一种面向手功能康复的脑肌互偿康复训练系统

医药医疗技术的改进;医疗器械制造及应用技术1.本发明涉及运动康复及脑机接口技术领域，涉及一种面向手功能康复的脑肌互偿康复训练系统。背景技术：2.现代社会中，随着老龄化社会到来，大量脑卒中使用者引起运动功能障碍。另外，由于工伤、交通事故、战争和疾病等原因导致神经或肢体损伤的使用者也显著增加，给使用者的生活和工作带来极大的不便。目前脑损伤(脑卒中、脑外伤、脑肿瘤、脊髓损伤等)是手部运动功能丧失的主要原因之一。研究表明，初次发病后的3个月内是脑损伤使用者的功能恢复的黄金时期，在一定程度上的集中训练可修复受损的神经，有利于使用者手部运动功能恢复。然而，传统的治疗方法是通过康复专业的理疗师对康复使用者一对一的指导下完成正确的动作，这种方法劳动强度大、效率不高且工作强度大，然而在训练过程中存在理疗师不足，使用者不主动配合，不能保证按时定量的训练，而训练过程缺乏人机交互，训练内容吸引力不足等因素严重制约了训练的效果。大量的临床医学表明，使用者在训练过程中主动康复的效果比被动康复的要显著，因此使用者在日常生活中主动参与训练，增加人机交互和训练内容的趣味性，能重塑中枢神经并较好的恢复损伤的神经，从而大大提高使用者手部运动功能的康复效果。3.手部运动功能在日常生活中占有很大的比重，手部生理结构也是最为复杂的部位，关节最为集中，使得手部运动功能康复假肢也相对复杂。脑机接口技术作为一种人脑与外部设备之间的特殊的交流通道，通过提取使用者的运动意图实现大脑对康复机械手的主动控制，利用脑电或肌电能够实现对仿生假肢的主动控制，能够辅助手功能的康复。但目前均是利用脑电或肌电单一模式实现对仿生假肢的主动控制，如何实现脑电/肌电的协调以更好的匹配手功能康复是目前面临的一大难题。4.因此，开发一种能够通过脑电/肌电的协调的面向手功能康复的脑肌互偿康复训练系统极具现实意义。技术实现要素：5.由于现有技术存在上述缺陷，本发明提供了一种能够通过脑电/肌电的协调的面向手功能康复的脑肌互偿康复训练系统，克服了当前手功能康复系统难以协调脑电/肌电无法更好的匹配手功能康复的缺陷。6.为了实现上述目的，本发明提供以下技术方案：7.一种面向手功能康复的脑肌互偿康复训练系统，包括可穿戴的脑电-肌电同步采集设备、可穿戴的人体双向反馈设备以及分别与脑电-肌电同步采集设备、人体双向反馈设备相连的数据处理控制系统；8.所述人体双向反馈设备包括气动康复手套，气动康复手套上安有用于刺激人体手部的功能电刺激模块及用于获取人体手部动作信息的动作传感器模组，所述功能电刺激模块以及动作传感器模组分别与数据处理控制系统信号连接；9.所述数据处理控制系统运行如下程序：10.(1)通过脑电-肌电同步采集设备实时采集使用者的脑电和肌电数据；11.(2)对脑电和肌电数据进行脑肌耦合；12.(3)在时间上做滑动窗口，将脑电与肌电的多个数据导联两两计算相关性，获取每个时间窗内的图结构生理信号数据的邻接矩阵；13.(4)将步骤(3)得到的邻接矩阵输入图神经网络模型，获取功能电刺激强度指数；14.(5)按照功能电刺激强度指数控制功能电刺激模块，并通过动作传感器模组实时采集人体手部动作数据；15.(6)判断功能电刺激模块是否帮助用户补全动作，如是则结束，反之则将功能电刺激强度指数及步骤(5)获取的人体手部动作数据输入强化训练模型，强化训练模型输出调整后的功能电刺激强度指数，返回步骤(5)。16.本发明的面向手功能康复的脑肌互偿康复训练系统，以脑卒中患者的手功能康复为研究对象，其通过同步采集分析脑电-肌电数据并进行代偿反馈以辅助康复训练，其具体采用多分布式传感器进行脑电eeg、肌电emg的同步采集，结合肌电数据分析脑电数据，识别大脑的运动计划，同时结合脑电数据分析肌电数据，识别大脑的运动执行，根据大脑的运动计划与执行结果，计算人体双向反馈设备的代偿反馈，帮助患者进行主动式的脑肌互偿的康复训练，其不仅设计合理，结构简单，而且建立双向-闭环的脑机接口系统，其反馈效果好，能够协调脑电/肌电，更好地辅助康复训练，极具应用前景。17.通过使用上述脑肌互偿康复训练系统，运动功能不全的用户可以执行其自然状态下无法执行的肌肉动作；通过数据处理控制系统能够使用产品的周期中，可以评估其运动能力的提升；在使用产品一段时间后，其自然状态下的运动能力得到了显著提升；将其作为康复训练辅助设备，能够大大减轻康复医生的工作量，减少康复医生与病患的配比。18.作为优选的技术方案：19.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述图神经网络模型的训练过程为：以训练数据集中的生理信号的邻接矩阵组成的时间序列作为输入，以训练数据集中的根据动作传感器模组获取的人体手部动作数据算得的代偿指数为理论输出，以均方误差损失作为损伤函数，不断调整图神经网络的参数的过程，所述根据动作传感器模组获取的人体手部动作数据算得的代偿指数与功能电刺激强度指数相同，所述训练数据集中的训练数据是采集健康测试者进行手部动作时的脑电和肌电数据以及人体手部动作数据后处理得到的。20.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述动作传感器模组为惯性测量单元(imu)。21.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述脑电-肌电同步采集设备、功能电刺激模块及动作传感器模组分别与数据处理控制系统通过缆线连接。22.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述脑电-肌电同步采集设备的参数(如采样率、滤波频率和导联位置等)可通过数据处理控制系统进行调节。23.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，脑电数据和肌电数据分别为脑电信号和肌电信号的多导联时间序列数据。24.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，在对脑电和肌电数据进行脑肌耦合前，使用firwin滤波器对脑电和肌电数据进行4～40hz的带通滤波。25.如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述脑机耦合按照以下公式进行处理：[0026][0027][0028]其中，为脑电信号，为肌电信号，为脑电数据的功率谱密度，为肌电数据的功率谱密度，n表示时间点的个数，f表示频率，ps1,s2表示信号s1和s2的跨功率谱密度。[0029]如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述强化训练模型为actor-critic算法模型，其中对策略进行优化的目标函数为：[0030][0031]其中，s为输入状态，a为执行的动作，γ为折扣因子，r(s,a)为奖赏，μ(s∣θμ)为以θμ为参数的策略函数，t代表时间点个数。[0032]如上所述的一种面向手功能康复的脑肌互偿康复训练系统，所述数据处理控制系统包括计算机和显示器，通过计算机即可完成数据处理分析控制，通过显示器即可获取脑肌互偿康复训练系统的相关信息。[0033]以上技术方案仅为本发明的一种可行的技术方案而已，本发明的保护范围并不仅限于此，本领域技术人员可根据实际需求合理调整具体设计。[0034]上述发明具有如下优点或者有益效果：[0035]本发明的面向手功能康复的脑肌互偿康复训练系统，以脑卒中患者的手功能康复为研究对象，通过同步采集分析脑电-肌电数据并进行代偿反馈以辅助康复训练，其具体采用多分布式传感器进行脑电eeg、肌电emg的同步采集，结合肌电数据分析脑电数据，识别大脑的运动计划，同时结合脑电数据分析肌电数据，识别大脑的运动执行，根据大脑的运动计划与执行结果，计算人体双向反馈设备的代偿反馈，帮助患者进行主动式的脑肌互偿的康复训练，其不仅设计合理，结构简单，而且建立双向-闭环的脑机接口系统，其反馈效果好，能够协调脑电/肌电，更好地辅助康复训练；通过使用上述脑肌互偿康复训练系统，运动功能不全的用户可以执行其自然状态下无法执行的肌肉动作，通过数据处理控制系统能够使用产品的周期中，可以评估其运动能力的提升，在使用产品一段时间后，其自然状态下的运动能力得到了显著提升，将其作为康复训练辅助设备，能够大大减轻康复医生的工作量，减少康复医生与病患的配比，极具应用前景。附图说明[0036]通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明及其特征、外形和优点将会变得更加明显，重点在于示出本发明的主旨。[0037]图1是本发明的面向手功能康复的脑肌互偿康复训练系统的信号步序图。具体实施方式[0038]下面结合附图和具体的实施例对本发明中的结构作进一步的说明，但是不作为本发明的限定。[0039]实施例1[0040]一种面向手功能康复的脑肌互偿康复训练系统，包括可穿戴的脑电-肌电同步采集设备、可穿戴的人体双向反馈设备以及分别与脑电-肌电同步采集设备、人体双向反馈设备相连的数据处理控制系统(数据处理控制系统具体分别与脑电-肌电同步采集设备、功能电刺激模块及动作传感器模组通过缆线连接，脑电-肌电同步采集设备的参数可通过数据处理控制系统进行调节，数据处理控制系统包括计算机和显示器，通过计算机即可完成数据处理分析控制，通过显示器即可获取脑肌互偿康复训练系统的相关信息)；[0041]人体双向反馈设备包括气动康复手套，气动康复手套上安有用于刺激人体手部的功能电刺激模块及用于获取人体手部动作信息的动作传感器模组(惯性测量单元imu)，功能电刺激模块以及动作传感器模组分别与数据处理控制系统信号连接；[0042]数据处理控制系统运行如下程序(其信号步序如图1所示)：[0043](1)通过脑电-肌电同步采集设备实时采集使用者的脑电和肌电数据(脑电信号和肌电信号的多导联时间序列数据)；[0044](2)使用firwin滤波器对脑电和肌电数据进行4～40hz的带通滤波，对脑电和肌电数据进行脑肌耦合；[0045](3)在时间上做滑动窗口，将脑电与肌电的多个数据导联两两计算相关性，获取每个时间窗内的图结构生理信号数据的邻接矩阵；[0046](4)将步骤(3)得到的邻接矩阵输入图神经网络模型，获取功能电刺激强度指数，图神经网络模型的训练过程为：以训练数据集中的生理信号的邻接矩阵组成的时间序列作为输入，以训练数据集中的根据动作传感器模组获取的人体手部动作数据算得的代偿指数为理论输出，以均方误差损失作为损伤函数，不断调整图神经网络的参数的过程，根据动作传感器模组获取的人体手部动作数据算得的代偿指数与功能电刺激强度指数相同，所述训练数据集中的训练数据是采集健康测试者进行手部动作时的脑电和肌电数据以及人体手部动作数据后处理得到的；[0047](5)按照功能电刺激强度指数控制功能电刺激模块，并通过动作传感器模组实时采集人体手部动作数据；[0048](6)判断功能电刺激模块是否帮助用户补全动作，如是则结束，反之则将功能电刺激强度指数及步骤(5)获取的人体手部动作数据输入强化训练模型，强化训练模型输出调整后的功能电刺激强度指数，返回步骤(5)。[0049]上述面向手功能康复的脑肌互偿康复训练系统的使用步骤为：[0050]启动数据处理控制系统，设置实验参数，将可穿戴的脑电-肌电同步采集设备、可穿戴的人体双向反馈设备按照系统提示穿戴于用户身体上，等待系统提示，开始试图执行相应动作；[0051]以一偏瘫的中风病人为例；[0052]打开数据处理控制系统；[0053]将可穿戴的脑电-肌电同步采集设备、可穿戴的人体双向反馈设备穿戴于偏瘫的中风病人的身体上；[0054]系统提示用户可以执行抬手腕动作；[0055]用户试图抬手腕，系统检测到用户有运动意图，但没有足够的运动执行力度，于是通过人体双向反馈设备向用户施加一个刺激，使用户可以正常执行抬手腕动作；[0056]接着用户休息，此时反馈设备无反应；[0057]以上两条步骤交替执行；[0058]关机。[0059]测试：用户试图独立执行抬手腕动作，失败。[0060]上述面向手功能康复的脑肌互偿康复训练系统中的数据处理控制系统处理过程具体如下：[0061]任务开始后，在显示屏上显示动作的提示，同时同步采集脑电和肌电数据，脑电数据记为eeg，肌电数据记为emg，分别为形如(channeleeg×times)和(channeleeg×times)的多导联时间序列数据。使用firwin滤波器对数据进行4～40hz的带通滤波，得到滤波后的数据eegfilterd和emgfilterd。[0062]eegfiltered＝firwin(eeg)[0063]emgfiltered＝firwin(emg)[0064]记eegfilterd和emgfilterd中每一个导联的时间序列为schannel，使用脑肌耦合对脑电信号和肌电信号两两计算脑机耦合(corticomuscular coherence)，公式如下：[0065][0066]其中，[0067][0068]在时间上做滑动窗口，将脑电与肌电的多个导联两两计算相关性，就可以得到每个时间窗内的图结构生理信号数据的邻接矩阵表示a，形状为channeleeg×channelemg，作为一个图卷积网络的输入。[0069]图卷积网络是由多个卷积层叠加起来的，其中每一层可以表示为：[0070][0071]其中，是图的邻接矩阵的谱图，w为可训练的权重，e为每一层的节点嵌入。[0072]惯性测量单元(imu)测量了手套在三维空间中的角速度和加速度，利用这些数据，结合本次动作的提示，计算出应当补全的代偿大小，取值范围为[0,1]，作为代偿指数，体现功能电刺激的强度。[0073]将一定生理信号的邻接矩阵组成的时间序列atimes作为数据，将惯性测量单元计算得出的代偿指数作为标签，使用均方误差损失进行训练，得到一个预训练的图神经网络模型。[0074]根据图卷积网络输出的结果，使用强化学习模型actor-critic训练一个可以自动调节功能电刺激强度的策略网络。在模型中，对策略进行优化的目标函数可以表示为：[0075][0076]其中，s为输入状态，a为执行的动作，γ为折扣因子，r(s,a)为奖赏，μ(s)为策略函数。在本系统中，输入状态为图卷积网络输出的功能电刺激强度指数，奖励函数可以根据imu检测用户对动作是否补全得到，执行的动作为使用一系列功能电刺激帮助用户补全动作，在训练过程中，策略函数得以不断改进，使目标函数逐渐收敛，使运动代偿更加精确。[0077]本领域技术人员应该理解，本领域技术人员在结合现有技术以及上述实施例可以实现变化例，在此不做赘述。这样的变化例并不影响本发明的实质内容，在此不予赘述。[0078]以上对本发明的较佳实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!