CN113712541B - 一种基于多传感器动作识别的康复方法及*** - Google Patents
一种基于多传感器动作识别的康复方法及*** Download PDFInfo
- Publication number
- CN113712541B CN113712541B CN202111031499.9A CN202111031499A CN113712541B CN 113712541 B CN113712541 B CN 113712541B CN 202111031499 A CN202111031499 A CN 202111031499A CN 113712541 B CN113712541 B CN 113712541B
- Authority
- CN
- China
- Prior art keywords
- rehabilitation
- sample data
- signal data
- action
- acceleration
- 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.)
- Active
Links
Images
Classifications
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- 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]
-
- 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
- A61B5/68—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- 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
- 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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B2071/0655—Tactile feedback
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2213/00—Exercising combined with therapy
- A63B2213/004—Exercising combined with therapy with electrotherapy
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2214/00—Training methods
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/40—Acceleration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/08—Measuring physiological parameters of the user other bio-electrical signals
- A63B2230/085—Measuring physiological parameters of the user other bio-electrical signals used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Physical Education & Sports Medicine (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Dentistry (AREA)
- Mathematical Physics (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于多传感器动作识别的康复方法及***,具体包括以下步骤:样本数据获得步骤:获取康复动作的加速度样本数据,并将所述加速度样本数据加入数据库中;局部特征获取步骤:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;动作识别步骤:根据同步获取加速度信号数据和表面肌电信号数据,根据多个局部特征和表面肌电信号数据的单维特征,实现动作的识别;补偿步骤:根据识别的动作和表面肌电信号数据,实施肌电补偿。本发明采用人体意图识别用到的多传感器数据融合算法,使用全连接层将所有局部特征重新通过矩阵组装成完整的一维特征,最后使用soft‑max层将一维特征映射成概率,完成分类。
Description
技术领域
本发明涉及一种基于多传感器动作识别的康复方法及***。
背景技术
近年来,脊椎损伤、脑卒中风等中枢神经***疾病引起的下肢运动功能障碍患者呈急剧增加的趋势,严重危害着人类的健康。随着社会的发展和人民医疗、生活水平的提高,残疾人的健康引起了全社会的关注。减重步行训练是针对该类疾病患者步行康复治疗的重要手段之一,已有大量的临床研究证实了其有效性。传统的康复治疗方法主要是由护理师协助患者进行康复训练,其康复训练效果取决于护理师的技术水平及爱心,同时,护理师数量严重不足,训练效率低,工作强度大,所以难以迅速提高患者的康复训练效率。
现有技术的缺陷与不足:
1、目前的康复依赖机械运动康复的使用,机械康复的运动的训练比较呆板,训练动作单一化。
2、目前的运动康复在康复过程中对神经的评估缺乏,无法做出有效的康复方案;
3、目前主流的人体动作识别为基于视觉传感器,其识别效果容易受光照、角度等外部因素干扰;部署成本昂贵。
4、多传感器数据融合能让异质传感器的优势互补,但多传感器数据融合一直是研究的一个难点。
发明内容
本发明的目的是为解决现有技术的不足,提供了一种基于多传感器动作识别的康复方法,所述康复方法包括以下步骤:
样本数据获得步骤:获取康复动作的加速度样本数据,并将所述加速度样本数据加入数据库中;
局部特征获取步骤:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;
动作识别步骤:根据同步获取加速度信号数据和表面肌电信号数据,根据多个局部特征和表面肌电信号数据的单维特征,实现动作的识别;
补偿步骤:根据识别的动作和表面肌电信号数据,实施肌电补偿。
一种基于多传感器动作识别的康复***,所述康复***包括:
样本数据获得单元:获取康复动作的加速度样本数据,并将所述加速度样本数据加入数据库中;
局部特征获取单元:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;
动作识别单元:根据同步获取加速度信号数据和表面肌电信号数据,根据多个局部特征和表面肌电信号数据的单维特征,实现动作的识别;
补偿单元:根据识别的动作和表面肌电信号数据,实施肌电补偿。
本发明具有以下优势:
1、通过人体意图识别,来控制康复机器人,实现患者参与康复的主动控制模式,不仅能实现康复动作,还能协助患者做一些日常的简单活动。
2、人体意图识别用到的多传感器数据融合算法,对不同传感器的数据分别用CART决策树做分类训练,得到众多局部特征,使用全连接层(FC) 将所有局部特征重新通过矩阵组装成完整的一维特征,最后使用soft-max 层将一维特征映射成概率,完成分类。
参考以下详细说明更易于理解本申请的上述以及其他特征、方面和优点。
附图说明
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 的其它特征、目的和优点将会变得更明显:
图1为一种基于多传感器动作识别的康复方法示意图。
图2为一种基于多传感器动作识别的康复方法的softMax层示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其它实施例,都属于本发明保护的范围。
除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。
一种基于多传感器动作识别的康复方法,康复方法包括以下步骤:
样本数据获得步骤:获取康复动作的加速度样本数据,并将加速度样本数据加入数据库中;
局部特征获取步骤:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;
本发明采用CART决策树做分类训练,分类树(决策树)是一种十分常用的分类方法。它是一种监督学习,所谓监督学习就是给定一堆样本,每个样本都有一组属性和一个类别,这些类别是事先确定的,那么通过学习得到一个分类器,这个分类器能够对新出现的对象给出正确的分类。这样的机器学习就被称之为监督学习。
动作识别步骤具体包括以下步骤:同步获取加速度信号数据和表面肌电信号数据;对表面肌电信号数据进行特征提取,得到表面肌电单维特征;根据表面肌电信号数据特征,判断是否触发信号,若触发信号,则根据多个局部特征,开始提取加速度信号数据的多维局部特征;采用全连接层将多维局部特征和表面肌电单维特征通过矩阵组装成完整的一维特征;根据采用soft-max层将一维特征映射成康复动作的概率,实现动作的识别。
如图1,患者穿戴上肢体康复机器人后,数据采集***获取患者正常肢体康复训练和日常动作时表面肌电和加速度数据,数据处理包括根据表面肌电活动段截取加速度信号、数据平滑处理、对齐。结合惯性传感器数据和表面肌电数据进行意图识别方法:将CART决策树作为基础分类器。如图 2,使用全连接层和softMax层对多维局部特征进行去关联重组,得到一维特征,最后用softMax将其映射成概率,完成动作分类和预测。
补偿步骤:根据识别的动作和表面肌电信号数据,实施肌电补偿。
本发明构建“表面肌电-动作”映射。以此为参考依据,通过功能电刺激模块(FES)对运动障碍肢体的肌肉进行肌电补偿,帮助患肢完成正常的康复训练和日常动作。
作为一种替代的方案,康复方法还包括样本数据更新步骤,样本数据更新步骤包括以下步骤:根据动作识别步骤中得到的多个康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将多个康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
作为一种替代的方案,康复方法还包括样本数据更新步骤,样本数据更新步骤包括以下步骤:若加速度样本数据中某一康复动作的样本数据量占总体样本数据量的比例低于预设阈值,则根据动作识别步骤中得到的上述康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将上述康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
作为一种替代的方案,康复方法还包括样本数据删除步骤,样本数据删除步骤包括以下步骤:若某一加速度信号数据的动作识别步骤中得到的概率低于预设阈值,则删除数据库中与加速度信号数据接近的加速度样本数据。
本发明的识别精度取决于数据库中的样本数据,本发明通过康复动作的概率,实现了样本数据的更新、删除。此外,还通过对样本量的观察,解决了CART决策树容易出现识别精度的问题。
一种基于多传感器动作识别的康复***,康复***包括:样本数据获得单元:获取康复动作的加速度样本数据,并将加速度样本数据加入数据库中;局部特征获取单元:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;动作识别单元:根据同步获取加速度信号数据和表面肌电信号数据,根据多个局部特征和表面肌电信号数据的单维特征,实现动作的识别;补偿单元:根据识别的动作和表面肌电信号数据,实施肌电补偿。
动作识别单元具体的实现的功能为:同步获取加速度信号数据和表面肌电信号数据对表面肌电信号数据进行特征提取,得到表面肌电单维特征;根据表面肌电信号数据特征,判断是否触发信号,若触发信号,则根据多个局部特征,开始提取加速度信号数据的多维局部特征;采用全连接层将多维局部特征和表面肌电单维特征通过矩阵组装成完整的一维特征;根据采用soft-max层将一维特征映射成康复动作的概率,实现动作的识别。
康复***还包括样本数据更新单元:根据动作识别单元中得到的多个康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将多个康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
康复***还包括样本数据更新单元:若加速度样本数据中某一康复动作的样本数据量占总体样本数据量的比例低于预设阈值,则根据动作识别单元中得到的上述康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将上述康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
康复***还包括样本数据删除单元:若某一加速度信号数据的动作识别步骤中得到的概率低于预设阈值,则删除数据库中与加速度信号数据接近的加速度样本数据。
1、不同于市面上常用的非穿戴式外骨骼康复机器人,本发明适用于可穿戴式柔软机器人,柔软材料更能适应肢体,有效保护患者的肢体,减少出现二次伤害的情况。并且不通过电机驱动,而是通过功能电刺激(FES) 帮助肌肉进行收缩,完成动作,这种可穿戴式柔软机器人重量小,适用范围大。
1、本发明改变现有康复机器人被动康复方式单一的问题,本发明兼具被动控制和主动控制,通过表面肌电反馈和上肢动作预测,使患者主动参与动作,康复机器人辅助患者完成康复训练和日常生活。
2、本发明主动控制需要人体意图识别,不同于常用的基于视频的人体动作识别,本发明使用非视觉传感器:惯性传感器和表面肌电,通过多传感器数据融合预测人体意图。
3、本发明采用多传感器数据融合一直是人机交互的一个难点,本发明通过全连接层和soft-Max层对惯性传感器数据和表面肌电数据,进行去关联特征融合,从而达到数据融合处理的目的。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这中叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种基于多传感器动作识别的康复方法,其特征在于,所述康复方法包括以下步骤:
样本数据获得步骤:获取康复动作的加速度样本数据,并将所述加速度样本数据加入数据库中;
局部特征获取步骤:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;
动作识别步骤:根据同步获取加速度信号数据和表面肌电信号数据,根据多个局部特征和表面肌电信号数据的单维特征,实现动作的识别;
补偿步骤:根据识别的动作和表面肌电信号数据,实施肌电补偿;
所述动作识别步骤具体包括以下步骤:
同步获取加速度信号数据和表面肌电信号数据;
对表面肌电信号数据进行特征提取,得到表面肌电单维特征;
根据表面肌电信号数据特征,判断是否触发信号,若触发信号,则根据多个局部特征,开始提取加速度信号数据的多维局部特征;
采用全连接层将多维局部特征和表面肌电单维特征通过矩阵组装成完整的一维特征;
根据采用soft-max层将一维特征映射成康复动作的概率,实现动作的识别;
所述康复方法还包括样本数据更新步骤,所述样本数据更新步骤包括以下步骤:
根据动作识别步骤中得到的多个康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将多个康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
2.根据权利要求1所述的一种基于多传感器动作识别的康复方法,其特征在于,所述康复方法还包括样本数据更新步骤,所述样本数据更新步骤包括以下步骤:
若加速度样本数据中某一康复动作的样本数据量占总体样本数据量的比例低于预设阈值,则根据动作识别步骤中得到的上述康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将上述康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
3.根据权利要求1所述的一种基于多传感器动作识别的康复方法,其特征在于,所述康复方法还包括样本数据删除步骤,所述样本数据删除步骤包括以下步骤:
若某一加速度信号数据的动作识别步骤中得到的概率低于预设阈值,则删除数据库中与所述加速度信号数据接近的加速度样本数据。
4.一种基于多传感器动作识别的康复***,其特征在于,所述康复***包括:
样本数据获得单元:获取康复动作的加速度样本数据,并将所述加速度样本数据加入数据库中;
局部特征获取单元:根据数据库中的加速度样本数据,采用CART决策树做分类训练,获得多个局部特征;
动作识别单元:根据同步获取加速度信号数据和表面肌电信号数据,根据多个局部特征和表面肌电信号数据的单维特征,实现动作的识别;
补偿单元:根据识别的动作和表面肌电信号数据,实施肌电补偿;
所述动作识别单元具体的实现的功能为:
同步获取加速度信号数据和表面肌电信号数据;
对表面肌电信号数据进行特征提取,得到表面肌电单维特征;
根据表面肌电信号数据特征,判断是否触发信号,若触发信号,则根据多个局部特征,开始提取加速度信号数据的多维局部特征;
采用全连接层将多维局部特征和表面肌电单维特征通过矩阵组装成完整的一维特征;
根据采用soft-max层将一维特征映射成康复动作的概率,实现动作的识别;
所述康复***还包括样本数据更新单元:
根据动作识别单元中得到的多个康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将多个康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
5.根据权利要求4所述的一种基于多传感器动作识别的康复***,其特征在于,所述康复***还包括样本数据更新单元:
若加速度样本数据中某一康复动作的样本数据量占总体样本数据量的比例低于预设阈值,则根据动作识别单元中得到的上述康复动作的概率,计算概率变化的二阶导数,若二阶导数低于预设阈值,则将上述康复动作对应的加速度信号数据放入数据库中,若高于或等于预设阈值,则无任何动作。
6.根据权利要求4所述的一种基于多传感器动作识别的康复***,其特征在于,所述康复***还包括样本数据删除单元:
若某一加速度信号数据的动作识别步骤中得到的概率低于预设阈值,则删除数据库中与所述加速度信号数据接近的加速度样本数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111031499.9A CN113712541B (zh) | 2021-09-03 | 2021-09-03 | 一种基于多传感器动作识别的康复方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111031499.9A CN113712541B (zh) | 2021-09-03 | 2021-09-03 | 一种基于多传感器动作识别的康复方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113712541A CN113712541A (zh) | 2021-11-30 |
CN113712541B true CN113712541B (zh) | 2022-08-02 |
Family
ID=78681405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111031499.9A Active CN113712541B (zh) | 2021-09-03 | 2021-09-03 | 一种基于多传感器动作识别的康复方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113712541B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106176134A (zh) * | 2016-07-12 | 2016-12-07 | 王春宝 | 一种自主训练的方法和*** |
CN108703824B (zh) * | 2018-03-15 | 2020-05-01 | 哈工大机器人(合肥)国际创新研究院 | 一种基于肌电手环的仿生手控制***及控制方法 |
CN111388863A (zh) * | 2020-03-16 | 2020-07-10 | 合肥工业大学 | 一种基于关节角度反馈的肢体电刺激训练*** |
CN111950460B (zh) * | 2020-08-13 | 2022-09-20 | 电子科技大学 | 一种自适应肌力的卒中患者手部康复训练动作识别方法 |
CN113261981A (zh) * | 2021-05-21 | 2021-08-17 | 华南理工大学 | 一种基于表面肌电信号的上肢痉挛量化评估方法及*** |
-
2021
- 2021-09-03 CN CN202111031499.9A patent/CN113712541B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113712541A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fang et al. | EMG-centered multisensory based technologies for pattern recognition in rehabilitation: state of the art and challenges | |
Samuel et al. | Pattern recognition of electromyography signals based on novel time domain features for amputees' limb motion classification | |
CN103212156B (zh) | 基于本体镜像原理的偏瘫患者自主康复仪 | |
Micera et al. | Decoding information from neural signals recorded using intraneural electrodes: toward the development of a neurocontrolled hand prosthesis | |
CN106821680A (zh) | 一种基于下肢步态的上肢康复外骨骼控制方法 | |
CN107411935A (zh) | 一种用于软体康复机械手的多模式脑机接口控制方法 | |
CN202223388U (zh) | 一种可穿戴的脑控智能假肢 | |
CN111696645A (zh) | 一种基于表面肌电信号的手部外骨骼康复训练装置及方法 | |
CN110013248A (zh) | 脑电张量模式识别技术与脑机交互康复*** | |
CN102309365A (zh) | 一种可穿戴的脑控智能假肢 | |
Li et al. | EEG signal classification method based on feature priority analysis and CNN | |
CN106422203A (zh) | 一种基于镜像疗法的光电多模态反馈的上肢康复训练方法 | |
CN111584029A (zh) | 基于判别式对抗网络的脑电自适应模型及在康复中的应用 | |
CN113143676B (zh) | 一种基于脑肌电协同的外肢体手指的控制方法 | |
Born et al. | Cortical magnification plus cortical plasticity equals vision? | |
Bouton | Merging brain-computer interface and functional electrical stimulation technologies for movement restoration | |
CN110908506B (zh) | 仿生智能算法驱动的主被动一体化康复方法、装置、存储介质和设备 | |
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 | |
CN113712541B (zh) | 一种基于多传感器动作识别的康复方法及*** | |
Thomas et al. | Tactile unit properties after human cervical spinal cord injury | |
Lou et al. | Wireless master-slave FES rehabilitation system using sEMG control | |
TWI762313B (zh) | 沉浸式多姿態主被動式肢體協調復健訓練系統 | |
Lee et al. | Towards the ambulatory assessment of movement quality in stroke survivors using a wrist-worn inertial sensor | |
CN115024735A (zh) | 一种基于运动意图识别模型的脑卒中患者康复方法及*** | |
Asogbon et al. | A Deep Learning based Model for Decoding Motion Intent of Traumatic Brain Injured Patients' using HD-sEMG Recordings |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230103 Address after: 201318 floors 4 and 5, building 1, No. 555, Qingdai Road, Pudong New Area, Shanghai Patentee after: SHANGHAI YINGSHOU MEDICAL INSTR Co.,Ltd. Address before: 200245 Nansha Road, Minhang District, Shanghai 68 Patentee before: NCC MEDICAL CO.,LTD. |