CN113081671A - 一种基于贝叶斯优化提高按需辅助康复训练参与度的方法 - Google Patents
一种基于贝叶斯优化提高按需辅助康复训练参与度的方法 Download PDFInfo
- Publication number
- CN113081671A CN113081671A CN202110346485.XA CN202110346485A CN113081671A CN 113081671 A CN113081671 A CN 113081671A CN 202110346485 A CN202110346485 A CN 202110346485A CN 113081671 A CN113081671 A CN 113081671A
- Authority
- CN
- China
- Prior art keywords
- robot
- training
- demand
- tested
- auxiliary
- 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.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims abstract description 20
- 210000005036 nerve Anatomy 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 22
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000037147 athletic performance Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 8
- 210000003205 muscle Anatomy 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000000386 athletic effect Effects 0.000 claims description 3
- 230000003183 myoelectrical effect Effects 0.000 claims description 2
- 230000037078 sports performance Effects 0.000 claims description 2
- 238000005309 stochastic process Methods 0.000 claims 1
- 230000033001 locomotion Effects 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 5
- 230000006798 recombination Effects 0.000 abstract description 3
- 238000005215 recombination Methods 0.000 abstract description 3
- 230000004936 stimulating effect Effects 0.000 abstract description 2
- 238000011217 control strategy Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001537 neural effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 210000001364 upper extremity Anatomy 0.000 description 3
- 208000006011 Stroke Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000001483 mobilizing effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
- A61H2201/50—Control means thereof
- A61H2201/5007—Control means thereof computer controlled
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/08—Other bio-electrical signals
- A61H2230/085—Other bio-electrical signals used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Manipulator (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，通过评估被试多次在随机预设轨迹跟随任务中的运动表现指标与运动参与度指标，以提高被试训练中的主动参与度为目标建立评价函数，采用贝叶斯优化方法训练学习评价函数与按需辅助策略的超参数间的关系，寻到下一轮按需辅助策略中最合适的按需辅助策略。该方法同时量化评价被试的运动表现指标与运动参与度指标，可实时监测被试生理心理状态，并根据被试的运动表现与运动参与度变化情况，提供个性化、智能化的最优按需辅助策略，从而保证被试的积极投入状态，有效地刺激神经有效引发神经功能重组，提高了机器人技术辅助康复的训练效率，是康复机器人更快进入临床应用的关键要素。
Description
技术领域
本发明属于康复机器人、康复训练以及机器学习技术领域，具体涉及一种基于贝叶斯优化提高按需辅助康复训练参与度的方法。
背景技术
脑卒中已经成为威胁人类身心健康和生命安全的重大疾病之一，超过半数的脑卒中患者存在上肢运动功能障碍，该障碍严重影响了他们的日常生活活动。传统的上肢康复治疗方式主要依靠康复治疗师进行人工辅助训练，这种方式需耗费康复治疗师大量体力，并且难以精确评估患者的康复状态。随着机器人技术的发展，康复机器人的出现为康复治疗提供了新的途径。康复机器人可以在无康复治疗师现场指导的情况下辅助患者进行康复训练，节约了大量人力成本。此外，康复机器人可通过多种传感器精确评估患者的康复状态，有助于康复治疗师为患者制定后续的治疗方案，具有广阔的市场应用前景。
康复机器人的控制策略是影响其康复治疗效果的关键因素之一。近年来，按需辅助控制策略成为了该领域的研究热点。顾名思义，按需辅助控制策略的主要思想是康复机器人按照被试的康复需求提供其完成康复训练任务所需的辅助力矩。该控制策略在保证被试完成康复训练任务的前提下，最小化康复机器人提供的辅助力矩，从而最大化被试提供的主动力矩。研究表明，康复训练重复的本质很容易使被试丧失兴趣、感到无聊，不合适的辅助训练策略极有可能使其丧失信心，对康复训练产生厌烦的情绪，对康复效果产生极其不利的影响。因此当前脑卒中康复的一个研究重点就是如何保持并提高被试在康复训练中的主动参与度。已有研究表明，被试保持主动参与度可以提高康复的效率。但是目前的康复机器人大多仅考虑被试运动表现改变按需辅助策略，缺乏对被试主动参与度的量化评价机制，不能实时监测被试的生理心理状态变化从而了解被试参与度的变化。亦缺乏调动被试积极性的有效机制，无法保证被试的主动参与度以及投入状态。换言之，目前的康复机器人从力和运动层面按需辅助训练被试，不能有效引导被试积极参与，且不能实时反馈被试状态并开展有针对性的按需辅助策略调整。因此，同时量化评价被试的运动表现指标与运动参与度指标，结合机器学习方法开发一种可实时监测被试生理心理状态，并根据被试的运动表现与运动参与度变化情况，提供个性化、最优的按需辅助策略，从而保证被试的积极投入状态，有效地刺激神经有效引发神经功能重组，有望提高机器人技术辅助康复的训练效率，亦是康复机器人更快进入临床应用的关键要素。
发明内容
为解决上述问题，本发明公开了一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，实时监测被试生理心理状态，提供个性化、智能化的最优按需辅助策略，从而保证被试的积极投入状态，有效地刺激神经有效引发神经功能重组，提高了机器人技术辅助康复的训练效率，是康复机器人更快进入临床应用的关键要素。
为达到上述目的，本发明的技术方案如下：
一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，包括以下步骤：
步骤1.设计轨迹跟随任务：目标轨迹设计为两个半圆组成的类正弦曲线，但是在整个轨迹中，仅在轨迹上均匀显示五个参考点，作为引导点，被试操作过程中控制机器人末端依据参考点进行轨迹跟随；
步骤2.评价指标：选择被试的轨迹跟踪误差FE作为被试的运动表现评估指标；选择表面肌电信号的均方根值(RMS)即肌肉激活度FMA评估被试在训练中的运动参与度。
步骤3.评价机制：以提高康复机器人辅助神经康复的训练效率为目标，以提高被试训练中的主动参与度为切入点，综合运动表现指标和运动参与度指标建立评价函数
其中，
为肌肉激活度最小下限值，一般设置为0.5；β为权重参数，一般设置为4000～8000。
步骤4.贝叶斯优化过程：首先经过随机过程，获得被试n轮的运动表现指标FE与运动参与度FMA以及评价函数J，利用贝叶斯优化训练学习评价函数J与按需辅助策略的超参数fmax即最大边界辅助力的函数关系，找到下一轮按需辅助策略中使得评价函数J最大的超参数
进一步，步骤4所述随机过程为，被试进行n轮轨迹跟踪任务，每一轮训练中，超参数fmax为所选取范围内的随机数值，即自适应调整机制在随机过程的每一轮都不相同，保证能够在不同辅助的情况下能够根据被试能力获取到最真实的被试表现；
进一步，步骤4所述贝叶斯优化过程，在获取新一轮的评价结果后，将新的数据并入数据集
中，然后根据新的数据集进行贝叶斯优化获取下一轮的超参数fmax，重复该过程数次后，训练结束。
步骤5.按需辅助策略：在训练过程中，机器人自适应根据被试在操作过程中的位置误差△d与超参数fmax，按照辅助力场规律实时调整机器人对被试施加的力。
进一步，步骤5所述辅助力场公式如下：
f＝fmax*[1-exp(-(△d/λ)2)]
其中，f为机器人施加给被试的辅助力，fmax为最大边界辅助力，λ为辅助力场的激活区域值，在这里取值为0.2。
本发明的有益效果是：
1.该方法实时监测被试的生理心理状态，同时评价被试的运动表现与运动参与度，采用贝叶斯优化学习机制辅助决策，制定调动被试积极性的有效机制，保证了被试的积极参与以及投入状态，为智能化、高效化的神经康复提供了解决方案。
2.针对按需辅助策略对被试主动参与度的影响存在个体差异性的问题，该方法可自主制定个性化按需辅助训练策略，从而使每个被试的康复训练效率更大化。
3.该方法采用贝叶斯优化制定下轮最优的按需辅助策略，由于其迭代次数少，能够提升被试在短期内的运动能力，激发被试对于力和运动控制的神经感知，尽可能避免无用的训练过程。
附图说明
图1为算法框架示意图；
图2为轨迹跟随任务与辅助力调节示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
如图1所示，本发明实例提供的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，包括如下步骤：
1.设计轨迹跟随任务：
目标轨迹设计为两个半圆组成的类正弦平面曲线，如图1所示，在整个轨迹中，仅在轨迹上均匀显示五个参考点G1～G5，作为引导点，被试操作过程中控制机器人末端依据参考点进行轨迹跟随。尤其在熟悉阶段，由治疗师/技术人员对被试进行轨迹跟踪任务的讲解，包括期望轨迹的形状、引导点位置，起止条件等，被试通常在熟悉阶段进行约3-5次循环周期；
2.评价指标：
(1)运动表现指标
为了衡量被试训练过程中的运动表现，通常选择完成训练任务所用的时间、运动轨迹跟踪误差、运动轨迹柔顺度等评价指标。在这里，选择运动跟踪误差FE评价被试的运动表现，其表达式如下：
其中，xs为平面横坐标起始点，xe为平面横坐标终止点；yi为实际位置的纵坐标，ye为各个位置对应的期望纵坐标。
(2)运动参与度指标
运动上的参与度被定义为被试积极并努力运动的状态。康复训练中，运动状态一般由肌电信号(EMG)进行监测及表征。有学者在结合虚拟现实技术的步态康复训练中采用EMG信号的均方根值(RMS)评价被试在训练中的运功参与度。由于可以表征信号的能量，因此，均方根值被认为是最具有意义的对肌电信号幅值进行分析的方法。故选择上肢主要负责运动功能的肱二头肌、肱三头肌长头、肱三头肌短头以及肱桡肌作为待分析肌肉群，定义运动参与度如下：
其中，
为第i通道的肌电信号幅值向量，M为信号的长度。
3.评价机制：以提高康复机器人辅助神经康复的训练效率为目标，以提高被试训练中的主动参与度为切入点，综合运动表现指标和运动参与度指标建立评价函数
其中，
为肌肉激活度最小下限值，设置为0.5；β为权重参数，一般设置为4000～8000。
1.贝叶斯优化过程：
首先经过随机过程，获得被试n轮的运动表现指标FE与运动参与度FMA以及评价函数J，利用贝叶斯优化训练学习评价函数J与按需辅助策略的超参数fmax即最大边界辅助力的函数关系，找到下一轮按需辅助策略中使得评价函数J最大的超参数
进一步，所述随机过程为，被试进行n轮轨迹跟踪任务，每一轮训练中，超参数fmax为所选取范围内的随机数值，即自适应调整机制在随机过程的每一轮都不相同，保证能够在不同辅助的情况下能够根据被试能力获取到最真实的被试表现；
进一步，所述贝叶斯优化过程，在获取新一轮的评价结果后，将新的数据并入数据集
中，然后根据新的数据集进行贝叶斯优化获取下一轮的超参数fmax，重复该过程数次后，训练结束。
2.按需辅助策略：
在训练过程中，机器人自适应根据被试在操作过程中的位置误差△d与超参数fmax，按照辅助力场规律实时调整机器人对被试施加的力。
进一步，所述辅助力场公式如下：
f＝fmax*[1-exp(-(△d/λ)2)]
其中，f为机器人施加给被试的辅助力，fmax为最大边界辅助力，λ为辅助力场的激活区域值，在这里取值为0.2。
进一步，由于机器人的操作平面为二维平面，θ为被试所操作的机器人末端和当前半圆轨迹圆心的连线与水平面的夹角，根据末端所在的轨迹计算机器人末端输出力的方法如下：
fx＝f*cosθ*sig(f)
fy＝f*sinθ*sig(f)
其中，sig(f)为机器人的调整力的符号值。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，包括：
步骤1.设计轨迹跟随任务：目标轨迹设计为两个半圆组成的类正弦曲线，但是在整个轨迹中，仅在轨迹上均匀显示五个参考点，作为引导点，被试操作过程中控制机器人末端依据参考点进行轨迹跟随；
步骤2.评价指标：选择被试的轨迹跟踪误差FE作为被试的运动表现评估指标；选择表面肌电信号的均方根值即肌肉激活度FMA评估被试在训练中的运动参与度；
步骤3.评价机制：以提高康复机器人辅助神经康复的训练效率为目标，以提高被试训练中的主动参与度为切入点，综合运动表现指标和运动参与度指标建立评价函数J；
步骤4.贝叶斯优化过程：首先经过随机过程，获得被试n轮的运动表现指标FE与运动参与度FMA以及评价函数J，利用贝叶斯优化训练学习评价函数J与按需辅助策略的超参数fmax即最大边界辅助力的函数关系，找到下一轮按需辅助策略中使得评价函数J最大的超参数
步骤5.按需辅助策略：在训练过程中，机器人自适应根据被试在操作过程中的位置误差△d与超参数fmax，按照辅助力场规律实时调整机器人对被试施加的力。
2.根据权力要求1所述的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，步骤2所述运动表现评估指标FE公式如下：
其中，xs为平面横坐标起始点，xe为平面横坐标终止点；yi为实际位置的纵坐标，ye为各个位置对应的期望纵坐标。
3.根据权力要求1所述的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，步骤2所述的运动参与度FMA公式如下：
其中，
为第i通道的肌电信号幅值向量，M为信号的长度。
4.根据权力要求1所述的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，步骤3所述的评价函数形式如下：
其中，
为肌肉激活度最小下限值，设置为0.5；β为权重参数，设置为4000～8000。
5.根据权力要求1所述的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，步骤4所述随机过程为，被试进行n轮轨迹跟踪任务，每一轮训练中，超参数fmax为所选取范围内的随机数值，即自适应调整机制在随机过程的每一轮都不相同，保证能够在不同辅助的情况下能够根据被试能力获取到最真实的被试表现。
6.根据权力要求1所述的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，步骤4所述贝叶斯优化过程，在获取新一轮的评价结果后，将新的数据并入数据集
中，然后根据新的数据集进行贝叶斯优化获取下一轮的超参数fmax，重复该过程数次后，训练结束。
7.根据权力要求1所述的一种基于贝叶斯优化提高按需辅助康复训练参与度的方法，其特征在于，步骤5所述所述辅助力场公式如下：
f＝fmax*[1-exp(-(△d/λ)2)]
其中，f为机器人施加给被试的辅助力，fmax为最大边界辅助力，λ为辅助力场的激活区域值，在这里取值为0.2。
进一步，由于机器人的操作平面为二维平面，θ为被试所操作的机器人末端和当前半圆轨迹圆心的连线与水平面的夹角，根据末端所在的轨迹计算机器人末端输出力的方法如下：
fx＝f*cosθ*sig(f)
fy＝f*sinθ*sig(f)
其中，sig(f)为机器人的调整力的符号值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110346485.XA CN113081671B (zh) | 2021-03-31 | 2021-03-31 | 一种基于贝叶斯优化提高按需辅助康复训练参与度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110346485.XA CN113081671B (zh) | 2021-03-31 | 2021-03-31 | 一种基于贝叶斯优化提高按需辅助康复训练参与度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113081671A true CN113081671A (zh) | 2021-07-09 |
| CN113081671B CN113081671B (zh) | 2022-09-30 |
Family
ID=76671542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110346485.XA Active CN113081671B (zh) | 2021-03-31 | 2021-03-31 | 一种基于贝叶斯优化提高按需辅助康复训练参与度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113081671B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115040840A (zh) * | 2022-06-20 | 2022-09-13 | 山西医科大学第二医院 | 一种上肢康复训练方法及装置 |
| US20240096483A1 (en) * | 2022-06-14 | 2024-03-21 | Southeast University | ADAPTIVE CONTROL METHOD AND SYSTEM FOR UPPER LIMB REHABILITATION ROBOT BASED ON GAME THEORY AND SURFACE ELECTROMYOGRAPHY (sEMG) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100106044A1 (en) * | 2008-10-27 | 2010-04-29 | Michael Linderman | EMG measured during controlled hand movement for biometric analysis, medical diagnosis and related analysis |
| US20110105859A1 (en) * | 2009-04-24 | 2011-05-05 | Advanced Brain Monitoring, Inc. | Adaptive Performance Trainer |
| CN105054927A (zh) * | 2015-07-16 | 2015-11-18 | 西安交通大学 | 一种下肢康复***中主动参与度的生物量化评估方法 |
| US20180264306A1 (en) * | 2017-03-20 | 2018-09-20 | The Trustees Of Columbia University In The City Of New York | Human Musculoskeletal Support and Training System Methods and Devices |
| CN108681396A (zh) * | 2018-04-28 | 2018-10-19 | 北京机械设备研究所 | 基于脑-肌电双模态神经信号的人机交互***及其方法 |
| CN109381184A (zh) * | 2018-10-15 | 2019-02-26 | 刘丹 | 一种辅助搬运的可穿戴智能设备控制方法 |
| CN109789543A (zh) * | 2016-07-22 | 2019-05-21 | 哈佛大学校长及研究员协会 | 用于可穿戴***的控制优化 |
| CN110300542A (zh) * | 2016-07-25 | 2019-10-01 | 开创拉布斯公司 | 使用可穿戴的自动传感器预测肌肉骨骼位置信息的方法和装置 |
| CN110303471A (zh) * | 2018-03-27 | 2019-10-08 | 清华大学 | 助力外骨骼控制***及控制方法 |
| CN110400619A (zh) * | 2019-08-30 | 2019-11-01 | 上海大学 | 一种基于表面肌电信号的手功能康复训练方法 |
| CN111631923A (zh) * | 2020-06-02 | 2020-09-08 | 中国科学技术大学先进技术研究院 | 基于意图识别的外骨骼机器人的神经网络控制*** |
| CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及*** |
-
2021
- 2021-03-31 CN CN202110346485.XA patent/CN113081671B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100106044A1 (en) * | 2008-10-27 | 2010-04-29 | Michael Linderman | EMG measured during controlled hand movement for biometric analysis, medical diagnosis and related analysis |
| US20110105859A1 (en) * | 2009-04-24 | 2011-05-05 | Advanced Brain Monitoring, Inc. | Adaptive Performance Trainer |
| CN105054927A (zh) * | 2015-07-16 | 2015-11-18 | 西安交通大学 | 一种下肢康复***中主动参与度的生物量化评估方法 |
| CN109789543A (zh) * | 2016-07-22 | 2019-05-21 | 哈佛大学校长及研究员协会 | 用于可穿戴***的控制优化 |
| CN110300542A (zh) * | 2016-07-25 | 2019-10-01 | 开创拉布斯公司 | 使用可穿戴的自动传感器预测肌肉骨骼位置信息的方法和装置 |
| US20180264306A1 (en) * | 2017-03-20 | 2018-09-20 | The Trustees Of Columbia University In The City Of New York | Human Musculoskeletal Support and Training System Methods and Devices |
| CN110303471A (zh) * | 2018-03-27 | 2019-10-08 | 清华大学 | 助力外骨骼控制***及控制方法 |
| CN108681396A (zh) * | 2018-04-28 | 2018-10-19 | 北京机械设备研究所 | 基于脑-肌电双模态神经信号的人机交互***及其方法 |
| CN109381184A (zh) * | 2018-10-15 | 2019-02-26 | 刘丹 | 一种辅助搬运的可穿戴智能设备控制方法 |
| CN110400619A (zh) * | 2019-08-30 | 2019-11-01 | 上海大学 | 一种基于表面肌电信号的手功能康复训练方法 |
| CN111631923A (zh) * | 2020-06-02 | 2020-09-08 | 中国科学技术大学先进技术研究院 | 基于意图识别的外骨骼机器人的神经网络控制*** |
| CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20240096483A1 (en) * | 2022-06-14 | 2024-03-21 | Southeast University | ADAPTIVE CONTROL METHOD AND SYSTEM FOR UPPER LIMB REHABILITATION ROBOT BASED ON GAME THEORY AND SURFACE ELECTROMYOGRAPHY (sEMG) |
| CN115040840A (zh) * | 2022-06-20 | 2022-09-13 | 山西医科大学第二医院 | 一种上肢康复训练方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113081671B (zh) | 2022-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101961527B (zh) | 一种结合功能性电刺激和机器人的康复训练***和训练方法 | |
| CN113081671B (zh) | 一种基于贝叶斯优化提高按需辅助康复训练参与度的方法 | |
| Loconsole et al. | An EMG-based approach for on-line predicted torque control in robotic-assisted rehabilitation | |
| CN109589247A (zh) | 一种基于脑-机-肌信息环路的助行机器人*** | |
| CN103431976A (zh) | 基于肌电信号反馈的下肢康复机器人***及其控制方法 | |
| CN108743223A (zh) | 一种基于健侧生物电控的智能外骨骼康复机械手及方法 | |
| CN102488963A (zh) | 一种功能性电刺激膝关节角度控制方法 | |
| CN109106339A (zh) | 一种功能性电刺激下肘关节力矩的在线估计方法 | |
| CN115177864A (zh) | 基于肌肉激活度与lstm的功能性电刺激闭环调控方法 | |
| CN115206484A (zh) | 一种脑卒中康复训练*** | |
| CN108543216A (zh) | 一种基于主从控制的手部功能重建装置及其实现方法 | |
| Wang et al. | Research progress of rehabilitation exoskeletal robot and evaluation methodologies based on bioelectrical signals | |
| CN209253488U (zh) | 一种全仿生类脑智能手部电子机械外骨骼及其控制*** | |
| Hu et al. | Stiffness optimal modulation of a variable stiffness energy storage hip exoskeleton and experiments on its assistance effect | |
| CN113713252B (zh) | 假肢腕肘关节仿生型本体觉重建方法 | |
| CN111437509B (zh) | 一种手部反射区功能性电刺激装置及控制方法 | |
| CN117563135B (zh) | 一种多模态信息可视化功能性电刺激闭环调控***及方法 | |
| CN112932898B (zh) | 一种基于贝叶斯优化的按需辅助康复机器人 | |
| Ke | Location and tracking mode of sports rehabilitation training with self-powered sensors based on particle swarm optimization algorithm | |
| EP3695879A1 (en) | A system for providing neuromodulation, especially neurostimulation | |
| Wang et al. | Automated discrimination of gait patterns based on sEMG recognition using neural networks | |
| CN112043268B (zh) | 一种基于康复运动主动性参与判定的上肢康复评价方法 | |
| WO2023240748A1 (zh) | 基于博弈论和sEMG的上肢康复机器人自适应控制方法及*** | |
| Landra et al. | A Biomimetic Multichannel Synergistic Calibration for Event-Driven Functional Electrical Stimulation | |
| Mudiyanselage | A study of controlling upper-limb exoskeletons using EMG and EEG signals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |