运动数据,其中每个运动致动指令指定要从给定电极传输到不同电极的电信号。控制器然后可以使用训练集来训练运动模型。在一些实施例中,控制器可以通过以下操作重新训练运动模型:从用户接收指示对由可穿戴刺激阵列刺激的运动的认可度量的反馈,并且调节受刺激运动与致动指令之间的关联。例如,响应于所接收的反馈指示对受刺激运动的认可度量为高,控制器可以增强受刺激运动与致动指令之间的关联,该致动指令启用从第一电极到第二电极的电信号。在上述示例中,响应于所接收的反馈指示对受刺激运动的认可度量为低,减弱受刺激运动与致动指令之间的关联。
可穿戴刺激阵列的控制器还可以被配置为:针对运动集合中的第三运动,将来自电源的电力配置为经由第一电信号在第一电极与第二电极之间流动并且经由第二电信号从第三电极流动到第四电极。第二电信号可以由控制器响应于启用第一电信号来启用,并且第一电信号的脉宽与第二电信号的脉宽的比率是预定的。在一些实施例中,控制器可以提供用于在图形用户界面(GUI)处显示的信息,该信息描述以下项中的一项或多项:所配置的电力、第一组电极或第二组电极。控制器可以经由GUI接收对可配置电极的集合中要启用的电极的用户选择。响应于接收到用户选择,将第一组电极或第二组电极中的一项或多项改变为包括用户选择的电极,并且基于用户选择来重新训练运动模型。
可穿戴刺激阵列还可以包括耦合到控制器的相机。相机可以被配置为捕获描绘由用户进行的运动的图像,并且将所捕获的图像提供给控制器,控制器可以确定所描绘的运动是运动集合中的运动。控制器还可以基于捕获的图像、以及从耦合到可穿戴刺激阵列的IMU传感器或脚部压力传感器捕获的运动数据,来确定用户正在执行运动。在一个实施例中,可穿戴刺激阵列耦合到紧身裤,使得可配置电极的集合接触用户的腿。在另一实施例中,可穿戴刺激阵列可以耦合到袜子或鞋垫,使得可配置电极的集合接触用户的脚。
在一个实施例中,本文中描述的一种用于校准可穿戴刺激阵列的方法包括初始化包括多个电极的可穿戴刺激阵列。可以访问模型,其中该模型被配置为针对运动集合中的每个运动,启用从电极中的第一组电极到电极中的第二组电极的对应电信号,以刺激由用户进行的运动。响应于使用可穿戴刺激阵列使用所访问的模型来刺激运动集合中的由用户进行的运动,从用户接收指示对受刺激运动的认可度量的反馈。通过基于所接收的反馈重新训练所访问的模型来校准可穿戴刺激阵列,以至少针对运动集合中的受刺激运动来改变对应电信号、第一组电极和第二组电极中的一项或多项。
所测量的运动数据可以表示从一般用户群体测量的神经典型运动。模型可以使用具有与相应致动指令相关联的所测量的运动数据的训练集来训练。为了基于所接收的反馈来重新训练所访问的模型,可以调节受刺激运动与致动指令之间的关联(例如,基于对受刺激运动的认可度量来增强或减弱该关联)。
该模型可以被配置为基于以下项中的一项或多项来启用对应电信号:EMG数据、IMU数据、脚底压力信号、测量的运动的疲劳程度、或受刺激运动将在其中发生的上下文。可以基于用户、可穿戴刺激阵列在用户的身体上的位置、一天中的时间或用户的位置中的一项或多项来确定受刺激运动将在其中发生的上下文。该模型可以被配置为基于所确定的上下文来启用对应电信号。可以使用电极中的一个或多个电极来测量EMG数据,其中该模型被配置为基于EMG数据来启用对应电信号。
可以使用可穿戴刺激阵列的IMU传感器或脚部压力传感器中的一项或多项来测量用户的运动。所测量的运动可以包括来自用户的关节的所测量的力。表征所测量的运动的数据可以被存储并且被应用于模型以刺激运动或者被用于表征用户的运动轮廓。在一些实施例中,所测量的运动可以与表示影响运动的疲劳的预定运动进行比较。可以基于该比较来确定测量的运动的疲劳程度,其中该模型被配置为基于疲劳程度来启用对应电信号。
在一些实施例中,可以通过改变用于刺激运动的对应电信号的频率、幅度或脉宽中的一项或多项来确定电信号。电信号可以通过电极对的排列来顺序地启用。在电信号中的电信号的相继启用之间可以发生暂停,以允许用户提供对由所启用的电信号刺激的运动的反馈。可穿戴刺激阵列可以通过基于所接收的对由电信号刺激的运动的反馈来重新训练所访问的模型而被校准。在一些实施例中,可穿戴刺激阵列可以通过跟踪用户在没有阵列的帮助的情况下执行运动的进度来校准。用户运动可以使用可穿戴刺激阵列的传感器来测量,其中用户运动表示用户在没有刺激的情况下执行给定运动。运动进度可以使用所测量的用户运动来确定,并且所访问的模型可以还基于运动进度被重新训练。
附图说明
图1是根据至少一个实施例的可穿戴刺激阵列在其中操作的系统环境的框图。
图2是根据至少一个实施例的可穿戴刺激阵列的框图。
图3是根据至少一个实施例的用于优化由可穿戴刺激阵列进行的刺激的反馈回路的框图。
图4描绘了根据至少一个实施例的与用户的小腿接触的可穿戴刺激阵列的电极。
图5描绘了根据至少一个实施例的用于管理由可穿戴刺激阵列进行的电刺激的图形用户界面(GUI)。
图6描绘了根据至少一个实施例的用于提供由可穿戴刺激阵列提供的受刺激运动的反馈的GUI。
图7是示出根据至少一个实施例的用于由可穿戴刺激阵列实现运动刺激的过程的流程图。
图8是示出根据至少一个实施例的用于校准可穿戴刺激阵列的过程的流程图。
附图描绘了各种实施例,仅用于说明目的。本领域技术人员将从以下讨论中容易地认识到,在不偏离本文所述原理的情况下,可以采用本文所示的结构和方法的替代实施例。
具体实施方式
系统架构
图1是根据至少一个实施例的可穿戴刺激阵列在其中操作的系统环境100的框图。图1所示的系统环境100包括可穿戴刺激阵列110a-c、传感器111、远程运动性增强系统120、数据库130、远程治疗系统140、用户设备150和网络160。与图1所示的相比,系统环境100可以具有替代配置,包括例如不同的、更少的或更多的组件。例如,在不损害可穿戴刺激阵列110a-c的功能的情况下,远程治疗系统140可以从系统环境100中省略。
系统环境100实现个性化和动态的运动增强。每个可穿戴刺激阵列被配置为施加致动,该致动基于用户对致动的反馈而被优化。例如,可穿戴刺激阵列可以根据其对用户的影响来校准默认致动。该阵列可以遍历用于运动的各种致动,并且允许用户提供指示致动中的哪种致动对于运动是优选的(例如,最舒适或最有效的)的反馈。阵列可以对多个运动(诸如步态周期内的运动)执行这种遍历校准。该阵列可以通过例如自动调节电信号的参数以及阵列的哪些电极作为阳极或阴极操作来遍历致动。以这种方式,该阵列接收针对各种运动的各种致动的用户反馈,并且可以针对每次尝试的致动基于反馈来保持得分。得分最高的致动可以代替默认致动,以向用户定制阵列。本可穿戴刺激阵列提供了致动调节的优点,而不需要用户手动改变电极或电极的放置。
此外,可穿戴刺激阵列可以在使用期间(例如,在校准之间)持续适应用户的身体,这可能会因疲劳、年龄、损伤或任何其他影响物理运动的刺激而随时间而变化。例如,该阵列可以通过将所得到的受刺激运动与目标运动(例如,在校准期间的神经典型运动或用户的基线)进行比较来确定致动的功效。该阵列可以使用该比较作为反馈来重新训练确定要施加的致动的模型,并且遍历各种致动,直到所得到的受刺激运动在目标运动的可接受范围内。可穿戴刺激阵列的另一优点是,由该阵列施加的电刺激可以被施加在用户皮肤的表面处,从而与使用穿透到用户肌肉中的针头的侵入性刺激设备相比,提高了使用该阵列的安全性和舒适性。因此,通过校准、自动致动调节和持续优化,本文中描述的可穿戴刺激阵列可以提供个性化、非侵入性和动态的运动增强。
可穿戴刺激阵列110a-c施加电刺激或其他类型的致动以增加其用户的运动性。可穿戴刺激阵列110a-c监测用户的运动以确定当前运动(例如,使用IMU或压力传感器)或预期运动(例如,使用EMG传感器),并且基于所监测的运动来施加致动。阵列110a-c可以由一个或多个用户穿戴。例如,单个用户可以分别在前臂、小腿和脚部处穿戴阵列110a-c。在另一示例中,第一用户可以穿戴阵列110a-b,并且第二用户可以穿戴阵列110c。可穿戴刺激阵列可以包括传感器,或者可通信地耦合到传感器。例如,可穿戴刺激阵列110a通信地耦合到传感器111,该传感器111可以是被配置为捕获用户运动的图像数据以确定适当的致动指令的相机。
可穿戴刺激阵列110a-c可以被穿戴在用户身体上的不同位置处以监测和刺激运动。例如,可穿戴刺激阵列110a可以使用肌电图来监测用户肌肉的电活动。根据所监测的电活动,阵列110a可以使用被训练为根据运动数据来标识致动的运动模型(例如,机器学习模型)来确定用于刺激运动的对应致动。术语“运动数据”或“运动信号”可以是指表示用户的物理运动的数据,诸如动力、动力学或压力信号。如本文所述,“活动数据”表示用户身体的活动,诸如物理运动、肌肉电活动、心率、呼吸、当前运动或预期运动的任何合适测量、或其组合。活动数据可以包括运动数据。继续前面的示例,阵列110a可以基于所标识的意图来确定要施加的致动。所确定的致动可以包括将电刺激施加到用户身体上的各个位置的指令。例如,左小腿处的阵列110a可以通信地耦合到右小腿处的阵列110b,并且由阵列110a确定的致动可以指示阵列110a施加第一电信号并且指示阵列110b施加第二电信号。
可穿戴刺激阵列110a-c为其用户实现运动性增强的个性化和优化两者。阵列110a-c可以校准对用户身体的致动,并且在用户穿戴阵列时持续优化致动。为了校准致动,阵列110a-c可以首先将默认致动指令应用于它们被配置为进行刺激的相应运动。用户可以针对每个默认致动指令提供反馈(例如,指示致动的舒适性或功效的认可度度量),并且阵列110a-c可以使用该反馈来修改致动,直到用户反馈指示致动是令人满意的。
除了个性化校准之外,可穿戴刺激阵列110a-c个性化运动性增强的另一种方式是使用从用户收集的运动数据来训练被用于确定用于该用户的运动的致动的用户特定机器学习模型。阵列110a-c可以通过实时测量致动的成功性(例如,用户反馈)并且作为响应而使用反馈重新训练机器学习模型并且修改随后施加的致动来优化运动性增强。将在图2中的运动性增强系统220的整个描述中进一步详细地描述个性化和优化。
远程运动性增强系统120从可穿戴刺激阵列110a-c接收数据并且处理该数据。从阵列110a-c接收的数据可以包括运动数据、施加的致动和用户反馈。该数据可以用于生成新的致动指令或修改现有致动指示。远程系统120可以使用经处理的数据来提供用于阵列110a-c执行的致动指令。远程运动性增强系统120可以具有与图2中描述的运动性增强系统220的功能类似的功能。远程系统120可以被托管在经由网络160与可穿戴刺激阵列110a-c通信的服务器或计算设备(例如,智能手机)上。
在一些实施例中,远程运动性增强系统120训练和应用一个或多个机器学习模型,该机器学习模型被配置为基于所测量的运动数据来确定致动指令。除了或替代保持模型的可穿戴刺激阵列110a-c,远程运动性增强系统120还可以保持机器学习模型。在一个实施例中,远程运动性增强系统120基于由阵列110a-c收集的运动数据来训练模型。阵列110a-c经由网络160向远程运动性增强系统120发送运动数据,并且利用经训练的机器学习模型从远程运动性增强系统120接收由一个或多个模型确定的致动指令。远程运动性增强系统120可以保持被跨人群通用的运动的模型、或者针对特定用户、运动类型、任何合适表型特征或其组合而定制的模型。在图2的描述中进一步描述用于增强运动性的机器学习模型的训练和应用。
用于运动刺激的致动可以由可穿戴刺激阵列110a-c、远程运动性增强系统120确定,或者由操作者(例如,物理治疗师经由远程治疗系统140)或用户通过用户设备150上的输入接口来手动指定。在一些实施例中,致动包括电刺激(例如,功能性电刺激(FES)信号),该电刺激的特征在于频率、脉冲持续时间、占空比和幅度(例如,以毫安为单位的电流值)。可穿戴刺激阵列110a-c可以实现各种致动类型。致动类型的示例包括手动触发的致动、扩增、对侧重放、身体对身体指导、模板测序和响应性优化。由可穿戴设备进行的致动的示例可以在于2020年12月6日提交的美国专利申请第17/113,058号和第17/113,059号中找到,其通过引用并入本文。
数据库130存储与可穿戴刺激阵列110a-c的操作相关的数据。在一些实施例中,数据库130存储用于训练可穿戴刺激阵列110a-c或远程运动性增强系统120的机器学习模型的数据。存储在数据库130中的数据可以包括标记或未标记运动数据和与运动相关联的标签、或者与给定运动的肌肉激发序列相关联的模板。运动管理系统110或运动增强设备120a和120b可以访问所存储的数据以训练机器学习模型。可穿戴刺激阵列110a-c可以将其测量数据提供给数据库130。所提供的数据可以被组织成数据结构,该数据结构包括测量数据、标识用户和表型特征的传记(biographical)信息、以及标识用于增强与测量数据相对应的运动的致动指令的标签。
在一些实施例中,数据库130存储用户的个人运动模型以及基于来自整个人群的数据而训练的通用模型。可穿戴刺激阵列可以访问存储在数据库130中的模型。例如,作为中风幸存者的第一用户可以访问也是中风幸存者的第二用户的运动模型,以从第二用户的模型而不是尚未针对中风幸存者而适配的更通用的运动模型来开始校准和优化。
远程治疗系统140使得第三方(例如,医疗专业人员或运动教练)能够监测用户的运动并且分析该信息以进一步增强用户的运动。例如,医生使用远程治疗系统140来监测其患者的运动,并且在标识出患者的运动在当前致动指令下没有改善时调节致动指令组合。远程治疗系统140可以是第三方可以在计算设备(例如,智能手机)上执行的软件模块。在一些实施例中,远程治疗系统140是独立的设备,其可以通信地耦合到可穿戴刺激阵列110a-c,以手动调节或生成被用于增强用户的运动的致动指令(例如,以重写由可穿戴刺激阵列确定的致动指令)。远程治疗系统140可以包括用于第三方的输入接口,以指定致动指令的参数(例如,FES信号的幅度和频率)以及何时应用它们。
远程治疗系统140可以提供要由运动性增强系统220应用的致动策略。在一些实施例中,远程治疗系统140的用户(例如,治疗师)可以指定要在何时施加刺激以及通过可穿戴刺激阵列110a-c中的哪个来施加刺激。例如,治疗师可以基于传感器111的捕获患者步态的摄像机来定义要在哪里、在何时以及如何(例如,电信号的参数)刺激患者的步态。治疗师指定的致动策略可以通过网络160从远程治疗系统140被传送到可穿戴刺激阵列110a-c。
用户设备150可以是个人计算机(PC)、平板PC、智能手机、或能够执行指定该设备要采取的动作的指令的任何合适的设备。用户设备150可以包括处理器(例如,中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、一个或多个专用集成电路(ASIC)、一个或多个射频集成电路(RFIC)、或这些的任何组合)、存储器、用于接收用户输入或向用户提供输出的用户接口(例如,视觉显示接口,包括触摸屏、键盘、麦克风、扬声器等)。视觉接口可以包括使得用户接口能够在屏幕(或显示器)上显示的软件驱动程序。
网络160可以用于通信地耦合可穿戴刺激阵列110a-c、传感器111、远程运动性增强系统120、数据库130、远程治疗系统140和用户设备150。例如,可穿戴刺激阵列110a和远程治疗系统140被配置为经由网络160通信。在一些实施例中,网络160包括使用有线和/或无线通信系统的局域网和/或广域网的任何组合。网络160可以使用标准通信技术和/或协议。例如,网络160包括使用诸如以太网、802.11、全球微波接入互操作性(WiMAX)、3G、4G、5G、码分多址(CDMA)、数字用户线(DSL)等技术的通信链路。用于经由网络160进行通信的网络协议的示例包括多协议标签交换(MPLS)、传输控制协议/互联网协议(TCP/IP)、超文本传输协议(HTTP)、简单邮件传输协议(SMTP)和文件传输协议(FTP)。通过网络而交换的数据可以使用任何合适的格式来表示,诸如超文本标记语言(HTML)或可扩展标记语言(XML)。在一些实施例中,网络160的通信链路中的全部或一些可以使用任何合适的一种或多种技术被加密。
尽管系统环境100的组件被示出为通过网络160连接,但一个或多个组件可以在不连接到网络160的情况下工作。例如,当阵列110a-c不能连接到网络160时,可穿戴刺激阵列110a-c可以离线工作。当阵列110a-c能够重新连接到网络160时,它们可以经由网络160将所测量的运动数据和所执行的对应致动指令上传到远程运动性增强系统120或远程治疗系统140。
可穿戴刺激阵列
图2是根据至少一个实施例的可穿戴刺激阵列200的框图。可穿戴刺激阵列200包括电极201、传感器202、电极多路复用器(MUX)203、微控制器(MCU)204、电源205和通信电路系统206。
电极201将电刺激递送给可穿戴刺激阵列200的用户。电极201可以是用于电神经刺激的经皮电极。每个电极可以耦合到接触用户皮肤以递送电信号的一个或多个垫。相应电极的垫的放置可以间隔开,使得在另一致动的附近(例如,在同一肌肉处)施加的致动不干扰该另一致动。替代地,MCU 204可以基于电极的位置来确定要通过哪些电极来施加电刺激。例如,如果ID号为1和2的电极彼此在一英寸内,并且ID号为3的电极与电极1和2两者都相距四英寸,则MCU 204可以确定应当选择电极3以及电极1或2中的一个作为阴极电极,使得两个电信号彼此不干扰。电极垫的大小可以被调节以减小在刺激期间引起用户疼痛的可能性。例如,接触皮肤的电极垫可以具有24毫米(mm)的直径。在一些实施例中,电极201包括用于感测用户的EMG数据的电极。电极可以是表面电极或皮肤电极,其是非侵入性的并且被构造为粘附到皮肤表面而不穿透皮肤以确定当用户的肌肉受到刺激时的电活动。
电极201可以包括两个或更多个电极。在一个示例中,可穿戴刺激阵列200可以是24电极阵列,其中电极201包括24个电极。电极可以用作阴极或阳极。例如,电极201可以形成包括两个阴极和六个阳极的8电极阵列。此外,电极可以断开连接或断开,其中它未被选择为阳极或阴极。例如,在8电极阵列中,六个电极可以用作阴极或阳极,而两个电极断开连接并且既不用作阴极也不用作阳极。在一些实施例中,电极201中的电极可以用于感测EMG信号。电极201中的每个电极可以与标识符(例如,标识号)相关联。标识符可以在致动指令中使用,以标识哪些电极在给定致动指令期间被使用。例如,为了刺激膝盖伸展,ID号为1的电极可以被用作阴极,并且ID号为4和5的电极被用作阳极。标识符还可以用于标识哪些电极被用于执行EMG感测。例如,ID号为2和3的电极可以用于执行EMG感测,而先前实例中的电极刺激膝盖伸展。可穿戴刺激阵列200可以被初始化为具有用于致动或EMG感测的默认电极组合,或者可以被初始化为具有由用户修改的组合。例如,在校准之后,用户改变默认电极组合,并且新组合被保存在MCU 204的存储器(例如,用户简档数据库222)中以用于可穿戴刺激阵列200的后续初始化。
运动性增强系统220(例如,致动协调模块224)可以重新配置电极201的角色。电极的角色可以根据意图被刺激的运动或由用户提供的反馈来重新配置。例如,为了刺激膝盖伸展,第一组电极可以被配置为阳极,并且第二组电极可以被配置为阴极。为了使得电极能够在阳极或阴极之间交替,运动性增强系统220可以交替从电源205汲取的电流的方向。在前面的示例中,第一组电极可以被配置为阴极,并且第二组电极可以被配置为阳极,以刺激不同运动(例如,膝关节屈曲)。运动性增强系统220还可以调节电极的角色以用作EMG感测电极。例如,运动性增强系统220可以实现电极与EMG传感器之间的连接。EMG传感器可以被包括在传感器202中,尽管没有被这样描绘。除了重新配置电极201的角色之外,运动性增强系统220还可以选择针对每个致动指令或EMG感测操作激活哪些电极。这个选择在对MUX203的描述中进一步描述。
可穿戴刺激阵列200可以耦合到日常使用的衣物。例如,可穿戴刺激阵列200可以被并入紧身裤中,使得可配置电极(即,电极201)的集合接触用户的腿。在另一示例中,阵列200耦合到袜子或鞋垫,使得可配置电极的集合接触用户的脚。可穿戴刺激阵列200可以具有各种可穿戴形状因子,诸如外骨骼、模块化电极带、紧身裤、脚部压力床、适合于针对用户身体上的特定肌肉群的任何可穿戴形状因子、或其组合。
传感器202测量用户的运动或与运动相关的身体测量(例如,受运动影响的心率或呼吸率)。运动可以在致动(例如,电刺激)施加之前、期间或之后测量。在致动之前测量的运动可以用于确定要启用哪个致动指令。在致动施加期间或之后测量的运动可以用于对所施加的致动进行评分。传感器202可以是以下项中的一项或多项:微机电系统(MEMS)设备、IMU、压力传感器床、EMG传感器、心率传感器、力传感器、或者用于测量由肌肉产生的动力或动力学信号的任何合适的设备。传感器202可以包括EMG传感器,该EMG传感器可以包括用于收集EMG数据的专用电极(即,与电极201分离),或者可穿戴刺激阵列200可以从电极201获取EMG数据。传感器202可以包括皮肤电流传感器,该皮肤电流传感器可以包括用于测量皮肤上汗腺活动的变化的专用电极,或者可以使用电极201来收集皮肤电流响应数据。
传感器202可以位于用户身体上的不同位置。例如,压力传感器床可以被放置在用户的右脚鞋中,以在用户完成步态时测量用户的右脚压力。感测电极的集合可以被放置在用户右腿的小腿处,以在步态之前和期间测量预期运动数据。传感器202可以通信地耦合到MCU204,以提供用于确定或优化由可穿戴刺激阵列200施加的致动指令的测量数据。在一些实施例中,传感器202的位置包括身体的关节(例如,椭球关节和鞍关节)。例如,传感器202可以测量椭球关节和鞍关节IMU处的运动,以确定用户抓握的质量(例如,用户能够将其手闭合成拳头到什么程度)。
传感器202可以包括不与可穿戴刺激阵列200(例如,传感器111)并置的传感器。例如,传感器202可以包括指向用户并且被配置为捕获用户运动的图像数据的相机。相机可以通信地耦合到可穿戴刺激阵列200,以将图像数据提供给MCU 204(例如,提供给运动性增强系统220),该MCU 204确定致动信号以帮助刺激图像中所描绘的运动或预期跟随图像中所描绘的运动的运动。在另一示例中,传感器202可以包括用于测量用户抓握的强度的传感器,诸如手柄测功机。测功机可以通信地耦合到穿戴在用户的手或前臂处的可穿戴刺激阵列,并且来自测功机和阵列处的传感器的测量可以用于调节致动指令以帮助用户抓握物体。
MUX 203使得可穿戴刺激阵列200能够选择电极201的特定组合。电极的选择可以随时间、运动的特定阶段、每个阶段可能需要不同电极组合的任何合适的阶段划分、或其组合来执行。尽管图2中示出了单个MUX以保持图示的清晰度,但是可穿戴刺激阵列200可以包括功能类似于MUX 203的多于一个MUX。MUX 203可以耦合到电源205、传感器202中的传感器(例如,EMG传感器)、MCU 204和电极201。MUX 203可以接收由MCU 204生成的选择信号(例如,s1、s2等)。例如,致动协调模块224可以确定应用于刺激运动的致动指令,其中致动指令指定电极组合。MCU 204可以使得能够通过激活输入到MUX 203的选择信号的对应组合来选择指定组合。
为了使用MUX 203来选择随时间变化的电极201的组合,MCU 204可以输出随时间改变的选择信号的对应组合。随时间对各种电极的选择可以适用于刺激已知在序列(例如,步态周期)中发生的一系列运动。例如,步态周期的摆动阶段可以从脚趾离开开始,进行到中间摆动,并且以末端摆动结束。MCU 204可以访问默认致动指令以校准用户的摆动阶段运动,其中每个默认指令包括一个或多个对应选择信号以激活电极201。例如,在8电极阵列中,可以有两个MUX,每个MUX具有两个选择信号s1和s2。为了刺激脚趾离开,MCU 204可以向第一MUX提供相应选择信号s1和s2的选择信号值0和1,以选择ID号为2的电极作为阴极,其中第一MUX耦合到电极1-4。此外,MCU 204可以向第二MUX提供相应选择信号s1和s2的选择信号值0和1,以选择ID号为6的电极作为阳极,其中第二MUX耦合到电极5-8。在脚趾离开刺激之后,MCU 204可以改变提供给两个MUX的选择信号值以刺激中间摆动运动,并且最后可以进一步改变选择信号值以刺激末端摆动。
MCU 204表示一个或多个处理器,诸如微处理器、中央处理单元等。更具体地,处理设备可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或者实现其他指令集的处理器、或者实现指令集组合的处理器。MCU204也可以是一个或多个专用处理设备,诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。MCU 204可以被配置为执行用于执行本文中描述的操作和步骤的指令。
MCU 204托管并且执行运动性增强系统220,该运动性增强系统220包括软件模块,诸如初始化模块223、致动协调模块224、校准模块225、GUI模块226和模型训练引擎227。运动性增强系统220包括用于确定致动(例如,电刺激)指令的模型,诸如通用运动模型228和用户特定运动模型229。运动性增强系统220包括数据库,诸如致动指令数据库221和用户简档数据库222。与图2所示的相比,运动性增强系统220可以具有替代配置,包括不同的、更少的或更多的组件。例如,数据库221或222中的一个或多个可以被远程存储,而不是存储在可穿戴刺激阵列200处的MCU 204的存储器上(例如,存储在数据库130中的内容),并且可以通过网络150可访问。在另一示例中,附加报告生成模块可以生成所施加的致动和与该致动相关联的所监测的运动数据的报告,并且将该报告提供给远程治疗系统140。
致动指令数据库221存储用于使得可穿戴刺激阵列200能够刺激用户的运动的致动指令。致动指令可以指定致动类型、致动持续时间、可穿戴刺激阵列上将发生致动的位置、致动的任何合适参数(例如,幅度、频率等)或其组合。致动类型将致动分类为致动方式,诸如电动、机械、触觉、音频、视觉、气动、液压或其组合。致动的持续时间可以从短(例如,十毫秒)到长(例如,十秒)持续时间而变化。持续时间可以基于致动类型而变化。例如,电刺激可以持续比音频致动短的时间。致动的位置可以指示可穿戴刺激阵列的哪些硬件组件输出或施加致动。例如,致动的位置可以是电极201中的特定电极。
在第一示例中,致动指令指定从电极201中的第一组电极到电极201中的第二组电极的电信号被启用。致动指令可以进一步指定电信号具有0.5秒的持续时间、频率为100Hz并且幅度为20mA的矩形脉冲,并且致动的位置包括被指定为阴极的第一组电极(例如,ID号为1和8的电极)和被指定为阳极的第二组电极(例如,ID号为2-7的电极)。
致动指令可以包括不同类型、持续时间和位置的组合。在第二示例中,致动指令指定从第一组电极(例如,ID号为1电极)到第二组电极(例如,ID号为2-4的电极)的第一电信号被启用。此外,第二示例的致动指令还指定从第三组电极(例如,ID号为8的电极)到第四组电极(例如,ID号为5-7的电极)的第二电信号被启用。此外,第二示例的致动指令指定在电刺激完成之后发生触觉致动(例如,振动)。
致动指令可以涉及多个可穿戴刺激阵列。在第三示例中,两个可穿戴阵列可以通过网络通信地耦合,以接收在两个阵列处实现同时刺激的指令。同时刺激可以相同,也可以不同。例如,这两个阵列可以被定位为使得它们接触用户的两个小腿。为了帮助用户进行跳跃运动(这可能需要两个小腿处的相同刺激),两个阵列可以被指示同时执行相同致动。为了帮助用户进行可能需要除了定时之外在各个方面相似的刺激的步行运动,用户左腿处的第一阵列可以被指示首先执行致动,并且用户右腿处的第二阵列可以在第一阵列处的传感器确定左腿处的受刺激运动完成并且向第二阵列传输通知之后,被指示执行相同致动。该指令可以由刺激阵列中的一个的MCU上的运动性增强系统生成,并且经由网络被传送到另一阵列的MCU。替代地或另外地,该指令可以由基于云的服务器处的远程运动性增强系统生成,并且经由网络被传送到两个阵列。
用户简档数据库222存储关于一个或多个用户的信息。用户可以是具有用于存储用户简档数据库222的存储器的可穿戴刺激阵列的用户。在一些实施例中,可穿戴刺激阵列的用户的信息被传输到用户简档数据库222,该用户简档数据库222位于诸如远程运动性增强系统120等远程服务器处。用户简档数据库222可以包括用户信息,诸如身体测量(例如,身高、体重、体重指数、体温、心率、皮肤电流反应等)和运动测量(例如,步行速度、所采取的步数、海拔增益、所执行的锻炼)。这样的用户信息可以由用户手动提供(例如,用户输入其身高),或者由可穿戴设备跟踪,诸如本文中描述的刺激阵列或可穿戴健身跟踪器(例如,智能手表)。
存储在用户简档数据库222中的用户信息也可以由传感器(例如,可穿戴刺激阵列200的传感器202)跟踪。例如,用户简档数据库222可以存储运动数据的记录,该运动数据表示由可穿戴刺激设备200刺激的用户的运动。在一些实施例中,用户简档数据库222存储来自用户的指示受刺激运动的认可度量的反馈。该反馈可以通过由可穿戴刺激阵列200进行的测量来推断,或者由用户手动提供。例如,可穿戴刺激阵列200测量并且比较来自两个不同致动指令的受刺激运动,这两个不同致动指令旨在刺激相同运动(例如,背屈)。可以位于用户鞋子处的可穿戴刺激阵列200测量表示由两个致动指令刺激的不同质量的背屈的动力运动数据。可穿戴刺激阵列200将受刺激运动的动力运动数据与神经典型背屈的动力运动数据进行比较,并且确定第一致动指令刺激的运动比第二致动指令刺激的运动更类似于神经典型运动。
在另一示例中,用户手动提供存储在用户简档数据库222中的反馈。可穿戴刺激设备200可以通信地耦合到用户设备(例如,用户设备150),通过该用户设备,用户可以提供指示由可穿戴刺激设备200进行致动的舒适度或有效性的度量的反馈。图6中示出了示例GUI,用户可以通过该示例GUI来提供指示舒适度或有效性的度量的反馈。在一些实施例中,存储在用户简档数据库222中的用户提供的反馈包括由用户通过用户界面间接提供的反馈。例如,用户经由通信地耦合到可穿戴刺激阵列200的用户设备上的GUI来调节致动指令。用户简档数据库222可以存储用户选择的致动修改并且将该修改链接到受刺激运动,使得运动的后续阵列致动刺激可以参考存储在数据库222中的用户修改。图5中示出了用户可以通过其来调节致动指令的示例GUI。
初始化模块223对可穿戴刺激阵列200进行初始化。初始化模块223可以帮助节省不必附接到稳定电源的可穿戴刺激阵列200(即,阵列200可以是无线设备)的功率。例如,初始化模块223可以在模块223确定用户没有穿戴可穿戴刺激阵列200之后暂停诸如感测用户的肌肉激发等功能(例如,通过经由电极201确定EMG信号或者经由传感器202感测运动数据),并且在模块223确定用户已经恢复穿戴阵列200之后恢复这些功能。初始化模块223可以使用传感器(例如,传感器202或远程传感器,诸如通信地耦合到MCU 204的相机)来确定用户是否穿戴阵列200。例如,初始化模块223使用来自传感器202中的心率传感器的数据来确定在超过预定时间阈值(例如,10秒)的时间内没有感测到心率,并且因此,用户已经移除可穿戴刺激阵列200。类似地,模块223可以确定在阈值时间段(例如,8秒)内已经检测到心率达最小次数(例如,5次),并且因此用户已经穿戴可穿戴刺激阵列200。
致动协调模块224启用或禁用通过可穿戴刺激阵列而施加的致动。致动协调模块224可以确定可能的运动(例如,脚踝背屈)以确定要施加的对应致动。致动协调模块224可以基于EMG数据、IMU数据、脚底压力信号、运动在其中发生的上下文、可以用于推断运动的任何合适的数据或其组合来确定运动。模块224可以使用上述数据类型中的一种或多种来确定可穿戴刺激阵列被配置为辅助用户进行的运动集合中的运动。示例运动可以包括步态周期内的运动,如脚跟撞击、负荷响应、中间站姿、末端站姿、预先摆动、脚趾离开、中间摆动和末端摆动。本文中使用的术语“运动”可以广泛地是指特定肌肉群的激活以运动或保持姿势。例如,站立可以是本文中描述的可穿戴刺激阵列可以帮助进行的一种运动,尽管相对于诸如步行或跑步等其他运动,该运动是最小的或没有运动。
致动协调模块224可以使用EMG数据来确定运动,以启用对应致动指令。例如,在基于所测量的EMG信号而标识出与和用户的对侧脚的脚趾抬起相关联的动力学信号相对应的肌肉激发事件时,模块224可以应用与来自对侧脚的脚趾抬起相关联的致动指令。致动协调模块224可以从可穿戴刺激阵列的电极接收EMG数据,该电极被配置为感测肌肉激发事件的EMG信号。替代地或另外地,用户可以在用户身体上的各个位置处穿戴电极(例如,多个可穿戴刺激阵列),并且可穿戴刺激阵列200可以接收从不同设备或可穿戴刺激矩阵的电极感测到的EMG信号。例如,用户可能正在经历其右腿的跛行,在其左腿和右腿上都穿戴可穿戴刺激阵列,使用在其左腿上的第一阵列来测量与左腿中的步态周期相对应的EMG信号,并且使用在右腿上的第二阵列,该第二阵列接收来自第一阵列的测量的EMG信号以刺激电信号以辅助右腿中的步态周期。
致动协调模块224可以使用IMU数据来确定运动,以启用对应致动指令。例如,传感器202中的IMU传感器可以向致动协调模块224提供与步态周期的各个阶段相关联的动力学信号。模块224可以对照步态周期中的预定义阶段顺序来跟踪各个阶段(例如,脚趾离开在中间摆动之前),以基于当前测量的动力学信号来确定运动可能发生。例如,模块224使用来自IMU传感器的数据来确定脚趾离开运动正在发生,并且确定用户可能要执行中间摆动运动。基于该确定,模块224可以应用致动指令以实现中间摆动运动。致动协调模块224可以从传感器202或与用户并置的用户设备(例如,智能手机或智能手表)接收IMU数据。
致动协调模块224可以使用脚底压力信号来确定运动,以启用对应致动指令。例如,致动协调模块224可以访问来自传感器202中的接触用户脚底的压力传感器的脚底压力信号。致动协调模块224可以使用所访问的压力信号来确定用户可能试图进行脚踝跖屈(例如,当在脚趾的尖端上跳跃或站立以到达物体时)。作为响应,模块224可以启用致动指令以辅助脚踝跖屈。例如,模块224可以启用致动指令,该致动指令经由接触髂颈肌肉的可穿戴刺激阵列处的电极来施加电刺激以辅助脚踝跖屈。接触髂颈肌肉的这种可穿戴刺激阵列可以是感测脚底压力信号的相同阵列,或者是通信耦合的不同阵列。传感器202可以是脚部压力床、袜子、紧身裤的一部分,或者是用于与用户的脚底接触的任何合适的形状因子。
致动协调模块224可以确定用于启用对应致动指令的上下文(例如,何时和何地)。例如,致动协调模块224可以确定用户可能试图进行脚踝背屈的上下文,除非上下文另有规定,否则本文中可称为“背屈”,诸如当用户步行、跳舞或准备从坐姿站立时。致动协调模块224可以基于用户(例如,用户信息,诸如身体测量、活动测量、或用户过去或即将到来的时间表)、可穿戴刺激阵列在用户身体上的位置、一天中的时间或用户的位置,来确定受刺激运动将在其中发生的上下文。致动协调模块224可以使用存储在用户简档数据库222中的信息来确定上下文。例如,致动协调模块224可以访问存储在数据库222中的指示用户被安排在下午5:30去上舞蹈课的用户时间表,确定一天中的时间是下午5:35,并且确定用户可能在舞蹈课上并且可以比诸如被安排在膝盖和脚踝运动最小的桌子旁工作的上下文更有可能执行运动(例如,膝盖和脚踝弯曲和伸展)的上下文。
致动协调模块224可以访问运动模型(例如,通用运动模型228或用户特定运动模型229),以启用可穿戴刺激阵列200处的致动(例如,从一个电极到另一电极的电信号)并且刺激由用户进行的运动。例如,当用户的运动数据和致动偏好(例如,所施加的致动的反馈得分)尚未被记录以提供更定制化的致动时,模块224访问通用运动模型228以启用致动。在另一示例中,模块224访问用户特定运动模型229,以通过使用用户反馈和测量的受刺激运动对模型229进行重新训练来启用比通用运动模型228更适合用户身体的致动,从而测量所应用的致动指令的舒适度或功效。
在一些实施例中,致动协调模块224可以通过启用从第一电极到第二电极的第一电信号和从第三电极到第四电极的第二电信号来刺激运动。在一些实施例中,第一电信号的脉宽与第二电信号的脉宽的比率是预定的。这个预定比率可以称为“比例操纵比率”。在一个示例中,致动协调模块224确定第一电极配置,在该第一电极配置中,使用第一配置中的电极来递送特定频率、脉宽和幅度的第一电信号。在该示例中,致动协调模块224还确定第二电极配置,在该第二电极配置中,使用第二配置中的电极来递送第二电信号。致动协调模块224可以使用预定比例操纵比率来确定第二电信号的脉宽。该比率可以是1:4,其中第一电信号的脉宽是20%,并且第二电信号的脉宽是80%。以这种方式,致动协调模块224可以根据比例操纵比率在两个电极配置之间拆分脉宽。这可以帮助增加可穿戴刺激阵列的密度,而不必添加附加物理电极。
致动协调模块224可以使用所测量的用户活动数据来确定用户在运动期间所经历的疲劳程度。例如,传感器202测量针对特定运动的用户运动的运动数据(例如,动力信号、动力学信号、压力信号)。模块224可以跟踪与运动的基线信号轮廓相比的运动数据的信号的幅度。例如,在校准期间,校准模块225可以使用传感器202中的测量与背屈相关联的动力学信号随时间的幅度的IMU传感器来测量和记录脚踝背屈的基线信号轮廓。模块224可以确定由特定致动指令辅助的所得到的背屈在幅度上正在减小,或者运动的持续时间随着用户执行他们的日常例程由于用户的疲劳而增加。模块224可以确定幅度在较早背屈与较晚背屈之间减少了0.5%,或者持续时间在较早背屈与较晚背屈之间增加了1%。该百分比可以与用户所经历的疲劳程度成比例,并且用于调节致动指令。例如,模块224可以访问预定义疲劳程度(例如,从1到5的标度),其中从基线信号轮廓的±5%以内的变化范围可以对应于最小疲劳程度(例如,水平1),从基线信号轮廓的±25%以内的变化范围可以对应于下一较高疲劳程度(例如,水平2),在±50%以内、在±75%以内、以及相应后续水平的大于±100%的变化。
在一些实施例中,致动协调模块224可以使用由传感器202测量的EMG信号来确定疲劳程度。致动协调模块224可以确定EMG信号中的电活动的频率响应,并且确定电活动频率低于(例如,平均)使用在用户休息时测量的EMG信号确定的基线频率响应的频率响应。
致动协调模块224还可以基于所确定的疲劳程度来调节致动指令(例如,所施加的电刺激的配置功率)。继续前面的示例,模块224可以根据与从基线的相应变化百分比相对应的预定义条件来调节致动指令。例如,如果由IMU传感器测量的用户的背屈的动力学信号幅度已经从基线轮廓减少了60%,则模块224可以通过将增益因子1.6应用于被施加到用户的小腿的电刺激来调节用于背屈的对应致动指令。
致动协调模块224可以处理由远程传感器(例如,通信地耦合到可穿戴刺激阵列200的相机)捕获的图像或视频数据。例如,用户在其整个家中安装相机(例如,作为辅助生活或远程护理环境的一部分),其中相机捕获用户行走并且将捕获的图像传输到可穿戴刺激阵列200。模块224可以对捕获的数据执行图像处理或应用机器学习,以识别用户的腿随时间的位置,并且确定用户步态周期中可能的即将到来的运动。模块224可以标识步态周期中的每个运动。例如,模块224可以确定终端姿势很可能是在从相机接收的最新图像数据中标识的中间姿势之后的即将到来的运动。以这种方式,模块224确定在图像数据中描绘的中间姿势是步态周期的运动集合中的运动。
在一些实施例中,致动协调模块224基于捕获的图像数据、从传感器202的IMU传感器或脚部压力传感器捕获的运动数据、或从电极201中的电极捕获的EMG数据来确定用户正在执行运动。例如,模块224可以用运动模型的输出对图像处理的输出进行加权,该运动模型被训练为基于由IMU传感器测量的运动数据来确定致动指令,其中模型输出包括可能被反映在运动数据中的运动的中间确定。模块224可以对低于IMU传感器的图像处理的输出进行加权,并且可以基于用户反馈来调节该权重。例如,如果用户的反馈指示使用IMU传感器数据而确定的致动指令是不令人满意的(例如,引起它们的不适或在辅助运动方面无效),则模块224可以减小运动模型的输出的权重或增加图像处理的输出的权重。替代地或另外地,模型训练引擎227还可以使用该用户反馈来重新训练在IMU传感器数据上训练的运动模型。
在一些实施例中,致动协调模块224禁用致动。例如,致动协调模块224可以接收用户反馈(例如,经由通信地耦合到可穿戴刺激阵列200的用户设备处的GUI)以停止致动,并且模块224将暂停或结束所施加的致动。
校准模块225校准由可穿戴刺激阵列200施加的致动,使得其根据用户的身体或行为进行定制。校准模块225接收由可穿戴刺激阵列200刺激的运动的用户反馈,并且使用接收的反馈对有助于受刺激运动的对应致动指令进行评分。由校准模块225确定的得分可以由模型训练引擎227用来重新训练运动模型,从而利用用户的反馈来优化后续致动确定。校准可以周期性地(例如,每周一次)、按需地、或在可穿戴刺激阵列的初始化时(例如,每次用户戴上可穿戴刺激阵列200时)执行。
由模块225接收的反馈可以包括由传感器202测量的数据和由用户提供的数据(例如,使用用户界面,用户可以通过该用户界面与可穿戴刺激阵列200交互)。通过GUI的用户反馈可以是指示对由可穿戴刺激阵列200提供的致动的认可程度的直接反馈(例如,得分、星级、拇指向上或向下等)或间接反馈(例如,调节致动或停止致动)。用户反馈可以包括由传感器202测量并且与运动的神经典型轮廓或用户的运动基线轮廓相比较的受刺激运动的功效。例如,校准模块225可以确定受刺激运动的测量的动力学信号在具有相同运动的神经典型轮廓的幅度的±20%幅度阈值之外,并且因此确定受刺激运动是无效的。
除了使用用户提供的反馈来校准所施加的刺激之外,校准模块225还可以使用目标运动来评估受刺激运动并且重新训练运动模型。目标运动可以是神经典型运动或由用户设置的基线运动。校准模块225可以将所测量的受刺激运动与目标运动进行比较。例如,当校准可穿戴刺激阵列200以帮助用户实现类似于神经典型运动的运动时,校准模块225可以将受刺激运动与神经典型运动进行比较,以确定是否应当修改致动指令。
在一些实施例中,校准模块225可以接收表示用户在没有刺激的情况下的运动表现的运动数据。校准模块225可以基于运动来确定用户的运动进度,并且使用运动进度来重新训练运动模型。例如,校准模块225每天接收一次在没有刺激帮助用户的情况下用户执行膝盖伸展的运动数据。运动数据表明,用户在几周内执行的膝盖伸展越来越接近目标运动。校准模块225可以重新训练校准模块225,以增强所施加的致动指令与和膝盖伸展相关联的运动数据之间的关联。
对于在校准期间被应用的每个致动指令,校准模块225可以对由传感器(例如,传感器202)测量的所得到的受刺激运动进行评分。模块225可以基于所接收的反馈(例如,由用户直接提供的反馈)或所测量的运动数据与神经典型运动数据的比较中的一项或多项来确定得分。例如,由模块225执行的比较指示由用于背屈的默认致动指令在用户身上刺激的运动弱于神经典型运动。作为响应,校准模块225针对该用户对默认致动指令评分较低(例如,使用数字系统,其中较低数字表示致动指令的较差性能)。模块225可以将得分存储在用户简档数据库222中。
校准模块225可以接收来自用户的响应于使用可穿戴刺激阵列200使用所访问的模型来刺激运动集合中由用于进行的运动的反馈,该反馈指示受刺激运动的认可度量。例如,在致动协调模块224使用用户特定运动模型229来刺激步态周期中的预先摆动之后,校准模块225接收来自用户的反馈,该反馈指示刺激是不舒服的(即,受刺激运动的认可度量为低)。模块225可以通过引起模型训练引擎227重新训练所访问的模型来校准可穿戴刺激阵列200,以至少针对运动集合的受刺激运动(例如,预先摆动)来改变致动指令的组成,诸如电信号或者作为阳极或阴极操作的电极。
在一些实施例中,模型训练引擎227基于评分来训练或重新训练运动模型。例如,用户提供致动指令在所得到的电刺激被施加的情况下引起疼痛的反馈,模块225针对要被刺激的对应运动(例如,膝盖伸展)将该致动指令评分为低,并且模型训练引擎227重新训练运动模型,使得对于用户可能正在进行膝盖伸展的后续确定,该致动指令被选择的可能性降低。
在一些实施例中,校准模块225可以使用用于相应运动的默认致动指令集开始校准。模块225可以访问表示神经典型运动的数据,这些数据可以存储在数据库130、221或222中。校准模块225将所测量的受刺激运动与对应运动的神经典型信号轮廓进行比较。例如,校准模块225将所测量的脚踝背屈的动力信号与表示神经典型脚踝背屈的信号进行比较。模块225使用该比较来调节默认致动指令。例如,如果比较指示受刺激运动不如神经典型运动强(例如,信号的幅度没有神经典型运动高),则模块225可以通过改变用于施加电刺激的电极或电信号的幅度来调节致动指令。在校准期间,可穿戴刺激阵列200可以测量各种运动的受刺激运动,并且将受刺激运动与对应神经典型数据进行比较,以调节每个运动的致动。
校准模块225可以调节所施加的致动指令内包括的电信号的频率、幅度、脉宽或任何合适的参数。校准模块225还可以调节电极202的配置,以将电极的操作配置为阴极或阳极。这些调节可以顺序地发生,使得致动排列被遍历并且被应用于用户以确定哪个排列是优选的。校准模块225可以在用户的连续致动之间施加具有暂停(例如,10秒的暂停)的各自排列,以提供所施加的最新致动的反馈。例如,作为遍历中的第一致动,模块225可以使用1号电极作为阳极并且使用2号电极作为阴极来启用频率为20Hz的第一电信号。模块225然后可以暂停10秒以允许用户提供反馈。模块225然后可以施加遍历中的第二致动,其中使用2号电极作为阳极并且使用3号电极作为阴极来施加第一电信号。遍历致动可以通过电极配置的不断变化的排列而继续,其中在每次致动之间有停顿,然后通过将频率增加5Hz来改变电信号以产生第二电信号。模块225然后可以通过电极配置的相同排列来施加该第二电信号,在每次致动之间暂停以接收通过特定电极配置而施加的第二电信号的用户反馈。模块225可以使用所接收的反馈来确定得分(如果不是由用户直接提供的话),并且将所确定的得分提供给模型训练引擎227,以重新训练所访问的模型,以校准可穿戴刺激阵列200。
校准模块225可以响应于用户反馈来调节信号参数。例如,用户可以使用图5所示的GUI来改变所施加的电刺激的频率或幅度。当调节信号参数时,模块225可以确定由用户提供的间接反馈,因为该调节可以间接指示受刺激运动的认可度量较低。
校准模块225可以存储所测量的运动数据,以用于校准可穿戴刺激阵列200或训练运动模型。所存储的运动数据表征由可穿戴刺激阵列200上或耦合到可穿戴刺激阵列200的传感器测量的运动。所测量的运动数据的示例包括来自IMU传感器的动力信号或来自脚部压力床的脚底压力信号。校准模块225还可以存储所测量的运动意图数据,诸如从可穿戴刺激阵列200的电极测量的EMG信号。数据可以存储在阵列本地的存储器(例如,用户简档数据库222)中或在阵列远程的存储器(例如,数据库130)中。校准模块225可以访问所存储的数据以对对应受刺激运动的致动指令进行评分,从而校准可穿戴刺激阵列。模型训练引擎227可以访问所存储的数据以训练或重新训练模型(例如,机器学习模型)以确定致动指令。例如,模型训练引擎227可以用对应致动指令来标记所测量的运动数据,以生成训练集来训练用户特定运动模型229。
在一些实施例中,由校准模块225存储的数据可以用于创建用户的运动轮廓。例如,在校准模块225已经完成对可穿戴刺激阵列200的校准之后,当用户执行对应受刺激运动或未受刺激运动时测量的动力信号可以分别用作在受刺激或未受刺激时的运动的基线信号轮廓。这些基线轮廓可以用于例如确定用户是否正在经历疲劳以及致动协调模块224是否应当调节致动指令。
GUI模块226生成用于显示的GUI,用户可以通过该GUI提供所应用的致动指令的反馈或控制可穿戴刺激阵列200。GUI可以在耦合到可穿戴刺激阵列200的用户设备上生成。GUI模块226可以显示描述致动的信息,诸如所施加的电信号的特性以及信号是通过哪个电极施加的(例如,用作阳极和阴极的电极的ID号)。GUI模块226可以提供交互式用户界面,包括各种按钮、切换、菜单等,用户可以通过该交互式用户界面来调节所施加的致动(例如,如图5中描绘的)。交互式用户界面还可以包括用于提供反馈的用户输入(例如,如图6中描绘的)。
模型训练引擎227可以在多个阶段中训练机器学习模型。在第一阶段中,模型训练引擎227可以使用在一个或多个用户(例如,神经典型群体)上收集的表示所测量的运动的广义数据(例如,动力信号、动力学信号或EMG信号)来训练机器学习模型。模型训练引擎227可以用指令标签来标记广义数据,该指令标签表示应当被应用以辅助由广义数据表示的所测量的运动的致动指令。模型训练引擎227基于所标记的广义数据创建第一训练集。模型训练引擎227使用第一训练集训练机器学习模型(例如,通用运动模型228),以用于确定致动指令,从而使得能够使用可穿戴刺激阵列200。也就是说,机器学习模型被配置为接收所测量的运动数据(例如,来自传感器202)或所测量的运动意图数据(例如,来自电极201)作为输入,并且输出与由测量数据表征的可能运动相对应的致动指令。
在训练的第二阶段,模型训练引擎227可以使用由传感器202或电极201收集的用户特定数据来测量穿戴可穿戴刺激阵列200的由用户进行的运动。模型训练引擎227基于先前(例如,通过经训练的通用运动模型228)确定的致动指令和表示从可穿戴刺激阵列200的用户收集的测量运动的数据(即,用户特定数据)来创建第二训练集。取决于对应施加的致动的成功性(例如,如用户反馈所指示的),所确定的致动指令可以用作用户特定数据的标签。如果先前确定的致动指令导致有效或舒适的受刺激运动,则模型训练引擎227可以创建第二训练集,该第二训练集中包括用所确定的致动指令标记的用户特定数据。模型训练引擎227然后使用第二训练集来重新训练机器学习模型,使得机器学习模型针对用户的运动被定制。例如,模型训练引擎227可以重新训练通用运动模型228,使得经重新训练的模型是用户特定运动模型229。
为了创建训练集,模型训练引擎227可以确定与所测量的运动数据相关联的一个或多个特征向量(例如,来自不同肌肉的动力信号的组合及其在测量运动期间的激发定时)。例如,模型训练引擎227可以确定表征步态周期期间与一定程度的膝关节屈曲和脚趾离开事件相关联的肌肉激发事件的特征向量。在一些实施例中,模型训练引擎227可以接收与在刺激运动之前执行的校准相关联的校准数据(例如,来自校准模块225)。模型训练引擎227可以在创建训练集时使用校准数据,使得经训练的机器学习模型进一步针对用户的运动被定制。
通用运动模型228被配置为针对各种运动中的每个启用对应致动。例如,对于步态周期中的每个运动,通用运动模型228可以确定从电极201中的第一电极或第一组电极驱动到电极201中的第二电极或第二组电极的对应电信号。通用运动模型228接收表示由可穿戴刺激阵列200测量的运动的数据作为输入,并且输出用于辅助可能在所接收的数据中表示的运动的致动指令。表示所测量的运动的数据可以包括EMG数据、IMU数据、脚底压力信号、所测量的运动的疲劳程度、受刺激运动将在其中发生的上下文、任何合适的活动数据或其组合。在一个示例中,电极201中的一组电极被配置为感测小腿处的EMG信号(例如,当用户意图执行脚踝背屈时感测的),EMG信号被输入到通用运动模型228中,并且通用运动模型228输出用于刺激脚踝背屈的致动指令。通用运动模型228由模型训练引擎227使用在执行各种一般运动的神经典型人群中收集的运动数据或表示测量的运动的任何其他合适的数据来训练。一般运动可以包括步行、站立(即,从坐姿)、坐着、上下台阶、抓握、日常活动中使用的任何合适的运动、或其组合。
用户特定模型229由模型训练引擎227使用从传感器202或电极201收集的运动数据或表示测量的运动的任何其他合适数据来训练。模型229可以通过重新训练通用运动模型228来获取。因为模型229可以根据用户特定运动数据进行训练,所以模型229使得运动性增强系统220能够针对用户被个性化,并且提高其标识用户认为满意(例如,有效或舒适)的致动指令的准确性。与通用运动模型228类似,用户特定模型229可以被配置为针对各种运动中的每个启用对应致动指令。
通用运动模型228和用户特定运动模型229可以是机器学习模型。运动性增强系统220的机器学习模型可以使用各种机器学习技术,诸如线性支持向量机(线性SVM)、其他算法的增强(例如,AdaBoost)、神经网络、逻辑回归、天真贝叶斯、基于记忆的学习、随机森林、袋装树、决策树、增强树、增强树桩、有监督或无监督学习算法或其任何合适组合。机器学习模型可以访问更广泛的一组训练特征来进行训练。该模型可以使用生理刺激作为用于确定致动指令的组分。
替代地,本文中描述的模型可以是基于先前测量的运动数据和所施加的对应致动而生成的统计模型,该统计模型被配置为确定最有可能对应于所测量的运动数据的致动。本文中描述的模型也可以是基于规则的决策模型,其基于各种规则或条件的测试来确定最佳致动,诸如所测量的运动数据是否偏离目标数据超过阈值、用户是否已经穿戴阵列超过预定时间段、或者用于确定应当施加特定致动的条件的任何其他合适的测试。
尽管运动性增强系统220被描绘为可穿戴刺激阵列200的组件,但是远程运动性增强系统120可以提供相同或相似的功能,使得处理负担从MCU 204转移到托管远程运动性增强系统120的远程服务器本地的处理器。由传感器202捕获的数据或由电极201中的电极捕获的EMG信号可以经由通信电路系统206传送到远程运动性增强系统120。例如,由传感器202的IMU传感器测量的动力运动数据被存储在可穿戴刺激阵列200处的安全数字(SD)存储卡中,运动性增强系统220将数据从SD卡上传到远程数据库(例如,数据库130),并且远程运动性增强系统120访问数据库130以校准可穿戴刺激阵列200通过网络160访问的运动模型。远程运动性增强系统120可以被托管在诸如智能手机或平板电脑等计算设备上,其中计算设备可以经由通信网络(例如,网络150)通信地耦合到可穿戴刺激阵列200。
电源205为可穿戴刺激阵列200操作提供电能。电源205可以是诸如电池等移动电源或者诸如电源插座连接等固定电源。电源205可以提供用于致动的功率,该功率包括经由电极202的电刺激。例如,致动协调模块224可以激活或停用电源205与电极201之间的电连接以控制电刺激。电源205可以经由可穿戴刺激阵列200中的振动电机(尽管在图2中未描绘)提供用于包括机械刺激的致动的功率。例如,致动协调模块224可以激活或停用电源205与振动电机之间的电连接,以提供触觉或机械致动。
通信电路系统206使得可穿戴刺激阵列200能够通过网络(例如,网络160)进行通信。通信电路系统206可以被配置为使用Wi-Fi、蜂窝、局域网(LAN)接口或用于无线通信的任何合适接口中的一种或多种,来在可穿戴刺激阵列200与互联网之间建立连接。通信电路系统206可以被配置为从其他设备(例如,其他可穿戴刺激阵列或用户设备)的通信电路系统传输和接收数据。在一些实施例中,通信电路系统206还可以实现通过各种介质的有线通信,诸如光纤、USB、串行、同轴或用于有线网络的任何合适的线缆。
图3是根据至少一个实施例的用于优化由可穿戴刺激阵列进行的刺激的反馈回路300的框图。反馈回路300是闭环系统,其使由可穿戴刺激阵列刺激的运动与目标运动(例如,神经典型运动)之间的差异最小化。运动性增强系统220可以执行反馈回路300。反馈回路300包括传感器310、运动性增强系统320、MUX 330和电极阵列340。运动性增强系统320执行用户特定运动模型321、校准模块322和模型训练引擎323。与图3所示的相比,反馈回路300可以具有替代配置,包括例如不同的、更少的或更多的组件。
受刺激运动的优化始于初始致动施加。传感器310测量运动数据,诸如用户的心率、呼吸率、压力数据(例如,使用用户脚处的压力床)、皮肤电流响应、动力运动数据、动力学运动数据或其任何组合。传感器310的功能类似于传感器202。传感器310将运动数据提供给运动性增强系统320,该运动性增强系统320使用用户特定运动模型321来确定要应用的致动指令。系统320可以类似于图2中描述的运动性增强系统220(例如,模型321的功能可以类似于用户特定运动模型229)。所确定的致动指令可以指定要激活的电极的组合。运动性增强系统320使用MUX 330来选择指定组合(即,通过输出与指定组合相对应的选择信号值)。MUX 330的功能类似于MUX 203。MUX 330使得电极阵列340中的电极的指定组合能够向用户提供电刺激。
当传感器310测量表示受刺激运动的运动数据时,优化所需要的反馈被获取。该测量在图3中由从电极阵列340到传感器310的箭头描绘。指示受刺激运动的认可程度较低的反馈的示例包括身体常规功能(例如,心率、呼吸率、皮肤电流反应)的度量,这些度量超出了用户的正常值范围(例如,根据用户的年龄或身高)。指示受刺激运动的认可程度较低的反馈的其他示例包括将所测量的动力运动数据、动力学运动数据或压力数据与相应目标数据集偏离超过预定阈值的比较。例如,当所测量的背屈的动力信号与目标背屈的信号(例如,用户在校准期间执行的背屈或神经典型背屈)偏离目标背屈幅度的±25%时,受刺激运动的认可程度可以较低。
指示受刺激运动的认可程度较高的反馈的示例包括在用户的正常值范围内的身体常规功能的度量。指示受刺激运动的认可程度较高的反馈的其他示例包括将所测量的动力运动数据、动力学运动数据或压力数据与相应目标数据集的满足或落在预定阈值内的比较。例如,当脚跟撞击的测量压力信号的幅度落在目标脚跟撞击幅度的±10%以内时,受刺激运动的认可程度可以较高。
该反馈用于重新训练用户特定运动模型321。来自传感器310的所测量的运动数据被提供给校准模块322。校准模块322可以基于可由运动性增强系统320确定的受刺激运动的认可程度来对所应用的致动指令进行评分。认可程度可以与受刺激运动偏离目标运动的量成比例,并且得分可以与认可程度成比例。使用该得分,模型训练引擎323可以创建标记数据的训练集。根据所确定的得分,可以用致动指令来标记运动数据。例如,如果受刺激运动的得分由于较低认可程度而较低,则模型训练引擎323可以使用所施加的致动作为测量运动的标签来创建负样本,该测量运动导致施加不令人满意的致动。在另一示例中,如果受刺激运动的得分由于较高认可程度而较高,则模型训练引擎323可以类似地创建正样本。模型训练引擎323可以使用正样本和负样本来重新训练用户特定运动模型321,以基于用户的身体和行为来细化所施加的刺激。
图4描绘了根据至少一个实施例的与用户的小腿410接触的可穿戴刺激阵列400的电极。可穿戴刺激阵列400被描绘为没有集成到诸如紧身裤或袜子等衣物中。可穿戴刺激阵列400包括可穿戴刺激阵列200的组件,诸如电极420和430。电极420可以被配置为阳极,并且电极430可以被配置为阴极。可穿戴刺激阵列400被描绘为具有两个阴极和六个阳极的8电极阵列。
在一些实施例中,可穿戴刺激阵列400的第一组电极可以被配置为用于阵列400的EMG传感器的电极。例如,阵列400的MUX可以选择8电极阵列的两个电极来耦合到EMG传感器。由这两个电极感测的运动数据(例如,EMG信号)可以被应用于在阵列400的MCU上执行的运动模型。所访问的运动模型可以输出被确定为最适合在刺激EMG信号中表示的运动的致动指令。所确定的致动指令可以指定8电极阵列的其余六个电极可以如何配置(例如,阳极或阴极)以及要通过电极来施加的一个或多个电信号。所确定的致动指令可以替代地指定用于EMG传感器的两个电极被重新配置为将致动(即,电极的角色从EMG电极重新配置为用于电刺激的阴极或阳极)施加到小腿410。将电极与EMG传感器断开连接并且重新配置断开连接的电极以用于电刺激可以帮助EMG测量避免或减少来自电刺激(例如,来自用于施加刺激的电极MUX)的干扰。
用于运动性增强的图形用户界面
图5描绘了根据至少一个实施例的用于管理由可穿戴刺激阵列进行的电刺激的图形用户界面(GUI)500a和500b。GUI 500a-b可以被显示在用户设备(例如,用户设备150)上。可穿戴刺激阵列200的GUI模块226可以提供用于在GUI 500a-b处显示的致动信息。GUI500a-b包括标题510、表520和指示符530。GUI 500a-b示出了用于经由可穿戴刺激阵列200的电极而施加的电刺激的两种不同致动配置。特别地,刺激的电信号是等效的,但是如指示符530所示,电极的角色是不同的。第一组电极在GUI 500a中被显示为作为阳极操作,并且第二组电极在GUI 500b中被显示为用作阳极操作。一个电极在GUI 500a-b两者中被示出为作为阴极操作。未被阴影化的指示符530可以反映不活动(即,不用于提供电刺激)的电极。
GUI 500a-b包括用于指示施加致动的位置的致动位置标题510。标题510可以是用户指定的。例如,当用户首先初始化可穿戴刺激阵列200时,用户可以将电极201放置成与左胫骨前部接触,并且经由GUI 500a-b指定阵列200所在的位置。左胫骨前部被示出为可穿戴刺激阵列的电极可以被放置在何处的示例,并且本领域技术人员将认识到,电刺激可以被施加到人体上的其他位置。
GUI 500a-b包括电信号参数表520和表示阵列的电极的配置的指示符530。表520和指示符530可以是交互式的,以使得用户能够通过选择指示符530来调节表520中所示的信号参数或重新配置电极的角色。例如,用户可以能够通过滑动显示GUI 500a-b的用户设备150的触摸屏来选择电刺激的频率、持续时间或幅度。指示符530可以使用表示非活动电极、被配置为阳极的活动电极和被配置为阴极的活动电极的至少3种不同颜色来着色。尽管未示出,但另外的颜色(或任何合适的图形区别)可以用于指示电极的附加角色(例如,指示EMG电极)。在一个示例中,用户可以通过选择(例如,在设备150的触摸屏上敲击)按钮来调节电极的角色,其中每个选择改变按钮的颜色,并且并行地改变电极的对应角色。
图6描绘了根据至少一个实施例的用于提供由可穿戴刺激阵列提供的受刺激运动的反馈的GUI 600a和600b。GUI 600a-b示出了用于提供反馈的两个不同界面。GUI 600a-b可以被显示在用户设备(例如,用户设备150)上。运动性增强系统220的GUI模块226可以提供用于在用户设备150处显示的信息。这两个界面都使得用户能够指示例如由可穿戴刺激阵列200施加的致动的认可程度。如在校准模块225的描述中所描述的,用户可以使用直接反馈经由评估标度(例如,数字得分、星级等)或二进制评级(例如,大拇指向上或向下)来指示认可程度。用户还可以通过致动的调节或优选致动的选择来提供间接反馈。运动性增强系统220可以使用间接反馈来生成致动指令的得分(即,不是直接使用由用户提供的得分)。
GUI 600a包括标题610、致动信息窗口620和反馈按钮630。类似于标题510,标题610指示被施加致动的肌肉或肌肉群。如GUI 600a-b中所示,标题510指示致动被施加到左胫骨前部。致动信息窗口620显示关于施加到左胫骨前部的致动的信息。特别地,窗口620示出了关于所施加的电刺激的信息:电信号的频率、持续时间和幅度、以及用于递送电信号的电极配置。用户可以与反馈按钮630交互以指示在窗口620中指示的所施加的电刺激是否令人满意(例如,对于刺激特定运动而言是否是舒适的或有效的)。例如,用户可以点击用户设备150的触摸屏以选择按钮630的竖起大拇指来指示所施加的刺激是舒适的或有效的。
GUI 600b包括标题610、致动信息窗口640和致动选择按钮650。致动信息窗口640显示用户可以从中进行选择的两个致动指令的并排比较。运动性增强系统220可以在校准期间循环通过各种致动指令的同时提供GUI 600b用于显示。例如,校准模块225可以按预定序列调节致动(例如,每10秒将信号的幅度阶梯增加或降低最大幅度的10%),在GUI 600b上显示两个连续致动,并且使得用户能够选择用户偏好这两个致动中的哪个。运动性增强系统220可以使得两个致动信息窗口640能够是交互式的。例如,用户可以敲击窗口640中的任一个以引起可穿戴刺激阵列200执行致动(即,响应于检测到用户已经选择窗口640中的任一个,致动协调模块224可以启用对应致动)。这种交互和按需致动校准可以帮助用户确定优选致动。用户可以与反馈按钮630交互以指示在窗口640中呈现的所施加的电刺激中的哪个是令人满意的。用户与GUI 600a-b之间的交互可以存储在用户简档数据库222中,以保持用户偏好的记录。
替代地或另外地,图5-图6所示的GUI可以被显示在可穿戴刺激阵列的显示器上。尽管在图2中未描绘,但可穿戴刺激阵列200可以包括用户输入和输出,诸如显示屏、用于与所显示内容交互的按钮、触摸屏显示器、麦克风和扬声器(例如,当MCU 204被配置有自然语言处理软件时,用于可穿戴刺激阵列200的语音控制)、用于实现阵列与用户之间的通信的任何合适的视觉、音频或触觉机制、或其组合。以这种方式,可穿戴刺激阵列可以被配置为在没有附加设备的情况下或者当阵列离线时(例如,不能与用户设备150通信以接收用户反馈)从用户接收反馈。
用于在运动性增强系统中进行校准和应用致动的过程
图7是示出根据至少一个实施例的用于由可穿戴刺激阵列实现运动刺激的过程700的流程图。在一些实施例中,运动性增强系统220并行地或以不同顺序执行过程700的操作,或者执行不同步骤。
运动性增强系统220初始化701可穿戴刺激阵列(例如,可穿戴刺激阵列200)。运动性增强系统220的初始化模块223可以通过响应于检测到用户穿戴了阵列200而开始测量运动数据(例如,使用传感器202)来初始化701阵列200。初始化模块223可以使用传感器202来确定用户是否穿戴了阵列200。例如,传感器202的心率传感器可以检测用户的心率,并且因此,初始化模块223确定用户穿戴了阵列200。在一些实施例中,可穿戴刺激阵列200可以包括用于手动初始化701阵列200的用户接口(例如,开关)。
针对运动集合中的第一运动,运动性增强系统220将来自可穿戴刺激阵列的电源的电力配置702为在第一电极与第一组电极之间流动,使得第一电极被配置为作为阳极操作。例如,可穿戴刺激阵列200可以被配置为刺激运动集合,包括诸如膝关节屈曲和脚踝背屈等从坐到站的运动。针对坐到站运动的膝关节屈曲,致动协调模块224可以使用MUX 203来将来自电源205的电力配置702为在电极201中的ID号为1的电极与ID号为2-4的电极之间流动,使得1号电极是阳极,其中电流从2-4号电极流到用户以刺激膝关节屈曲,并且由1号电极接收以完成流动。致动协调模块224可以使用机器学习模型(例如,用户特定运动模型229)来确定最有可能刺激膝关节屈曲的致动指令。所确定的致动指令可以指定选择信号组合,该选择信号组合可以被输入到MUX 203,以使得1号电极能够作为阳极操作并且使得2-4号电极能够成为阴极。
针对运动集合中的第二运动,运动性增强系统220将来自可穿戴刺激阵列的电源的电力配置703为在第一电极与第二组电极之间流动,使得第一电极被配置为作为阴极操作。继续前面的示例,针对坐到站运动的脚踝背屈,致动协调模块224可以使用MUX 203来将来自电源205的电力配置703为在电极201中的ID号为1的电极与ID号为8的电极之间流动,使得1号电极是阴极,其中电流从1号电极流到用户以刺激背屈,并且由8号电极接收以完成流动。致动协调模块224可以使用用户特定运动模型229来确定最有可能刺激脚踝背屈的致动指令。所确定的致动指令可以指定选择信号组合,该选择信号组合可以被输入到MUX203,以使得1号电极能够作为阴极操作并且使得8号电极能够作为阳极操作。
图8是示出根据至少一个实施例的用于校准可穿戴刺激阵列的过程800的流程图。在一些实施例中,运动性增强系统220并行地或以不同顺序执行过程800的操作,或者可以执行不同步骤。例如,过程800中所示的校准可以是具有从校准805可穿戴刺激阵列返回到访问802模型以确定要施加的电刺激的附加箭头的反馈回路。还可以在校准805阵列与访问802模型之间添加决策块,其中如果接收804的反馈指示使用模型而刺激的运动的认可度量较低,则过程800返回到访问802模型。
运动性增强系统220初始化801包括电极的可穿戴刺激阵列。类似于过程700的初始化701,过程800的初始化801可以由运动性增强系统220的初始化模块223执行。模块223可以通过响应于检测到用户穿戴了阵列200而开始测量运动数据(例如,使用传感器202)来初始化阵列200。初始化模块223可以使用传感器202来确定用户是否穿戴了阵列200。例如,传感器202的心率传感器可以检测用户的心率,并且因此,初始化模块223确定用户穿戴了阵列200。在一些实施例中,可穿戴刺激阵列200可以包括用于手动初始化801阵列200的用户接口(例如,开关)。
运动性增强系统220访问802模型,该模型被配置为针对各种运动中的每个,启用从第一组电极(即,作为阴极操作的电极)到第二组电极(例如,作为阳极操作的电极)的对应电信号,以刺激由用户进行的运动。运动性增强系统220可以确定用于刺激各种运动的致动指令,诸如步态周期内的运动。例如,致动协调模块224可以访问802机器学习模型(例如,通用运动模型228),该机器学习模型被配置为针对步态周期内的运动,诸如脚趾离开和中间摆动,启用从第一组电极201到第二组电极201的对应致动(例如,电信号),以刺激由用户进行的运动(例如,脚趾离开)。系统220通过将模型228应用于由传感器202测量的运动数据来访问802通用运动模型228。例如,致动协调模块224从用户的小腿或脚处的IMU接收动力运动数据。模块224然后将所接收的动力运动数据应用于通用运动模型228,该通用运动模型228输出可能有助于脚趾离开的致动指令。
运动性增强系统220确定803运动是否已经使用该模型被刺激。继续前面的示例,致动协调模块224可以在确定指定应当如何施加电刺激的对应致动指令之后,使得电极201能够向用户的腿提供电刺激,以帮助脚趾离开。校准模块225可以使用来自传感器202的输出来确定803脚趾离开已经使用模型(即,经由由模型确定的致动指令)被刺激。例如,来自传感器202的IMU或脚部压力床的数据可以指示用户已经激活施加电刺激的位置处的肌肉。
响应于使用可穿戴刺激阵列使用所访问的模型来刺激各种运动中的由用户进行的运动,运动性增强系统220从用户接收804指示受刺激运动的认可度量的反馈。例如,校准模块225从用户接收804指示刺激是舒适的反馈。用户可以使用诸如图6所示的GUI 600a等界面来提供受刺激运动的直接反馈(例如,使用大拇指向上)。替代地,缺乏反馈可以提供用户对刺激感到满意的间接反馈。例如,校准模块225可以在确定803运动使用模型被刺激之后等待一分钟,并且未接收到来自用户的任何反馈(即,接收804间接反馈)。来自用户的直接和间接反馈的这些示例可以指示认可度量较高。
在另一示例中,校准模块225从用户接收804反馈,该反馈使用GUI 600a中的拇指向下指示刺激在帮助脚趾离开方面无效。校准模块225可以通过从用户接收804调节电刺激的请求(例如,在致动信息窗口640中的选项中选择不同刺激)来接收804刺激无效的间接反馈。来自用户的直接和间接反馈的这些示例可以指示认可度量较低。
运动性增强系统220通过基于所接收的反馈重新训练所访问的模型来校准805可穿戴刺激阵列,以至少针对各种运动中的受刺激运动来改变对应电信号、第一组电极和第二组电极中的一项或多项。例如,模型训练引擎227可以使用从用户接收804的针对受刺激脚趾离开的反馈来重新训练通用运动模型228。如果所接收804的反馈指示认可度量较高,则模型训练引擎227可以生成训练集,该训练集包括先前输入到通用运动模型228中的标记有所确定的致动的运动数据的正样本。替代地,如果所接收804的反馈指示认可度量较低,则模型训练引擎227可以生成训练集,该训练集包括用所确定的致动而标记的运动数据的负样本。模型训练引擎227可以使用所生成的训练集来重新训练通用运动模型228。
经重新训练的模型228的输出可以改变所确定的致动指令,该致动指令被选择来刺激由用户执行的后续脚趾离开。经重新训练的模型228的输出可以包括不同电信号(例如,先前施加的信号的不同频率)、被指定为作为阴极操作的不同电极、或被指定为作为阳极操作的不同电极。这种致动的改变(其可以继续改变,直到用户提供指示所施加的刺激的认可度量较高的反馈)有助于可穿戴刺激阵列200的校准805。
其他注意事项
上述实施例的描述是为了说明的目的而提出的;其并非旨在穷举或将专利权限制为所公开的精确形式。相关领域的技术人员可以理解,根据上述公开,很多修改和变化是可能的。
前面详细描述的一些部分是根据计算机存储器内数据位操作的算法和符号表示进行的。这些算法描述和表示是数据处理领域的技术人员用来最有效地将其工作的实质传达给本领域其他技术人员的方式。算法可以是导致期望结果的一系列操作。虽然这些操作在功能上、计算上或逻辑上进行了描述,但应当理解为通过计算机程序或等效电路、微码等来实现。此外,在不失一般性的情况下,将这些操作布置称为模块有时也被证明是方便的。所描述的操作及其相关模块可以体现在软件、固件、硬件或其任何组合中。
然而,应当记住,所有这些和类似的术语都与适当的物理量相关联,并且只是应用于这些量的方便标签。除非从本公开中明确指出,否则应当理解,在整个描述中,某些术语是指计算机系统或类似电子计算设备的动作和过程,其将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵和变换为类似地表示为计算机系统的存储器或寄存器或其他这样的信息存储设备内的物理量的其他数据。
本公开还涉及一种用于执行本文中的操作的装置。该装置可以是专门为预期目的而构造的,或者它可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的计算机。这样的计算机程序可以存储在计算机可读存储介质中,诸如但不限于任何类型的盘,包括软盘、光盘、CD-ROM和磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、或适合存储电子指令的任何类型的介质,每个耦合到计算机系统总线。
本文中提出的算法和显示器与任何特定计算机或其他装置都没有内在的联系。各种其他系统可以根据本文中的教导与程序一起使用,或者可以证明构造更专业的装置来执行该方法是方便的。此外,本公开不是参考任何特定的编程语言来描述的。将理解的是,多种编程语言可以用于实现本文中描述的本公开的教导。
本公开可以作为计算机程序产品或软件提供,其可以包括其上存储有指令的机器可读介质,指令可以用于对计算机系统(或其他电子设备)进行编程以执行根据本公开的过程。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质,诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备等。
本文中描述的任何步骤、操作或过程都可以单独地或与其他设备相结合使用一个或多个硬件或软件模块来执行或实现。在一个实施例中,软件模块用计算机程序产品来实现,该计算机程序产品包括包含计算机程序代码的计算机可读介质,该计算机程序代码可以由计算机处理器执行以执行所描述的步骤、操作或过程中的任何一个或全部。
如本文中使用的,对“一个实施例”或“实施例”的任何提及都表示结合该实施例而描述的特定元素、特征、结构或特性被包括在至少一个实施例中。短语“在一个实施例中”在说明书中的各个地方的出现不一定都是指同一实施例。如果数值被描述为“近似”或“基本上”(或其派生词),则这样的数值应当被解释为准确+/-10%,除非上下文中另有明确含义。例如,“近似为十”应当理解为“在九到十一的范围内”。
如本文中使用的,术语“包括(comprises)”、“包括(comprising)”、“包括(includes)”、“包括(including)”、“具有(has)”、“具有(having)”或其任何其他变体旨在涵盖非排他性包括。例如,包括元素列表的过程、方法、物品或装置不一定仅限于那些元素,而是可以包括未明确列出的其他元素、或者这样的过程、方法、物品或装置固有的其他元素。此外,除非明确相反,否则“或”是指包括性的或,而不是排他性的或。例如,条件A或B由以下中的任何一个满足:A为真(或存在)而B为假(或不存在)、A为假(或不存在)而B为真(或存在)、以及A和B两者都为真(或存在)。
此外,“一”或“一个”的使用被用来描述本文中的实施例的元件和组件。这样做仅仅是为了方便并且给出本发明的一般意义。本说明书应当被理解为包括一个或至少一个,并且单数也包括复数,除非明显另有说明。
最后,说明书中使用的语言主要是为了可读性和教导目的而选择的,并且可以不是为了描述或限制专利权而选择的。因此,专利权的范围不受该详细描述的限制,而是受基于此的申请而提出的任何权利要求的限制。因此,实施例的公开旨在说明但不限制在以下权利要求中提出的专利权的范围。
Claims (40)
1.一种可穿戴刺激阵列,包括:
可配置电极的集合,所述可配置电极的集合中的每个可配置电极被配置为:当所述可穿戴刺激阵列被用户穿戴时接触所述用户的身体的表面的不同部分;
电源;
存储器,存储运动模型,所述运动模型表示运动集合;以及
控制器,被耦合到所述可配置电极的集合、所述存储器、以及所述电源,所述控制器被配置为:
针对所述运动集合中的第一运动,将来自所述电源的电力配置为在第一电极与第一组电极之间流动,使得所述第一电极被配置为作为阳极操作;以及
针对所述运动集合中的第二运动,将来自所述电源的电力配置为在所述第一电极与第二组电极之间流动,使得所述第一电极被配置为作为阴极操作。
2.根据权利要求1所述的可穿戴刺激阵列,其中所述控制器还被配置为基于以下项中的一项或多项来确定所述运动集合中的每个运动:肌电图(EMG)数据、惯性测量单元(IMU)数据、脚底压力信号、或所述运动发生于的上下文。
3.根据权利要求1或2中任一项所述的可穿戴刺激阵列,其中所配置的所述电力对应于电信号,并且其中所述控制器还被配置为调节以下项中的一项或多项:所述电信号的频率、幅度、或脉宽。
4.根据权利要求1至3中任一项所述的可穿戴刺激阵列,其中所述可配置电极的集合中的一个或多个电极被配置为:在提供刺激与测量EMG数据之间交替。
5.根据权利要求1至4中任一项所述的可穿戴刺激阵列,其中所述运动集合中的运动表示步态周期的阶段。
6.根据权利要求1至5中任一项所述的可穿戴刺激阵列,其中所述可穿戴刺激阵列还包括多个传感器,所述多个传感器被耦合到所述控制器,所述多个传感器包括以下项中的一项或多项:心率传感器、IMU传感器、或压力传感器。
7.根据权利要求6所述的可穿戴刺激阵列,其中所述控制器还被配置为:
接收从所述多个传感器采集的测量结果;以及
使用所接收的所述测量结果,来检测所述用户穿戴了所述可穿戴刺激阵列。
8.根据权利要求6或7中任一项所述的可穿戴刺激阵列,其中所述控制器还被配置为:
使用所述多个传感器,来测量用户活动数据,所述用户活动数据包括以下项中的一项或多项:皮肤电流响应、心率、或呼吸率;
使用所测量的所述用户活动数据,来确定由所述用户在运动期间经历的疲劳程度;以及
基于所述疲劳程度,来调节所配置的所述电力。
9.根据权利要求1至8中任一项所述的可穿戴刺激阵列,其中所述可穿戴刺激阵列还包括IMU传感器或脚部压力传感器中的一项或多项,并且其中所述控制器还被配置为:
使用所述IMU传感器或所述脚部压力传感器来测量运动;以及
存储表征所测量的所述运动的数据,其中所存储的所述数据被应用于所述运动模型以刺激运动,或者被用于表征所述用户的运动轮廓。
10.根据权利要求1至9中任一项所述的可穿戴刺激阵列,其中所述可穿戴刺激阵列还包括IMU传感器或脚部压力传感器中的一项或多项,并且其中所述控制器还被配置为:
测量由所述可穿戴刺激阵列刺激的运动,所述运动使用所述IMU传感器或所述脚部压力传感器中的一项或多项而被测量;
将所测量的受刺激的所述运动与预定运动进行比较,所述预定运动表示神经典型运动;
基于所述比较,来对所测量的所述运动进行评分;以及
基于所述评分,来重新训练所述运动模型。
11.根据权利要求1至10中任一项所述的可穿戴刺激阵列,其中所述控制器还被配置为:
创建训练集,所述训练集包括与相应运动致动指令相关联的所测量的运动数据,每个运动致动指令指定要从给定电极被传输到不同电极的电信号;以及
使用所述训练集,来训练所述运动模型。
12.根据权利要求11所述的可穿戴刺激阵列,其中所述控制器还被配置为通过以下操作来重新训练所述运动模型:
从所述用户接收反馈,所述反馈指示对由所述可穿戴刺激阵列刺激的运动的认可度量;
响应于所接收的所述反馈指示对受刺激的所述运动的所述认可度量为高,增强受刺激的所述运动与致动指令之间的关联,所述致动指令包括启用从第一电极到第二电极的电信号;以及
响应于所接收的所述反馈指示对受刺激的所述运动的所述认可度量为低,减弱受刺激的所述运动与所述致动指令之间的关联。
13.根据权利要求1至12中任一项所述的可穿戴刺激阵列,其中所述控制器还被配置为:针对所述运动集合中的第三运动,将来自所述电源的电力配置为经由第一电信号在所述第一电极到所述第二电极之间流动并且经由第二电信号从第三电极流动到第四电极,其中所述第一电信号的脉宽与所述第二电信号的脉宽的比率是预定的。
14.根据权利要求1至13中任一项所述的可穿戴刺激阵列,其中所述控制器还被配置为:
提供用于在图形用户界面(GUI)处显示的信息,所述信息描述以下项中的一项或多项:所配置的所述电力、所述第一组电极、或所述第二组电极;
接收对所述可配置电极的集合中要启用的电极的用户选择;以及
响应于接收到所述用户选择:
将以下项中的一项或多项改变为包括用户选择的所述电极:所述第一组电极、或所述第二组电极,以及
基于所述用户选择,来重新训练所述运动模型。
15.根据权利要求1至14中任一项所述的可穿戴刺激阵列,还包括相机,所述相机被耦合到所述控制器,所述相机被配置为:
捕获描绘由所述用户进行的运动的图像;以及
将所捕获的所述图像提供给所述控制器,其中所述控制器还被配置为:确定所描绘的所述运动是所述运动集合中的运动。
16.根据权利要求15所述的可穿戴刺激阵列,其中所述控制器还被配置为:基于所捕获的所述图像、以及从被耦合到所述可穿戴刺激阵列的IMU传感器或脚部压力传感器捕获的运动数据,来确定所述用户正在执行所述运动。
17.根据权利要求1至16中任一项所述的可穿戴刺激阵列,其中所述可穿戴刺激阵列被耦合到紧身裤,使得所述可配置电极的集合接触所述用户的腿。
18.根据权利要求1至17中任一项所述的可穿戴刺激阵列,其中所述可穿戴刺激阵列被耦合到袜子或鞋垫,使得所述可配置电极的集合接触所述用户的脚。
19.一种方法,包括:
初始化可穿戴刺激阵列,所述可穿戴刺激阵列包括:
可配置电极的集合,所述可配置电极的集合中的每个可配置电极被配置为当所述可穿戴刺激阵列被用户穿戴时接触所述用户的身体的表面的不同部分;
电源;
存储器,存储运动模型,所述运动模型表示运动集合;以及
控制器,被耦合到所述可配置电极的集合、所述存储器、以及所述电源,
针对所述运动集合中的第一运动,将来自所述电源的电力配置为在第一电极与第一组电极之间流动,使得所述第一电极被配置为作为阳极操作;以及
针对所述运动集合中的第二运动,将来自所述电源的电力配置为在所述第一电极与第二组电极之间流动,使得所述第一电极被配置为作为阴极操作。
20.一种存储可执行指令的非暂态计算机可读存储介质,所述可执行指令在由一个或多个处理器执行时,使得所述一个或多个处理器执行步骤,所述步骤包括:
初始化可穿戴刺激阵列,所述可穿戴刺激阵列包括:
可配置电极的集合,所述可配置电极的集合中的每个可配置电极被配置为当所述可穿戴刺激阵列被用户穿戴时接触所述用户的身体的表面的不同部分;
电源;
存储器,存储运动模型,所述运动模型表示运动集合;以及
控制器,被耦合到所述可配置电极的集合、所述存储器、以及所述电源,
针对所述运动集合中的第一运动,将来自所述电源的电力配置为在第一电极与第一组电极之间流动,使得所述第一电极被配置为作为阳极操作;以及
针对所述运动集合中的第二运动,将来自所述电源的电力配置为在所述第一电极与第二组电极之间流动,使得所述第一电极被配置为作为阴极操作。
21.一种方法,包括:
初始化可穿戴刺激阵列,所述可穿戴刺激阵列包括多个电极;
访问模型,所述模型被配置为针对多个运动中的每个运动,启用从所述多个电极中的第一组电极到所述多个电极中的第二组电极的对应电信号,以刺激由所述用户进行的所述运动;
响应于使用所述可穿戴刺激阵列使用所访问的所述模型来刺激所述多个运动中由所述用户进行的运动,从所述用户接收反馈,所述反馈指示对受刺激的所述运动的认可度量;以及
通过基于所接收的所述反馈重新训练所访问的所述模型,来校准所述可穿戴刺激阵列,以至少针对所述多个运动中受刺激的所述运动来改变以下项中的一项或多项:所述对应电信号、所述第一组电极、以及所述第二组电极。
22.根据权利要求21所述的方法,还包括:
创建训练集,所述训练集包括与相应致动指令相关联的所测量的运动数据,每个致动指令指定要从所述多个电极中的第一组电极被传输到所述多个电极中的第二组电极的电信号;以及
使用所述训练集,来训练所述模型。
23.根据权利要求22所述的方法,其中所测量的所述运动数据表示从一般用户群体测量的神经典型运动。
24.根据权利要求21至23中任一项所述的方法,其中基于所接收的所述反馈来重新训练所访问的所述模型包括:
响应于所接收的所述反馈指示对受刺激的所述运动的所述认可度量为高,增强受刺激的所述运动与致动指令之间的关联,所述致动指令包括启用从所述多个电极中的所述第一组电极到所述多个电极中的所述第二组电极的所述对应电信号;以及
响应于所接收的所述反馈指示对受刺激的所述运动的所述认可度量为低,减弱受刺激的所述运动与所述致动指令之间的关联。
25.根据权利要求21至24中任一项所述的方法,其中所述模型被配置为基于以下项中的一项或多项来启用所述对应电信号:肌电图(EMG)数据、惯性测量单元(IMU)数据、脚底压力信号、所测量的运动的疲劳程度、或受刺激的所述运动将发生于的上下文。
26.根据权利要求21至25中任一项所述的方法,还包括:基于以下项中的一项或多项来确定受刺激的所述运动将发生于的上下文:所述用户、所述可穿戴刺激阵列在所述用户的身体上的位置、一天中的时间、或所述用户的位置,其中所述模型被配置为基于所确定的所述上下文,来启用所述对应电信号。
27.根据权利要求21至26中任一项所述的方法,还包括:使用所述多个电极中的一个或多个电极,来测量EMG数据,其中所述模型被配置为基于所述EMG数据,来启用所述对应电信号。
28.根据权利要求21至27中任一项所述的方法,还包括:
使用所述可穿戴刺激阵列的IMU传感器或脚部压力传感器中的一项或多项,来测量运动;以及
存储表征所测量的所述运动的数据,其中所存储的所述数据被应用于所述模型以刺激所述运动,或者被用于表征所述用户的运动轮廓。
29.根据权利要求28所述的方法,还包括:
将所测量的所述运动与表示影响所述运动的疲劳的预定运动进行比较;以及
基于所述比较,来确定所测量的所述运动的疲劳程度,其中所述模型被配置为基于所述疲劳程度,来启用所述对应电信号。
30.根据权利要求28或29中任一项所述的方法,其中所测量的所述运动包括来自所述用户的关节的所测量的力。
31.根据权利要求21至30中任一项所述的方法,还包括:
使用所述可穿戴刺激阵列的IMU传感器或脚部压力传感器中的一项或多项,来测量受刺激的所述运动;
将所测量的受刺激的所述运动与表示神经典型运动的预定运动进行比较;以及
基于所接收的所述反馈或所述比较中的一项或多项,来对所测量的所述运动进行评分,其中所访问的所述模型还基于所述评分被重新训练。
32.根据权利要求21至31中任一项所述的方法,还包括:
通过改变以下项中的一项或多项来确定多个电信号:所述对应电信号的频率、幅度、或脉宽;
通过所述多个电极的电极对的排列,来顺序地启用所述多个电信号;
在所述多个电信号中的电信号的相继启用之间进行暂停,以允许所述用户提供对由所启用的电信号刺激的所述运动的反馈;以及
通过基于对由所述多个电信号刺激的所述运动的所接收的所述反馈重新训练所访问的所述模型,来校准所述可穿戴刺激阵列。
33.根据权利要求21至32中任一项所述的方法,其中所述多个电极中的一个或多个电极被配置为:在提供刺激与测量EMG数据之间交替。
34.根据权利要求21至33中任一项所述的方法,其中初始化所述可穿戴刺激阵列包括:使用被耦合到所述可穿戴刺激阵列的心率传感器、或IMU传感器、或压力传感器中的一项或多项,来检测所述用户穿戴了所述可穿戴刺激阵列。
35.根据权利要求21至34中任一项所述的方法,其中所述多个运动中的运动表示步态周期的阶段。
36.根据权利要求21至35中任一项所述的方法,其中所述可穿戴刺激阵列包括多个传感器,所述多个传感器被配置为测量以下项中的一项或多项:皮肤电流响应、心率、或呼吸率。
37.根据权利要求21至36中任一项所述的方法,还包括:通过启用从第一电极到第二电极的第一电信号和从第三电极到第四电极的第二电信号,来刺激所述运动,其中所述第一电信号的脉宽与所述第二电信号的脉宽的比率是预定的。
38.根据权利要求21至37中任一项所述的方法,还包括:
使用所述可穿戴刺激阵列的传感器,来测量多个用户运动,所述多个用户运动表示所述用户在没有刺激的情况下执行给定运动;
使用所测量的所述多个用户运动,来确定运动进度;以及
还基于所述运动进度,来重新训练所访问的所述模型。
39.一种可穿戴刺激阵列,包括存储用于执行的指令的非暂态计算机可读存储介质、以及被配置为执行所述指令的硬件处理器,所述指令在被执行时,使得所述硬件处理器执行步骤,所述步骤包括:
初始化可穿戴刺激阵列,所述可穿戴刺激阵列包括多个电极;
访问模型,所述模型被配置为针对多个运动中的每个运动,启用从所述多个电极中的第一组电极到所述多个电极中的第二组电极的对应电信号,以刺激由所述用户进行的所述运动;
响应于使用所述可穿戴刺激阵列使用所访问的所述模型来刺激所述多个运动中由所述用户进行的运动,从所述用户接收反馈,所述反馈指示对受刺激的所述运动的认可度量;以及
通过基于所接收的所述反馈重新训练所访问的所述模型,来校准所述可穿戴刺激阵列,以至少针对所述多个运动中受刺激的所述运动来改变以下项中的一项或多项:所述对应电信号、所述第一组电极、以及所述第二组电极。
40.一种存储可执行指令的非暂态计算机可读存储介质,所述可执行指令在由一个或多个处理器执行时,使得所述一个或多个处理器执行步骤,所述步骤包括:
初始化可穿戴刺激阵列,所述可穿戴刺激阵列包括多个电极;
访问模型,所述模型被配置为针对多个运动中的每个运动,启用从所述多个电极中的第一组电极到所述多个电极中的第二组电极的对应电信号,以刺激由所述用户进行的所述运动;
响应于使用所述可穿戴刺激阵列使用所访问的所述模型来刺激所述多个运动中由所述用户进行的运动,从所述用户接收反馈,所述反馈指示对受刺激的所述运动的认可度量;以及
通过基于所接收的所述反馈重新训练所访问的所述模型,来校准所述可穿戴刺激阵列,以至少针对所述多个运动中受刺激的所述运动来改变以下项中的一项或多项:所述对应电信号、所述第一组电极、以及所述第二组电极。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/397,669 | 2021-08-09 | ||
US17/397,674 | 2021-08-09 | ||
US17/397,669 US20230039154A1 (en) | 2021-08-09 | 2021-08-09 | Adaptive stimulation array for motor control |
PCT/US2022/038153 WO2023018539A1 (en) | 2021-08-09 | 2022-07-25 | Adaptive stimulation array for motor control |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117794615A true CN117794615A (zh) | 2024-03-29 |
Family
ID=85153487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280055231.5A Pending CN117794615A (zh) | 2021-08-09 | 2022-07-25 | 用于运动控制的自适应刺激阵列 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230039154A1 (zh) |
CN (1) | CN117794615A (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7242983B2 (en) * | 2002-10-15 | 2007-07-10 | Medtronic, Inc. | Channel-selective blanking for a medical device system |
US10335595B2 (en) * | 2011-11-15 | 2019-07-02 | Neurometrix, Inc. | Dynamic control of transcutaneous electrical nerve stimulation therapy using continuous sleep detection |
US20200197689A1 (en) * | 2012-06-26 | 2020-06-25 | Inerventions Ab | Medical therapy arrangement for applying an electrical stimulation to a human or animal subject |
EP3259016A2 (de) * | 2015-02-18 | 2017-12-27 | Wearable Life Science GmbH | Vorrichtung, system und verfahren zur übertragung von reizen |
-
2021
- 2021-08-09 US US17/397,669 patent/US20230039154A1/en active Pending
-
2022
- 2022-07-25 CN CN202280055231.5A patent/CN117794615A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230039154A1 (en) | 2023-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11806564B2 (en) | Method of gait evaluation and training with differential pressure system | |
US10342461B2 (en) | Method of gait evaluation and training with differential pressure system | |
US11219389B2 (en) | Gait analysis and alerting system | |
JP2021505336A (ja) | 患者治療システム及び方法 | |
CN108135537A (zh) | 用于治疗骨关节炎的系统、装置和方法 | |
US20160158603A1 (en) | Assembly for applying a force | |
US20180126158A1 (en) | Systems and Methods for Functional Restoration and Rehabilitation of Posture, Gait and Movement | |
EP3374898A1 (en) | Training a patient in moving and walking | |
WO2019070900A1 (en) | COLLECTION AND ANALYSIS OF KINETIC AND MOVEMENT MOVEMENT DATA | |
JP2017517370A (ja) | 機能的電気刺激のためのシステム及び方法 | |
JP7255392B2 (ja) | リハビリ支援システム、推定装置、学習装置、方法、プログラム、及び学習済みモデル | |
CN112137846B (zh) | 学习系统、步行训练系统、系统、方法、程序及学习完毕模型 | |
JP7136022B2 (ja) | 処理システム、歩行訓練システム、処理方法、及びプログラム | |
US20220176545A1 (en) | Mobility based on machine-learned movement determination | |
US20220062549A1 (en) | Electronically assisted chemical stimulus for symptom intervention | |
US11931571B2 (en) | Adaptive stimulation array calibration | |
CN117794615A (zh) | 用于运动控制的自适应刺激阵列 | |
KR20210050602A (ko) | 인지능력강화 기능이 향상된 보행 재활기기 | |
WO2023018539A1 (en) | Adaptive stimulation array for motor control | |
KR102306130B1 (ko) | 착용형 자극부재를 이용하는 운동 보조 시스템 | |
JP7363896B2 (ja) | 生体誘導装置、生体誘導方法及び生体誘導プログラム | |
US20240130635A1 (en) | Lower limb sleeve for detecting and overcoming freeze of gait | |
WO2024138311A1 (zh) | 一种运动数据处理方法及系统 | |
CN116687354B (zh) | 针对帕金森病患者的数字生物标志物智能分析反馈系统 | |
US20240075285A1 (en) | Devices, systems and methods using flexible circuitry for stimulating a body of a subject to cause a desired movement |
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 |