CN207928682U - 一种脑卒中康复训练装置 - Google Patents

Abstract

本实用新型公开了一种脑卒中康复训练装置，包括可穿戴设备和无线接收器，所述可穿戴设备包括3D打印手指夹具、芯片容纳槽、软排线、设备外壳、OLED显示屏、电源模块、stm32处理器核心板、ZigBee无线收发模块一和传感器模块；所述无线接收器包括Arduino处理器芯片、无线接收器外壳、usb转接口和ZigBee无线收发模块二；所述芯片容纳槽设置于3D打印手指夹具内，传感器模块放置于芯片容纳槽内，所述传感器模块包括MPU6050芯片和stm32芯片；治疗过程新颖，通过体感技术进行激励诱导；系统设计方式丰富，适应性强；软硬结合，原创性高，商业前景广阔；大数据分析，使治疗更为合理；打破传统枯燥繁琐的康复训练；装置设计由易到难各类关卡，循序渐进。

Description

一种脑卒中康复训练装置

技术领域

本实用新型涉及医疗行业领域，具体是一种脑卒中康复训练装置。

背景技术

康复训练的传统方法是采用机械辅具对患者进行治疗该，这种康复方式和训练过程单调无趣，训练者很难坚持，并且需要其他人辅助。随着科技水平的不断进步和新兴交叉学科不断涌现,国内外越来越多的研究机构将智能传感和虚拟现实技术应用于患者的运动功能恢复。市场上已有大量的体感设备，可供我们学习借鉴。为此，需要一种脑卒中康复训练装置，让患者积极主动地去做康复训练，并确认患者可完成哪些具体动作，可以给医疗人员提供科学可靠的医疗信息，了解患者康复训练的成效，以此减轻他们的工作。

实用新型内容

本实用新型的目的在于提供一种脑卒中康复训练装置，本系统利用加速度计和陀螺仪等智能传感和数据挖掘技术，设计可穿戴设备，采集康复训练动作数据。设备的形式多样，初步设计了在手套、护膝等常用护具上加装传感器，方便患者使用。采集到的数据经高效算法处理后，通过无线ZigBee传输组网给上位机，供数据分析。

开发人机情景交互软件，一方面在运用虚拟现实技术的同时进行科学引导，增加患者训练时的乐趣，让患者积极主动地去做康复训练；另一方面能确认患者可完成哪些具体动作，可以给医疗人员提供科学可靠的医疗信息，了解患者康复训练的成效，以此减轻他们的工作。

建立康复训练传感设备与游戏间的接口，实现康复训练人机交互和信息反馈，以解决上述背景技术中提出的问题。

为实现上述目的，本实用新型提供如下技术方案：

一种脑卒中康复训练装置，包括可穿戴设备和无线接收器，所述可穿戴设备包括3D打印手指夹具、芯片容纳槽、软排线、设备外壳、OLED显示屏、电源模块、stm32处理器核心板、ZigBee无线收发模块一和传感器模块；所述无线接收器包括Arduino处理器芯片、无线接收器外壳、usb转接口和ZigBee无线收发模块二。

作为本实用新型进一步的方案：所述芯片容纳槽设置于3D打印手指夹具内，传感器模块放置于芯片容纳槽内，所述传感器模块包括MPU6050芯片和stm32芯片。

作为本实用新型进一步的方案：所述可穿戴设备的处理芯片为stm32f4。

作为本实用新型进一步的方案：所述无线接收器与计算机之间通过USB接口或者串口建立通信，无线接收器插入电脑USB口。

作为本实用新型进一步的方案：所述3D打印手指夹具共五个分别佩戴在5个手指上的第二关节上，设备外壳放置于手背上，并通过其上的扎带固定。

作为本实用新型进一步的方案：所述传感器模块中的MPU6050芯片通电取得数据后，通过spi通信协议传送给stm32芯片进行姿态解算，并将解算好的姿态数据通过软排线传送至stm32处理器核心板，芯片对数据分析处理后通过OLED显示屏显示，并通过ZigBee无线收发模块将数据发送至ZigBee无线收发模块(15)，ZigBee无线收发模块(15)将收到的数据通过串口通讯协议传送给Arduino处理器芯片，并由Arduino处理器芯片通过usb转接口对电脑数据的传输。

作为本实用新型进一步的方案：所述传感器模块、MPU6050芯片和stm32芯片为MPU6050高精度的陀螺加速度计模块。

作为本实用新型进一步的方案：所述MPU6050芯片采集到数据，通过spi有线通讯将数据传送至stm32芯片，芯片为先进的数字滤波技术，内部集成了姿态解算器，配合动态卡尔曼滤波算法，姿态测量精度0.01度。

与现有技术相比，本实用新型的有益效果是：

1、治疗过程新颖，通过体感技术进行激励诱导

利用加速度计和陀螺仪等感知患者的动作，即可知道患者完成了哪些相应的动作，然后显示在装置上面。

2、系统设计方式丰富，适应性强

采用了人机交互，装置浅显易懂很容易上手，目的性很明确，会让患者很快地接受，并被其独特的方式所吸引。

3、软硬结合，原创性高，商业前景广阔

设计游戏运用虚拟现实技术，与硬件相结合，设计可穿戴设备，捕捉患者康复训练时的数据，通过无线接收器接收，原创性很高，可运用到患者身体多处。

4、大数据分析，使治疗更为合理

通过无线ZigBee传输组网给上位机，供数据分析。从而将患者的具体康复训练的数据反馈出来，更有利于治疗。

5、打破传统枯燥繁琐的康复训练

患者在经历日复一日的仪器训练时，一定会有很多坚持不下去，而我们的装置会让患者在游戏中来完成训练，训练的同时增加乐趣，让患者从心里爱上训练。

6、装置设计由易到难各类关卡，循序渐进

给患者设计的关卡是从最基本的动一动手指等慢慢增加难度，一步步地来，这样也会让患者增加信心，更加努力地进行康复训练。

附图说明

图1为本实用新型的结构示意图。

图2为本实用新型的系统工作流程图。

图3为本实用新型的电路原理图。

图4为本实用新型中手指夹具proe的结构示意图。

图中：1-3D打印手指夹具、2-芯片容纳槽、3-软排线、4-设备外壳、5-OLED显示屏、6-电源模块、7-stm32处理器核心板、8-ZigBee无线收发模块一、9-传感器模块、10-MPU6050芯片、11-stm32芯片、12-Arduino处理器芯片、13-无线接收器外壳、14-usb转接口、15-ZigBee无线收发模块二。

具体实施方式

下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。

请参阅图1～4，本实用新型实施例中，一种脑卒中康复训练装置，包括可穿戴设备和无线接收器，所述可穿戴设备包括3D打印手指夹具1、芯片容纳槽2、软排线3、设备外壳4、OLED显示屏5、电源模块6、stm32处理器核心板7、ZigBee无线收发模块一8和传感器模块9；

所述芯片容纳槽2设置于3D打印手指夹具1内，传感器模块9放置于芯片容纳槽2内，所述传感器模块9包括MPU6050芯片10和stm32芯片11。

所述无线接收器包括Arduino处理器芯片12、无线接收器外壳13、usb转接口14和ZigBee无线收发模块二。

本实用新型的系统工作流程如图2所示，该系统由以下三个部分组成：

①可穿戴设备

可穿戴设备主要是通过加速度传感器、陀螺仪、磁力计和弯曲传感器等实时捕获脑卒中患者在训练过程中的肢体运动信息。此设备独立供电运作，并设有人机界面，既便于患者操作，又便于我们观察、调试作品。处理芯片选用stm32f4，便于处理浮点数运算。姿态归类算法以朴素贝叶斯分类器为原理，通过软件处理改变阈值，实现阈值可调。

②无线接收器

传感器的串口数据经过单片机处理后，需由转换设备转换成电脑软件能识别的数据。数据传输采用ZigBee技术，其作为一种流行的短距离无线通讯技术，具有低成本、低功耗、低速率的特点，并且响应速度快，利于实时数据的传输。

自行开发的软件需要调用单片机支持的串口数据，故选用Arduino单片机进行数据的转换，将从串口接收到的传感器数据转换成电脑软件能识别的键盘数据。

③计算机

无线接收器与计算机之间通过USB接口或者串口建立通信，肢体运动可以完成专门设计的软件，并可以通过软件，分析肢体运动情况。计算机同时作为与患者的交流平台，达到与患者交流的目的，增加其趣味性。

本实用新型的工作原理是：

使用者须将无线接收器插入电脑USB口，并打开指定软件；然后将3D打印手指夹具1共五个分别佩戴在5个手指上的第二关节上，并将包含所有装置的设备外壳4放置于手背上，通过其上的扎带进行固定；此时软排线3位于手指上方，五指能正常屈伸则为佩戴正确；传感器模块9中的MPU6050芯片10通电取得数据后，通过spi通信协议传送给stm32芯片11进行姿态解算，并将解算好的姿态数据通过软排线3传送至stm32处理器核心板7，芯片对数据分析处理后通过OLED显示屏5显示，并通过ZigBee无线收发模块8将数据发送至ZigBee无线收发模块15，ZigBee无线收发模块15将收到的数据通过串口通讯协议传送给Arduino处理器芯片12，并由Arduino处理器芯片12通过usb转接口14实现对电脑数据的传输。

所述传感器模块9、MPU6050芯片10和stm32芯片11为MPU6050高精度的陀螺加速度计模块。MPU6050芯片10采集到数据，通过spi有线通讯将数据传送至stm32芯片11。芯片采用先进的数字滤波技术，能有效降低测量噪声，提高测量精度。内部集成了姿态解算器，配合动态卡尔曼滤波算法，能够在动态环境下准确输出模块的当前姿态，姿态测量精度0.01度，稳定性极高。传感器模块9通过嵌在芯片容纳槽2内，实时获得佩戴部位的数据信息。

需要特别说明的是，本系统利用加速度计和陀螺仪等智能传感和数据挖掘技术，设计可穿戴设备，采集康复训练动作数据。设备的形式多样，初步设计了在手套、护膝等常用护具上加装传感器，方便患者使用。采集到的数据经高效算法处理后，通过无线ZigBee传输组网给上位机，供数据分析。

开发人机情景交互软件，一方面在运用虚拟现实技术的同时进行科学引导，增加患者训练时的乐趣，让患者积极主动地去做康复训练；另一方面能确认患者可完成哪些具体动作，可以给医疗人员提供科学可靠的医疗信息，了解患者康复训练的成效，以此减轻他们的工作。

建立康复训练传感设备与游戏间的接口，实现康复训练人机交互和信息反馈。

综上所述，本申请的创新点为：

1、治疗过程新颖，通过体感技术进行激励诱导

利用加速度计和陀螺仪等感知患者的动作，即可知道患者完成了哪些相应的动作，然后显示在装置上面。

2、系统设计方式丰富，适应性强

采用了人机交互，装置浅显易懂很容易上手，目的性很明确，会让患者很快地接受，并被其独特的方式所吸引。

3、软硬结合，原创性高，商业前景广阔

设计游戏运用虚拟现实技术，与硬件相结合，设计可穿戴设备，捕捉患者康复训练时的数据，通过无线接收器接收，原创性很高，可运用到患者身体多处。

4、大数据分析，使治疗更为合理

通过无线ZigBee传输组网给上位机，供数据分析。从而将患者的具体康复训练的数据反馈出来，更有利于治疗。

5、打破传统枯燥繁琐的康复训练

患者在经历日复一日的仪器训练时，一定会有很多坚持不下去，而我们的装置会让患者在游戏中来完成训练，训练的同时增加乐趣，让患者从心里爱上训练。

6、装置设计由易到难各类关卡，循序渐进

给患者设计的关卡是从最基本的动一动手指等慢慢增加难度，一步步地来，这样也会让患者增加信心，更加努力地进行康复训练。

本实用新型并不局限于上述实施例，在本实用新型公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些简单修改、等同变化与修饰，均属于本实用新型技术方案的范围内。

在本说明书的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”及“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，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，可以具体情况理解上述术语在本发明中的具体含义。

Claims (8)

1.一种脑卒中康复训练装置，包括可穿戴设备和无线接收器，其特征在于，所述可穿戴设备包括3D打印手指夹具(1)、芯片容纳槽(2)、软排线(3)、设备外壳(4)、OLED显示屏(5)、电源模块(6)、stm32处理器核心板(7)、ZigBee无线收发模块一(8)和传感器模块(9)；所述无线接收器包括Arduino处理器芯片(12)、无线接收器外壳(13)、usb转接口(14)和ZigBee无线收发模块二。

2.根据权利要求1所述的一种脑卒中康复训练装置，其特征在于，所述芯片容纳槽(2)设置于3D打印手指夹具(1)内，传感器模块(9)放置于芯片容纳槽(2)内，所述传感器模块(9)包括MPU6050芯片(10)和stm32芯片(11)。

3.根据权利要求1所述的一种脑卒中康复训练装置，其特征在于，所述可穿戴设备的处理芯片为stm32f4。

4.根据权利要求1所述的一种脑卒中康复训练装置，其特征在于，所述无线接收器与计算机之间通过USB接口或者串口建立通信，无线接收器插入电脑USB口。

5.根据权利要求1所述的一种脑卒中康复训练装置，其特征在于，所述3D打印手指夹具(1)共五个分别佩戴在5个手指上的第二关节上，设备外壳(4)放置于手背上，并通过其上的扎带固定。

6.根据权利要求2所述的一种脑卒中康复训练装置，其特征在于，所述传感器模块(9)中的MPU6050芯片(10)通电取得数据后，通过spi通信协议传送给stm32芯片(11)进行姿态解算，并将解算好的姿态数据通过软排线(3)传送至stm32处理器核心板(7)，芯片对数据分析处理后通过OLED显示屏(5)显示，并通过ZigBee无线收发模块一(8)将数据发送至ZigBee无线收发模块二(15)，ZigBee无线收发模块二(15)将收到的数据通过串口通讯协议传送给Arduino处理器芯片(12)，并由Arduino处理器芯片(12)通过usb转接口(14)对电脑数据的传输。

7.根据权利要求6所述的一种脑卒中康复训练装置，其特征在于，所述传感器模块(9)、MPU6050芯片(10)和stm32芯片(11)为MPU6050高精度的陀螺加速度计模块。

8.根据权利要求7所述的一种脑卒中康复训练装置，其特征在于，所述MPU6050芯片(10)采集到数据，通过spi有线通讯将数据传送至stm32芯片(11)，芯片为先进的数字滤波技术，内部集成了姿态解算器，配合动态卡尔曼滤波算法，姿态测量精度0.01度。