CN113768750A - 基于视觉生物反馈的康复训练机器人 - Google Patents
基于视觉生物反馈的康复训练机器人 Download PDFInfo
- Publication number
- CN113768750A CN113768750A CN202111081297.5A CN202111081297A CN113768750A CN 113768750 A CN113768750 A CN 113768750A CN 202111081297 A CN202111081297 A CN 202111081297A CN 113768750 A CN113768750 A CN 113768750A
- Authority
- CN
- China
- Prior art keywords
- game
- training
- games
- patients
- patient
- 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
- 238000012549 training Methods 0.000 title claims abstract description 112
- 230000000007 visual effect Effects 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000008569 process Effects 0.000 claims abstract description 11
- 201000010099 disease Diseases 0.000 claims abstract description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 46
- 210000001364 upper extremity Anatomy 0.000 claims description 23
- 230000006872 improvement Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000007659 motor function Effects 0.000 claims description 11
- 206010049816 Muscle tightness Diseases 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004904 shortening Methods 0.000 abstract description 2
- 208000006011 Stroke Diseases 0.000 description 7
- 239000003814 drug Substances 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 241000220225 Malus Species 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 210000002310 elbow joint Anatomy 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 210000000323 shoulder joint Anatomy 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000003857 wrist joint Anatomy 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
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B23/00—Exercising apparatus specially adapted for particular parts of the body
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Pain & Pain Management (AREA)
- Rehabilitation Therapy (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明公开了基于视觉生物反馈的康复训练机器人,属于医疗技术领域,包括游戏库、信息分析模块、游戏推荐模块、训练规划模块、信息反馈模块和数据库;所述游戏库用于储存训练游戏,并对训练游戏进行分级,信息分析模块根据患者的病情信息分析患者的游戏分级,将分析的患者游戏分级发送给游戏推荐模块,游戏推荐模块根据患者的游戏分级向患者推荐对应游戏分级的训练游戏,患者选择辅助训练的训练游戏,通过训练规划模块为患者规划训练安排,当患者的训练完毕后,信息反馈模块对患者游戏过程中的行为表现进行评分,并将获得的行为评分发送给患者主治医生;康复训练机器人有助于提高患者的日常生活能力和提高康复疗效,缩短治疗疗程。
Description
技术领域
本发明属于医疗技术领域,具体是基于视觉生物反馈的康复训练机器人。
背景技术
现代康复理论和实践证明,脑卒中后及时进行康复训练可以有效恢复患肢运动功能,从而提高患者的满意度,降低可能因长期护理而产生的高额费用,减轻社会压力、节约社会资源,传统的上肢康复训练方法是康复治疗师运用各种训练手法及较为简单的器械用具辅助患者进行运动训练,治疗师的工作经验和技术水平决定了其训练效果,患者被动接受训练,训练过程枯燥,较易使患者对康复训练缺乏兴趣和信心,而且治疗师的工作量较大,容易疲劳,康复训练效率较低。近年研究证实,特定的功能训练能促进中枢神经***的重组和功能代偿,有利于患者肢体运动功能的恢复,这为机器人辅助康复训练提供了重要的科学根据。机器人辅助的康复训练,可以有效解决传统康复训练方法中存在的问题,减轻治疗师的工作负担。
发明内容
为了解决上述方案存在的问题,本发明提供了基于视觉生物反馈的康复训练机器人。
本发明的目的可以通过以下技术方案实现:
基于视觉生物反馈的康复训练机器人,包括游戏库、信息分析模块、游戏推荐模块、训练规划模块、信息反馈模块和数据库;
所述游戏库用于储存训练游戏,并对训练游戏进行分级,信息分析模块根据患者的病情信息分析患者的游戏分级,将分析的患者游戏分级发送给游戏推荐模块,游戏推荐模块根据患者的游戏分级向患者推荐对应游戏分级的训练游戏,患者选择辅助训练的训练游戏,通过训练规划模块为患者规划训练安排,当患者的训练完毕后,信息反馈模块对患者游戏过程中的行为表现进行评分,并将获得的行为评分发送给患者主治医生。
进一步地,游戏库的工作方法包括:
制定训练游戏的筛选分类,从互联网中获取VR游戏信息,根据筛选分类对获取的VR游戏进行筛选,将筛选后的VR游戏标记为分类游戏;设置游戏难度筛选模型,通过游戏难度筛选模型对分类游戏进行筛选,获得对应的筛选结果,将筛选结果为筛选不合格的游戏进行删除,将剩余的分类游戏标记为筛选游戏;
设置游戏管理人员,将筛选游戏发送给游戏管理人员,进行人工审核,将审核通过的筛选游戏储存到游戏库中,并对储存的游戏进行分级,游戏分级包括低级难度、中级难度和高级难度;
将游戏库划分为一级数据库、二级数据库和三级数据库,将低级难度对应的游戏移动到一级数据库中,将中级难度对应的游戏移动到二级数据库中,将高级难度对应的游戏移动到三级数据库中。
进一步地,设置游戏难度筛选模型的方法包括:
建立人工智能模型,设置VR游戏操作步骤上限,获取VR游戏的操作步骤,并为对应的VR游戏设置筛选结果,筛选结果包括筛选合格和筛选不合格,将VR游戏操作步骤上限、VR游戏的操作步骤和对应的VR游戏设置筛选结果整合标记为训练集,通过训练集对人工智能模型进行训练,将训练完毕的人工智能模型标记为游戏难度筛选模型。
进一步地,信息反馈模块的工作方法包括:
实时获取患者在游戏过程中的动作图像,建立行为评分模型,将获取的动作图像发送到评分模型中,获得行为评分。
进一步地,信息分析模块的工作方法包括:
设置患者识别牌,对患者识别牌进行识别,获得患者基本信息,根据患者基本信息获得患者的上肢肌张力改良Ashworth量表评分、上肢运动功能评分及改良Barthel指数评定,建立评分游戏对照表,根据患者的上肢肌张力改良Ashworth量表评分、上肢运动功能评分及改良Barthel指数评定获得患者的游戏分级。
进一步地,患者识别牌储存基本信息的方式为二维码储存。
进一步地,游戏推荐模块的工作方法包括:
进一步地,α1、α2、α3为调节系数,且α1、α2、α3的取值范围为[0,1]。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明原理框图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
康复训练机器人是一种将传感、控制、信息、康复医学、生物力学、机械学等诸多学科融合在一起的新型机器人技术,这种技术在康复医疗领域的应用近年来成为各国研究的一个热点方向。依据现代循证医学和持续被动运动理论,通过康复机器人的协助,可使患者无需医护人员全程协助,依照不同偏瘫情况进行主动康复训练,这种高效的治疗方式可使患者更快地恢复健康;这种基于虚拟游戏的视觉生物反馈技术,可以实现与患者的充分互动,患者需要在训练同时完成一个个虚拟的“任务”,这样就为患者的运动赋予了实际意义,增加了训练的目的性和趣味性,从而大大提高了患者的主动参与程度,也就提高了训练效率。训练时可根据患者情况合理客观、科学地设定训练内容,计算机提供的虚拟场景生动有趣,评价指标统一规范。
如图1所示,基于视觉生物反馈的康复训练机器人,包括游戏库、信息分析模块、游戏推荐模块、训练规划模块、信息反馈模块和数据库;
所述游戏库用于储存训练游戏,训练游戏即为用于对脑卒中患者进行康复训练的VR游戏;具体方法包括:
制定训练游戏的筛选分类,因为不是所有的游戏分类都可以作为训练游戏的,基本都是操作难度简单,能够满足脑卒中患者使用的游戏,具体的筛选分类由专家组进行讨论设置;从互联网中获取VR游戏信息,VR游戏信息包括游戏分类、游戏操作方法、游戏评分等信息,通过制定的筛选分类对获取的VR游戏进行筛选,将筛选后的VR游戏标记为分类游戏;
设置游戏难度筛选模型,通过游戏难度筛选模型对分类游戏进行筛选,获得对应的筛选结果,将筛选结果为筛选不合格的游戏进行删除,将剩余的分类游戏标记为筛选游戏;
设置游戏管理人员,游戏管理人员即为对游戏库内的训练游戏进行管理的工人人员,将筛选游戏发送给游戏管理人员,进行人工审核,将审核通过的筛选游戏储存到游戏库中,并对储存的游戏进行分级,游戏分级包括低级难度、中级难度和高级难度;
将游戏库划分为一级数据库、二级数据库和三级数据库,将低级难度对应的游戏移动到一级数据库中,将中级难度对应的游戏移动到二级数据库中,将高级难度对应的游戏移动到三级数据库中。
通过设置游戏管理人员,对训练游戏进行最后的把关,确保训练游戏是可以使用的,因为仅仅使用***进行筛选具有极大的隐患,并不能保障百分百的筛选合格,对脑卒中患者进行治疗的训练游戏不能有丝毫的错误,否则极有可能加重患者的病情,而通过设置游戏管理人员,进行人工审核,就可以解决这个问题;
设置游戏难度筛选模型的方法包括:
建立人工智能模型,人工智能模型即为神经网络模型,设置VR游戏操作步骤上限,因为脑卒中患者使用的游戏都是操作简单、操作步骤少的游戏,例如:煎鸡蛋、枪击、装水、射箭、摘苹果、擦墙、几何图形、物品分类等游戏项目,区别明显,容易筛选,获取VR游戏的操作步骤,并为对应的VR游戏设置筛选结果,筛选结果包括筛选合格和筛选不合格,将VR游戏操作步骤上限、VR游戏的操作步骤和对应的VR游戏设置筛选结果整合标记为训练集,通过训练集对人工智能模型进行训练,将训练完毕的人工智能模型标记为游戏难度筛选模型。
所述信息分析模块用于根据分析患者的病情信息分析患者的游戏分级,具体方法包括:
设置患者识别牌,患者识别牌用于储存患者基本信息,基本信息包括姓名、年龄、照片、主治医生、看护人员、患者家人联系方式等信息,患者识别牌储存基本信息的方式为二维码储存;
对患者识别牌进行识别,获得患者基本信息,根据患者基本信息获得患者的上肢肌张力改良Ashworth量表(MAS)评分、上肢运动功能(FMA)评分及改良Barthel指数(MBI)评定,上肢肌张力改良Ashworth量表(MAS)评分、上肢运动功能(FMA)评分及改良Barthel指数(MBI)评定均可通过医院***进行获取,或由主治医生进行检测评定;建立评分游戏对照表,评分游戏对照表就是上肢肌张力改良Ashworth量表(MAS)评分、上肢运动功能(FMA)评分及改良Barthel指数(MBI)评定对应的游戏分级,由专家组进行讨论设置;根据患者的上肢肌张力改良Ashworth量表(MAS)评分、上肢运动功能(FMA)评分及改良Barthel指数(MBI)评定获得患者的游戏分级;
所述游戏推荐模块用于根据患者的游戏分级向患者进行游戏推荐,具体方法包括:
构建余弦相似度函数其中,i和j分别为患者i和患者j的兴趣度向量,患者i和患者j的游戏分级相同;i和j的夹角越小,相似度越高,兴趣度向量可以包括:游戏访问次数、游戏时长、游戏评分等;患者可以在游戏结束后进行评分;
示例性的,兴趣度向量的格式为三元组(x1,x2,x3),根据游戏访问次数、游戏时长、游戏评分确定患者的兴趣度函数:
其中α1、α2、α3为调节系数,α1、α2、α3的取值范围为[0,1],f、t、r分别为学生的访问次数、游戏时长、游戏评分;访问次数、游戏时长、游戏评分分别设置初始值和数据库中读取的值;
fij表示患者i对游戏j的游戏访问次数,fmin为数据库中记录的最小的游戏访问次数,fmax为数据库中记录的最大的访问次数;tij为患者i对游戏j的游戏时长,tmax为数据库中记录的最大的游戏时长,tmin为数据库中记录的最小的游戏时长;rij为用于i对游戏j的游戏评分,rmax为数据库中记录的最大的游戏评分,rmin为数据库中记录的最小的游戏评分;
调节系数α1、α2、α3可以在指定范围内,即[0,1]生成随机数,之后通过遗传算法优化系数;f、t、r即为记录患者的数据,将设定的初值代入目标函数wij,通过遗传算法优化系数和初值,可以使用matlab软件中自带的遗传算法工具箱进行迭代计算;
设定兴趣度阈值X1,当wij>X1时,将游戏标记为推荐游戏,将推荐游戏发送给患者进行选择。
所述训练规划模块用于主治医生为患者设置训练安排,刚开始时由治疗师指导并辅以助力帮助患者完成训练,逐渐过渡到患者独立完成训练,一般每次30min,每日1次;通过游戏训练降低偏瘫患者上肢肌张力、提高运动能力,促进患者日常生活活动能力;主要是根据患者的往期表现,由主治医生根据自身的经验进行合理安排的,可以直接导入主治医生的训练安排;
信息反馈模块用于反馈患者在的游戏过程中的行为表现,具体方法包括:
实时获取患者在游戏过程中的动作图像,建立行为评分模型,将获取的动作图像发送到评分模型中,获得行为评分,并将获得的行为评分发送给患者主治医生;
评分模型就是神经网络模型,将历史的患者动作图像和对应设置的行为评分作为训练集对神经网络模型进行训练,将训练后的神经网络模型标记为评分模型。
对于本发明,申请人做了如下项目实验:
随机选取60例脑卒中患者随机分为2组,均接受基础药物治疗和常规康复治疗;观察组增加上肢康复机器人训练;采用上肢机器人进行肩关节屈曲、内收、外展,肘关节屈、伸,前臂旋前、旋后,手抓握训练。训练方法有3种,一维训练为单关节训练,包含肩、肘、腕关节训练项目,设置了煎鸡蛋、枪击、装水、射箭等游戏项目;二维训练为多个关节相互协调进行训练,设置了摘苹果、擦墙、几何图形、物品分类等游戏项目;三维训练在二维训练的基础上,增加了前后活动的范围,使整个训练在三维空间里进行,设置了击球项目。
训练时可根据患者病情设定训练内容(游戏设定)、训练难度(低、中、高)、握力大小等,循序渐进,难度逐渐增加,开始由治疗师指导并辅以助力帮助患者完成训练,逐渐过渡到患者独立完成训练,每次训练30min,每日1次;治疗前后分别进行上肢肌张力改良Ashworth量表(MAS)评分、上肢运动功能(FMA)评分及改良Barthel指数(MBI)评定。
总结观察组是否比对照组评定分数提高,治疗疗程是否缩短,整体恢复是否优于对照组,从而证实常规治疗基础上结合上肢机器人疗法的有效性。
可行性研究及评价,通过专家组讨论研究,对亚急性期和慢性脑卒中患者的康复方案进行了详细的评定和分析,根据专家组提出的意见,进行方案优化,确定最终研究方案。
通过对比研究实验,证实康复机器人有助于提高患者的日常生活能力和提高康复疗效,缩短治疗疗程。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
在本发明所提供的实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式;所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另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涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.基于视觉生物反馈的康复训练机器人,其特征在于,包括游戏库、信息分析模块、游戏推荐模块、训练规划模块、信息反馈模块和数据库;
所述游戏库用于储存训练游戏,并对训练游戏进行分级,信息分析模块根据患者的病情信息分析患者的游戏分级,将分析的患者游戏分级发送给游戏推荐模块,游戏推荐模块根据患者的游戏分级向患者推荐对应游戏分级的训练游戏,患者选择辅助训练的训练游戏,通过训练规划模块为患者规划训练安排,当患者的训练完毕后,信息反馈模块对患者游戏过程中的行为表现进行评分,并将获得的行为评分发送给患者主治医生。
2.根据权利要求1所述的基于视觉生物反馈的康复训练机器人,其特征在于,游戏库的工作方法包括:
制定训练游戏的筛选分类,从互联网中获取VR游戏信息,根据筛选分类对获取的VR游戏进行筛选,将筛选后的VR游戏标记为分类游戏;设置游戏难度筛选模型,通过游戏难度筛选模型对分类游戏进行筛选,获得对应的筛选结果,将筛选结果为筛选不合格的游戏进行删除,将剩余的分类游戏标记为筛选游戏;
设置游戏管理人员,将筛选游戏发送给游戏管理人员,进行人工审核,将审核通过的筛选游戏储存到游戏库中,并对储存的游戏进行分级,游戏分级包括低级难度、中级难度和高级难度;
将游戏库划分为一级数据库、二级数据库和三级数据库,将低级难度对应的游戏移动到一级数据库中,将中级难度对应的游戏移动到二级数据库中,将高级难度对应的游戏移动到三级数据库中。
3.根据权利要求1所述的基于视觉生物反馈的康复训练机器人,其特征在于,设置游戏难度筛选模型的方法包括:
建立人工智能模型,设置VR游戏操作步骤上限,获取VR游戏的操作步骤,并为对应的VR游戏设置筛选结果,筛选结果包括筛选合格和筛选不合格,将VR游戏操作步骤上限、VR游戏的操作步骤和对应的VR游戏设置筛选结果整合标记为训练集,通过训练集对人工智能模型进行训练,将训练完毕的人工智能模型标记为游戏难度筛选模型。
4.根据权利要求1所述的基于视觉生物反馈的康复训练机器人,其特征在于,信息反馈模块的工作方法包括:
实时获取患者在游戏过程中的动作图像,建立行为评分模型,将获取的动作图像发送到评分模型中,获得行为评分。
5.根据权利要求1所述的基于视觉生物反馈的康复训练机器人,其特征在于,信息分析模块的工作方法包括:
设置患者识别牌,对患者识别牌进行识别,获得患者基本信息,根据患者基本信息获得患者的上肢肌张力改良Ashworth量表评分、上肢运动功能评分及改良Barthel指数评定,建立评分游戏对照表,根据患者的上肢肌张力改良Ashworth量表评分、上肢运动功能评分及改良Barthel指数评定获得患者的游戏分级。
6.根据权利要求5所述的基于视觉生物反馈的康复训练机器人,其特征在于,患者识别牌储存基本信息的方式为二维码储存。
8.根据权利要求7所述的基于视觉生物反馈的康复训练机器人,其特征在于,α1、α2、α3为调节系数,且α1、α2、α3的取值范围为[0,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111081297.5A CN113768750A (zh) | 2021-09-15 | 2021-09-15 | 基于视觉生物反馈的康复训练机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111081297.5A CN113768750A (zh) | 2021-09-15 | 2021-09-15 | 基于视觉生物反馈的康复训练机器人 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113768750A true CN113768750A (zh) | 2021-12-10 |
Family
ID=78844259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111081297.5A Pending CN113768750A (zh) | 2021-09-15 | 2021-09-15 | 基于视觉生物反馈的康复训练机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113768750A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012115384A2 (ko) * | 2011-02-25 | 2012-08-30 | 디게이트 주식회사 | 네츄럴 인터렉션 기반 건강 및 재활 기능성 게임시스템 |
US20150148113A1 (en) * | 2013-03-06 | 2015-05-28 | Biogaming Ltd | Patient-specific rehabilitative video games |
CN105912729A (zh) * | 2016-05-19 | 2016-08-31 | 华南理工大学 | 基于三维时序动态模型的***推荐*** |
CN106156354A (zh) * | 2016-07-27 | 2016-11-23 | 淮海工学院 | 一种学习资源推荐*** |
CN107899194A (zh) * | 2017-12-21 | 2018-04-13 | 广州博进信息技术有限公司 | 一种基于虚拟现实的腰部肌群康复训练*** |
CN110575663A (zh) * | 2019-09-25 | 2019-12-17 | 郑州大学 | 一种基于人工智能的体育辅助训练方法 |
US20200066390A1 (en) * | 2018-08-21 | 2020-02-27 | Verapy, LLC | Physical Therapy System and Method |
-
2021
- 2021-09-15 CN CN202111081297.5A patent/CN113768750A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012115384A2 (ko) * | 2011-02-25 | 2012-08-30 | 디게이트 주식회사 | 네츄럴 인터렉션 기반 건강 및 재활 기능성 게임시스템 |
US20150148113A1 (en) * | 2013-03-06 | 2015-05-28 | Biogaming Ltd | Patient-specific rehabilitative video games |
CN105912729A (zh) * | 2016-05-19 | 2016-08-31 | 华南理工大学 | 基于三维时序动态模型的***推荐*** |
CN106156354A (zh) * | 2016-07-27 | 2016-11-23 | 淮海工学院 | 一种学习资源推荐*** |
CN107899194A (zh) * | 2017-12-21 | 2018-04-13 | 广州博进信息技术有限公司 | 一种基于虚拟现实的腰部肌群康复训练*** |
US20200066390A1 (en) * | 2018-08-21 | 2020-02-27 | Verapy, LLC | Physical Therapy System and Method |
CN110575663A (zh) * | 2019-09-25 | 2019-12-17 | 郑州大学 | 一种基于人工智能的体育辅助训练方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109243605A (zh) | 一种基于人工智能的精神障碍诊断治疗*** | |
CN109479110A (zh) | 动态创建个人化锻炼视频的***和方法 | |
CN103226665B (zh) | 基于saas平台的人脑健康锻炼*** | |
Amazeen | From physics to social interactions: Scientific unification via dynamics | |
CN114612511A (zh) | 基于改进域对抗神经网络算法的运动训练辅助决策支持*** | |
CN115019933B (zh) | 一种融合gmf及cdae的弱视训练方案推荐方法 | |
CN116705233A (zh) | 一种面向老年群体的运动处方推荐*** | |
CN115631532A (zh) | 一种康复训练***中训练动作分类与完成度评分方法 | |
Bruce et al. | Skeleton-based detection of abnormalities in human actions using graph convolutional networks | |
Li et al. | Sports training strategies and interactive control methods based on neural network models | |
Wang | Sports training auxiliary decision support system based on neural network algorithm | |
KR20240063751A (ko) | 디지털 기반의 근골격계 재활 치료 제공 방법 및 시스템 | |
CN113768750A (zh) | 基于视觉生物反馈的康复训练机器人 | |
CN115253009B (zh) | 一种睡眠多维度干预方法及*** | |
Yin et al. | Research on movement analysis and guidance in dance learning based on data mining | |
CA3176236C (en) | Method and system for using sensor data from rehabilitation or exercise equipment to treat patients via telemedicine | |
Häyrinen | Evaluation of Physiotherapists' Documentation: a Retrospective Record Analysis before the Implementation of National Recommendations in the EHR system. | |
Reece et al. | Big data analytics for smart sports using apache spark. | |
CN106021927A (zh) | 一种基于大数据的皮纹分析处理方法 | |
Zhang | Application Analysis of Badminton Intelligence based on Knowledge Graphs | |
US20240149115A1 (en) | Method and system for providing digitally-based musculoskeletal rehabilitation therapy | |
CN117524412A (zh) | 基于多源数据的骨科全周期康复管理***、方法及设备 | |
Weber | THIS ARTICLE HAS BEEN RETRACTED Critical care nurse practitioners and clinical nurse specialists interface patterns with computer-based decision support systems | |
CN114582463A (zh) | 一种基于机器学习的个性化运动指导***及方法 | |
Valerio | Development of Machine Learning-Based Algorithms for Assessing Tai Chi Exercise Proficiency in Older Adults |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211210 |
|
RJ01 | Rejection of invention patent application after publication |