CN116983185A - 一种脑卒中患者上肢功能重建*** - Google Patents
一种脑卒中患者上肢功能重建*** Download PDFInfo
- Publication number
- CN116983185A CN116983185A CN202310978930.3A CN202310978930A CN116983185A CN 116983185 A CN116983185 A CN 116983185A CN 202310978930 A CN202310978930 A CN 202310978930A CN 116983185 A CN116983185 A CN 116983185A
- Authority
- CN
- China
- Prior art keywords
- upper limb
- signal
- unit
- electroencephalogram
- signals
- 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
- 210000001364 upper extremity Anatomy 0.000 title claims abstract description 258
- 208000006011 Stroke Diseases 0.000 title claims abstract description 117
- 206010008190 Cerebrovascular accident Diseases 0.000 title claims abstract description 87
- 230000002490 cerebral effect Effects 0.000 title claims abstract description 87
- 230000033001 locomotion Effects 0.000 claims abstract description 140
- 238000012549 training Methods 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 210000004556 brain Anatomy 0.000 claims description 118
- 230000006870 function Effects 0.000 claims description 38
- 230000003183 myoelectrical effect Effects 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 8
- 210000000245 forearm Anatomy 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 abstract description 3
- 210000003141 lower extremity Anatomy 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 17
- 210000000988 bone and bone Anatomy 0.000 description 16
- 238000007781 pre-processing Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 11
- 210000003205 muscle Anatomy 0.000 description 11
- 230000000638 stimulation Effects 0.000 description 10
- 230000036544 posture Effects 0.000 description 8
- 210000000784 arm bone Anatomy 0.000 description 7
- 238000012937 correction Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 206010033799 Paralysis Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 210000003128 head Anatomy 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 206010019468 Hemiplegia Diseases 0.000 description 3
- 230000003321 amplification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000003414 extremity Anatomy 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 210000004761 scalp Anatomy 0.000 description 3
- 206010061296 Motor dysfunction Diseases 0.000 description 2
- 208000012902 Nervous system disease Diseases 0.000 description 2
- 208000032023 Signs and Symptoms Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007177 brain activity Effects 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000002567 electromyography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003387 muscular Effects 0.000 description 2
- 210000001087 myotubule Anatomy 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000001694 thigh bone Anatomy 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- 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
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- 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]
- A61B5/397—Analysis of electromyograms
-
- 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
-
- 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
- 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
- A61H2230/10—Electroencephalographic signals
- A61H2230/105—Electroencephalographic signals used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Epidemiology (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种脑卒中患者上肢功能重建***,至少包括:信号采集单元,用于采集脑卒中患者的生理电信号;信号处理单元,用于处理生理电信号;上肢训练单元,基于信号处理单元的控制进行上肢辅助运动;信号采集单元至少能够获取脑卒中患者的脑电信号以及在上肢训练单元辅助运动下上肢产生的第一肌电信号,其中,信号处理单元根据脑电信号提取患者的注意力水平,当注意力水平到达预设值后,上肢训练单元辅助上肢进行运动;信号处理单元还能够根据脑电信号得出第二肌电信号,信号处理单元基于第一肌电信号与第二肌电信号之间的差异不断对脑电信号与运动想象任务的映射关系进行修正,以逐步提高脑电信号与运动想象任务之间的映射关系的准确性。
Description
技术领域
本发明涉及脑卒中康复训练技术领域,尤其涉及一种脑卒中患者上肢功能重建***。
背景技术
脑卒中(stroke)又称中风、脑血管意外,世界卫生组织对其定义为“一种源于血管的急性神经性障碍,其症状和体征与脑受损部位相一致”,即在脑血管病人中,因各种诱发因素引起脑内动脉狭窄,闭塞或破裂,而造成急性脑血液循环障碍,临床上表现为一过性或永久性脑功能障碍的症状和体征,主要包括脑出血,脑梗死,蛛网膜下腔出血等。据估计,我国脑卒中发病率高达150万/年,其中75%的脑卒中患者遗留有功能障碍,绝大部分为以偏瘫为代表的运动功能障碍。运动功能障碍给患者本身带来身体痛苦和生活不便,其中,相比于下肢,上肢的运动功能障碍更难恢复,大多数脑卒中患者上肢功能的恢复是由近端到远端,由粗大到精细,由简单到复杂进行的。脑卒中后偏瘫上肢功能的康复一直是临床上比较棘手的问题之一。研究表明,除手术和药物治疗外,科学的康复训练对脑卒中偏瘫患者的肢体功能康复起着重要作用。
现有技术中如公告号为CN113679568B的专利文献所提出的一种机器人辅助的脑卒中偏瘫患者上肢多模态镜像康复训练方法及评分***,在合理性与创新性上,该***基于康复学上的镜像康复训练理论,设计了机器人辅助的上肢镜像康复训练方式,并采用多模态的方式随机生成设定训练轨迹,有助提升训练效率;在安全性上,机器人设置急停按钮,以防训练过程中患者受到二次伤害;在数据处理与存储方面,该***将实际训练生成轨迹与设定轨迹进行拟合计算重合度,为医生量化评分提供依据,并最终将训练信息存储至云数据库,有助多次康复训练数据进行比对分析。
现有的康复训练方式大部分采用诸如机器人、升降装置等机械结构的方式根据预先设定的运动轨迹带动患者的上肢进行重复性、单一性的运动,其运动是依靠机械驱动的,与人体的脑部之间的功能控制连接相对有限,换言之,在患者上肢进行上述的康复训练的情况下,其运动状态与脑部意识的连接是断裂的,通过该种方式虽然能够达到一定的恢复效果,但是想要通过该种方式使得患者逐步恢复大脑对于上肢的控制是极其困难的。
此外,现有技术中,脑卒中患者上肢康复训练***需要根据特征指令来刺激患者的身体部位,传统刺激方式为通过声光电磁等物理刺激对患者的脑、中枢、肌肉等进行非侵入式刺激,在脑卒中患者长期上肢功能康复训练过程中,将会导致患者对刺激麻木无感、恐惧或损伤感觉器官,容易导致患者对训练失去兴趣和信心,且对患者及康复训练进程产生较大不良影响。因此,现急需一种在不需要患者受外界刺激的情况下,实现对脑卒中患者上肢功能重建,且该***能通过机器学习的方式,逐步提高预测的准确率和稳定性,从而为脑卒中患者上肢功能重建提供一种有效的***。
此外,一方面由于对本领域技术人员的理解存在差异;另一方面由于发明人做出本发明时研究了大量文献和专利,但篇幅所限并未详细罗列所有的细节与内容,然而这绝非本发明不具备这些现有技术的特征,相反本发明已经具备现有技术的所有特征,而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
针对现有技术所提出的技术方案之不足,本申请提出了一种脑卒中患者上肢功能重建***,至少包括:信号采集单元,用于采集脑卒中患者的生理电信号;信号处理单元,用于处理生理电信号;上肢训练单元,基于信号处理单元的控制进行上肢辅助运动;信号采集单元至少能够获取脑卒中患者的脑电信号以及在上肢训练单元辅助运动下上肢产生的第一肌电信号,信号处理单元基于脑电信号建立脑电信号与运动想象任务的映射关系,信号处理单元能够将脑电信号代入脑电肌电映射模型中得出第二肌电信号,信号处理单元基于第一肌电信号与第二肌电信号之间的差异不断对脑电信号与运动想象任务的映射关系进行修正。
信号处理单元将根据上肢运动产生的肌电信号产生的实际运动轨迹不断对通过脑电信号确定的运动想象任务进行修正,以在下一次辅助运动中获得更加贴合大脑运动想象任务的上肢运动,进而逐步恢复脑卒中患者的大脑对于上肢的控制连接,并使得脑卒中患者逐步恢复自主控制上肢运动的能力。
运动想象任务是指被试想象某种运动或动作,而不实际运动身体。在该任务中,被试需要通过想象、表征、规划和执行某项活动,从而激活神经元群体和神经回路,其激活方式与实际进行该项运动或动作时的神经激活方式相似。这种任务通常用于研究大脑的运动控制和感知***,其具有许多优点,如可以完成简单又重复的运动想象任务,代替实际运动制定更有效的治疗程序,而且还不会对身体造成负面影响。此外,运动想象任务还可通过脑机接口将想象的运动转换为动作控制信号,从而实现机器或外部设备的控制。
优选地,信号处理单元根据不断训练的运动意图识别模型获取脑电信号与运动想象任务之间的映射关系,其中,上肢训练单元每执行一次上肢辅助运动,则将当次产生的脑电信号以及修正后的运动想象任务作为训练数据对运动意图识别模型进行一次训练。运动想象任务是根据肌电信号差异进行修正的,具体在于表面肌电原始信号作为显示肌电活动的发生和静息状况最直接的表现形式,在不考虑振幅的情况下,可分析其肌电信号的起始关系,即肌肉活动时原始肌电信号的密集程度和高度,在一定程度上可反映肌肉收缩的幅度和力量。密集程度和高度越高,说明表面肌电信号越强,则收缩越强;由此,信息处理单元能够通过第二肌电信号与第一肌电信号之间的差异推理出期望的运动想象任务以及实际展示在肢体运动上的运动想象任务之间的差异,进而得到修正后的运动想象任务。
优选地,信号处理单元构建运动意图识别模型的过程为:
获取正常人员进行上肢运动时的多组样本信息,每组样本信息包括样本脑电信号和样本肌电信号;
基于每组样本信息建立基于双流Transformer编码器和多头注意力机制的运动意图识别模型;
基于运动意图识别模型确定脑电信号与运动想象任务的映射关系。
优选地,信号处理单元构建脑电肌电映射模型的过程为:
选取若干正常受试者进行自主上肢运动,并采集脑电信号和肌电信号,其中,脑电信号与肌电信号进行同步采集;
对预处理过后的脑电信号和肌电信号进行变分模态分解,将脑电信号和肌电信号分解为若干个不同的本征模态函数;
对使用变分模态分解得到的脑电信号、肌电信号两两之间进行传递熵计算,根据计算结果构建脑电肌电映射模型。
优选地,信号处理单元基于第一肌电信号与第二肌电信号之间的差异不断修正基于脑电信号得出的运动想象任务,其中,信号处理单元基于脑电信号得出运动想象任务并根据第一肌电信号与第二肌电信号的差值计算得出修正后的运动想象任务。
优选地,信号采集单元至少包括用于采集脑电信号的脑电子单元以及用于采集肌电信号的肌电子单元,脑电子单元以及肌电子单元均与信号处理单元保持数据连接。
优选地,信号处理单元至少能够基于脑电子单元以单通道形式采集的脑电信号分析出患者的注意力水平,信号处理单元基于注意力水平控制上肢训练单元进行辅助运动;所谓单通道脑电信号采集的方式是指脑电子单元用于获取脑电波信号振幅的电极配置为单个,单通道的脑电子单元获取的脑电信号在空间上分辨率较低,但在时间上的分辨率与多通道脑电信号采集方式并无较大差异,并且单通道能够使得脑电子单元更加轻便、便携。采集模块的脑电子单元以单通道的方式采集脑电信号,并由信号处理单元根据单通道脑电信号进行注意力水平特征提取,并得出注意力水平值,再对比当前注意力水平值与预设注意力水平值之间的大小关系,若当前注意力水平值大于或等于预设注意力水平值时,信号处理单元将目标运动姿势的运动信息参数发送至上肢训练单元,然后上肢训练单元根据运动信息参数对使用者的上肢进行辅助运动。
优选地,信号处理单元至少能够将脑电子单元以多通道形式采集的脑电信号代入脑电肌电映射模型以获取第二肌电信号;所谓多通道脑电信号采集的方式是指脑电子单元用于获取脑电波信号振幅的测量电极配置为多个,并按照一定的规则分布于脑卒中患者的头部头皮上的位置,具体而言,多通道脑电信号采集的方式较为常用的方法为国际10-20***法,该方法是由国际脑电图学会建议的标准方法,因其额头中点至鼻根的距离与枕点至枕外粗隆的距离各占此连线全长的10%,其余各点均以此连线全长的20%相隔,故命名为10-20***,总共包含21个采集通道。
脑电波振动的起因是大脑神经元的电活动。当大脑神经元活跃时,会产生微弱的电信号,并通过细胞膜来传递。这些电信号就是脑电波,其频率和振幅可以反映大脑的状态和活动水平。而脑电波的产生与情绪、思维、认知、注意力等心理活动密切相关,因此可以用来研究不同认知和心理状态下的大脑活动规律。
优选地,肌电子单元配置在脑卒中患者的上肢肌肤表面,其通过多通道方式进行第一肌电信号的采集,至少包括能够分别获取上肢大臂、上肢小臂和/或上肢掌部的肌电信号的肌电信号传感器。
优选地,肌电子单元的若干肌电信号传感器设置在脑卒中患者上肢肌肤表面与上肢穿戴的上肢训练单元之间,若干肌电信号传感器被上肢训练单元保持。配置在脑卒中患者的上肢表面的肌电子单元可以结合上肢训练单元进行辅助配置。具体在于,上肢训练单元实质上是配置为机械外骨骼形式的驱动结构,其通过包覆住脑卒中患者的大臂、小臂、掌部、手指等形式以分别带动脑卒中患者的上肢的各个部位进行运动,由此,可以将肌电子单元配置在脑卒中患者的上肢肌肤与上肢训练单元的外骨骼之间,由上肢训练单元的外骨骼向肌电子单元提供固定支持力,避免肌电子单元从肌肤表面意外脱落。
优选地,上肢训练单元以外骨骼形式穿戴至脑卒中患者的上肢,其至少包括肩骨骼、大臂骨骼、小臂骨骼以及指骨骼,上肢训练单元还包括用于穿戴的穿戴部。信号处理单元将信号采集单元获取的脑电信号转化为运动想象任务,并将运动想象任务对应的运动控制信号输出至上肢训练单元,上肢训练单元基于运动控制信号驱动配置为上肢外骨骼形式的进行运动,从而辅助脑卒中患者的上肢进行基于脑电信号的运动想象任务的运动。
基于上述方案,本申请的脑卒中患者上肢功能重建***的上肢训练单元能够基于脑电信号自主控制上肢训练单元辅助瘫痪的上肢进行运动,无需额外的医护人员或者监护人员手动牵引脑卒中患者进行运动,并且,根据脑电信号确定的上肢训练单元的运动控制信号相较于患者意外的其他人员人为施加的或者单纯地机械按照预设的几种姿态施加的运动控制而言,其能够提升脑电信号与瘫痪上肢之间的控制连接恢复的概率,避免出现无效或者效率低下的重复、机械的上肢康复运动训练。
此外,信号处理单元在获取脑电信号后至少进行了两种信号处理流程,其一在于将脑电信号利用基于变分模态分解-传递熵的脑肌电耦合的研究方法转化为对应的第二肌电信号,其二在于将脑电信号利用训练好的运动意图识别模型得出与运动想象任务之间的映射关系,并且每进行一次上肢运动训练后,信号采集单元的肌电子单元都会获取一次代表上肢实际运动情况的第一肌电信号,基于第一肌电信号与第二肌电信号之间的差异得出一个修正值,并根据该修正值对脑电信号与运动想象任务之间的映射关系进行修正,具体在于,通过修正值和肌电信号得出修正后的运动想象任务,并将该次运动脑电信号以及修正后的运动想象任务作为一次训练集再次进行运动意图识别模型的训练,在后续的每一次运动完成后,信号处理单元按照上述方式进行一次运动意图识别模型的训练,从而不断提升运动意图识别模型的准确度,进一步提高脑电信号与运动想象任务之间的映射关系。
根据一种优选实施方式,本申请还提出了一种脑卒中患者上肢功能重建***,该脑卒中患者上肢功能重建***能够应用于个体家庭中的脑卒中患者的上肢康复训练。常见的上肢训练装置需要各种信号的刺激,并且刺激手段需要专业人士进行监督,避免过度的刺激带来相反的训练效果,然而对于大多数家庭而言,由专业人士进行训练指导的费用异常昂贵,并且需要定期或长期到训练场所进行康复训练,增加了康复训练的额外负担,而本申请的上肢功能重建***采用分析患者注意力以及脑电信号的方式驱动上肢训练单元,当患者的注意力水平到达一定程度后,启用上肢训练单元带动上肢康复运动,具体运动形式有脑电信号或者直接观测的视频图像进行确定,无需进行额外的刺激,个体家庭使用更加便携,也降低了使用难度,消除了使用不当造成严重后果的问题。
附图说明
图1是本发明的脑卒中患者上肢功能重建***的模块交互的简化关系结构示意图;
图2是本发明的脑卒中患者上肢功能重建***的信号采集单元的多通道式的脑电子单元的简化结构示意图;
图3是本发明的脑卒中患者上肢功能重建***的信号采集单元的单通道式的脑电子单元的简化结构示意图;
图4是本发明的脑卒中患者上肢功能重建***的上肢训练单元的简化结构示意图。
附图标记列表
100:信号采集单元;200:信号处理单元;300:上肢训练单元;110:脑电子单元;111:测量电极;112:参考电极;120:肌电子单元;310:肩骨骼;320:大臂骨骼;330:小臂骨骼;340:指骨骼;350:穿戴部。
具体实施方式
下面结合附图对本发明进行详细说明。
实施例1
图1示出本申请的脑卒中患者上肢功能重建***的模块交互的简化关系结构示意图,该***包括信号采集单元100、信号处理单元200以及上肢训练单元300,其中,信号处理单元200通过信号采集单元100获取的脑卒中患者的脑电信号确定脑卒中患者的运动想象任务并将运动想象任务转化为运动控制信号的形式发送至上肢训练单元300,上肢训练单元300基于信号处理单元200发送的运动控制信号辅助脑卒中患者的上肢进行运动,在上肢运动的过程中,信号采集单元100还能够获取上肢运动产生的肌电信号,信号处理单元200将根据上肢运动产生的肌电信号产生的实际运动轨迹不断对通过脑电信号确定的运动想象任务进行修正,以在下一次辅助运动中获得更加贴合大脑运动想象任务的上肢运动,进而逐步恢复脑卒中患者的大脑对于上肢的控制连接,并使得脑卒中患者逐步恢复自主控制上肢运动的能力。
优选地,信号采集单元100至少包括用于获取脑电信号的脑电子单元110以及用于获取上肢运动信号的肌电子单元120。
优选地,信号采集单元100的脑电子单元110可设计头戴式耳机结构,其穿戴在脑卒中患者的头部。脑电子单元110主要根据收集脑电波(EEG)信号的方式对脑电信号进行采集,脑电波采集是目前较为常用的测量大脑活动的非侵入技术,其通过放置在头皮上的电极测量脑电波信号的振幅来监测人类神经元内电流产生的电压波动。
优选地,脑电子单元110可以采用单通道脑电信号采集或多通道脑电信号采集。根据图2所示,所谓多通道脑电信号采集的方式是指脑电子单元用于获取脑电波信号振幅的测量电极111配置为多个,并按照一定的规则分布于脑卒中患者的头部头皮上的位置,具体而言,多通道脑电信号采集的方式较为常用的方法为国际10-20***法,该方法是由国际脑电图学会建议的标准方法,因其额头中点至鼻根的距离与枕点至枕外粗隆的距离各占此连线全长的10%,其余各点均以此连线全长的20%相隔,故命名为10-20***,总共包含21个采集通道。根据图3所示,所谓单通道脑电信号采集的方式是指脑电子单元110用于获取脑电波信号振幅的电极配置为单个,单通道的脑电子单元110获取的脑电信号在空间上分辨率较低,但在时间上的分辨率与多通道脑电信号采集方式并无较大差异,并且单通道能够使得脑电子单元110更加轻便、便携。
优选地,本申请的脑电子单元110通过多通道脑电信号采集方式获取用于构建第二肌电信号的脑电信号,通过单通道脑电信号采集方式获取用于判断使用者注意力水平的脑电信号。
优选地,脑电子单元110获取了脑电信号后首先会由脑电子单元110中搭载的预处理模块进行预处理,预处理包括对采集的脑电信号进行滤波处理、放大处理以及A/D转换等处理。具体而言,脑电子单元110中的预处理模块可以采用由美国神念科技有限公司(NeuroSky)推出的MindWave移动EEG采集耳机中搭载的TGAM模块,通过预处理模块将获取的脑电信号传递至信号处理单元200进行分析,以便于信号处理单元200获取脑卒中患者的运动想象任务。
优选地,信号采集单元100还包括能够获取上肢实际运动轨迹的肌电子单元120,肌电子单元120获取的肌电信号实质上是指表面肌电信号,表面肌电信号(surfaceelectromyography,sEMG)是肌纤维中运动单元动作电位在时间和空间上的叠加,神经***控制肌肉的活动(收缩或者放松),在表面皮肤不同的肌肉纤维运动单元在同一时间产生相互不同的信号,具体而言,将由肌电子单元120获取的表面肌电信号记为第一肌电信号。
优选地,肌电子单元120设置在脑卒中患者的上肢肌肤表面,其通过多通道方式进行第一肌电信号的采集,具体而言,其至少包括获取上肢大臂处的肌电信号的肌电信号传感器,至少包括获取上肢小臂处的肌电信号的肌电信号传感器,至少包括获取上肢掌部的肌电信号的肌电信号传感器。
优选地,配置在脑卒中患者的上肢表面的肌电子单元120可以结合上肢训练单元300进行辅助配置。具体在于,上肢训练单元300实质上是配置为机械外骨骼形式的驱动结构,其通过包覆住脑卒中患者的大臂、小臂、掌部、手指等形式以分别带动脑卒中患者的上肢的各个部位进行运动,由此,可以将肌电子单元120配置在脑卒中患者的上肢肌肤与上肢训练单元300的外骨骼之间,由上肢训练单元300的外骨骼向肌电子单元120提供固定支持力,避免肌电子单元120从肌肤表面意外脱落。
优选地,肌电子单元120还包括低通滤波器,低通滤波器与肌电信号传感器连接,用于对初始的若干个肌电信号传感器获取的肌电信号进行滤波处理。
优选地,肌电子单元120还包括信号放大器,信号放大器与低通滤波器连接,肌电信号传感器获取的初始的肌电信号经过低通滤波器进行滤波处理后再经过信号放大器进行信号扩大。
优选地,肌电子单元120还包括模数转换器,模数转换器与信号放大器连接,肌电信号传感器获取的初始的肌电信号经过低通滤波器进行滤波处理,并经过信号放大器进行放大处理后,经过模数转换器将放大后的肌电信号转化为数字信号,从而得到能够被信号处理单元200进行处理分析的表面肌电信号,记为最终的第一肌电信号。
优选地,肌电子单元120的信号流向主要为:从贴合在肌肤表面的若干肌电信号传感器获取肌电信号,肌电信号传感器将肌电信号传输至低通滤波器进行滤波处理,然后低通滤波器将处理后的肌电信号传输至信号放大器进行放大处理,信号放大器放大处理后将肌电信号传输至模数转换器将肌电信号转化为能够被信号处理单元200识别的数字信号,该数字信号为便于理解本申请将其称呼为表面肌电信号,并记为第一肌电信号。
优选地,信号处理单元200能够根据预先设置的脑电肌电映射模型判断脑卒中患者的针对脑电信号分析出的运动控制信号的准确度,并根据脑电肌电映射模型不断修正脑电信号与运动控制信号之间的关系从而使得上肢训练单元300的辅助运动下的实际运动轨迹与脑卒中患者的大脑中思考的运动想象任务保持一致,进而增强脑电信号与上肢运动之间连接的准确性,并且准确有效的训练有助于提升脑卒中患者恢复自主驱动上肢运动的可能性。
实施例2
本实施例是在实施例1的基础上进行改进和补充,重复的内容不再赘述。
如图1所示的一种脑卒中患者上肢功能重建***,包括信号采集单元100、信号处理单元200以及上肢训练单元300,其中,信号处理单元200通过信号采集单元100获取的脑卒中患者的脑电信号确定脑卒中患者的运动想象任务并将运动想象任务转化为运动控制信号的形式发送至上肢训练单元300,上肢训练单元300基于信号处理单元200发送的运动控制信号辅助脑卒中患者的上肢进行运动,在上肢运动的过程中,信号采集单元100还能够获取上肢运动产生的肌电信号,信号处理单元200将根据上肢运动产生的肌电信号产生的实际运动轨迹不断对通过脑电信号确定的运动想象任务进行修正,以在下一次辅助运动中获得更加贴合大脑运动想象任务的上肢运动,进而逐步恢复脑卒中患者的大脑对于上肢的控制连接,并使得脑卒中患者逐步恢复自主控制上肢运动的能力。
在信号处理单元200将脑电信号映射为运动想象任务以及运动控制信号时,其可能存在一定误差,虽然即使存在该误差也能使得上肢基于脑电信号进行运动,但其在精准度上有待进一步提升,由此,本申请设计了如下的技术方案。
优选地,信号处理单元200能够根据预先设置的脑电肌电映射模型判断脑卒中患者的针对脑电信号分析出的运动控制信号的准确度,并根据脑电肌电映射模型不断修正脑电信号与运动控制信号之间的关系从而使得上肢训练单元300的辅助运动下的实际运动轨迹与脑卒中患者的大脑中思考的运动想象任务保持一致,进而增强脑电信号与上肢运动之间连接的准确性,并且准确有效的训练有助于提升脑卒中患者恢复自主驱动上肢运动的可能性。
优选地,脑电肌电映射模型的构建方式可以采用一种基于变分模态分解-传递熵的脑肌电耦合的研究方法,具体步骤在于:
步骤1:选取若干正常受试者按照实验指令完成实验操作,在实验过程中采集大量的脑电信号和肌电信号,其中,脑电信号与肌电信号进行同步采集;
步骤2:对上述脑电信号、肌电信号数据的预处理;
步骤3:对预处理过后的脑电信号和肌电信号进行变分模态分解,将脑电信号和肌电信号分解为若干个不同的本征模态函数;
步骤4:对使用变分模态分解得到的脑电信号、肌电信号两两之间进行传递熵计算,根据计算结果构建脑电肌电映射模型;
步骤5:选取不同的时间刻度再次对不同性质、不同分量、不同方向的本征模态函数进行传递熵计算,可以减少频带混叠给后续不同频率波之间进行传递熵计算产生的干扰,提高脑电肌电映射模型的准确性。
优选地,基于脑电肌电映射模型,信号处理单元200能够基于脑电信号计算得出第二肌电信号,即,第二肌电信号主要是指信号处理单元200通过脑电肌电映射模型将脑电信号映射得出的肌电信号,其中,由信号采集单元100的肌电子单元120获取的第一肌电信号是指基于运动想象任务的上肢运动后的实际运动肌电信号,而第二肌电信号是基于脑电信号映射出的期望运动想象任务的上肢运动后的目标运动肌电信号,在实际情况中,第二肌电信号是通过大量数据反复训练的模型确定的,其准确度相较于由信号处理单元200将脑卒中患者的脑电信号转化为运动想象任务的边训练边学习的模型的准确度高,由此,可能导致第一肌电信号与第二肌电信号之间的差异值,而本申请将第一肌电信号与第二肌电信号之间的差异值作为修正值,并根据该修正值确定修正后的运动想象任务。在现有技术中,根据肌电信号得出运动任务或者根据运动任务得出肌电信号的研究方法已经相对成熟,在此不再赘述。
优选地,信号处理单元200至少能够根据脑电信号确定处脑卒中患者的运动想象任务,具体而言,信号处理单元200至少将脑电信号解码并生成对应的患者注意力水平,信号处理单元200根据注意力水平得到相对应的运动想象任务,并建立运动想象任务和患者脑电信号的映射关系,并且,信号处理单元200根据运动想象任务构建上肢训练单元300运动的运动控制信号。
优选地,信号处理单元200建立脑电信号与运动想象任务的映射关系的步骤在于:
获取正常人员进行上肢运动时的多组样本信息,每组样本信息包括样本脑电信号和样本肌电信号;
基于每组样本信息建立基于双流Transformer编码器和多头注意力机制的运动意图识别模型;
基于运动意图识别模型确定脑电信号与运动想象任务的映射关系。
优选地,基于每组样本信息建立基于双流Transformer编码器和多头注意力机制的运动意图识别模型主要包括如下步骤:
对采集的样本脑电信号进行预处理并获得建立运动意图识别模型所需的第一部分数据集数据;
将第一部分数据集数据进行数据集扩充获得第二部分数据集数据,将第一部分数据集数据与第二部分数据集数据合并形成样本数据集数据;
建立基于双流Transformer编码器和多头注意力机制的运动意图识别网络;
运动意图识别网络包括双流Transformer编码器、长短序列特征交叉注意力模块、多尺度特征融合模块以及运动意图分类模块;
将样本训练数据集输入运动意图识别网络中进行训练学习,获得运动意图识别模型。
具体而言,本申请的脑卒中患者上肢功能重建***至少设置有用于播放各种上肢动作的播放设备,例如手机、电视、电脑等常见设备,将该类播放设备置于脑卒中患者能够观测到的位置,不断播放相应的上肢运动动作,例如上肢伸展、握拳等动作,当播放上肢运动视频时,脑卒中患者注视着视频内容并努力地让自己在脑海中想象完成该上肢动作,此时信号采集单元100能够获取到脑卒中患者的脑电信号,并通过信号处理单元200将脑电信号解码生成对应的注意力水平,再根据注意力水平得到相对应的运动想象任务,并建立运动想象任务和患者脑电信号的映射关系。
根据上述方案,信号处理单元200在获取脑电信号后至少进行了两种信号处理流程,其一在于将脑电信号利用基于变分模态分解-传递熵的脑肌电耦合的研究方法转化为对应的第二肌电信号,其二在于将脑电信号利用训练好的运动意图识别模型得出与运动想象任务之间的映射关系,并且每进行一次上肢运动训练后,信号采集单元100的肌电子单元120都会获取一次代表上肢实际运动情况的第一肌电信号,基于第一肌电信号与第二肌电信号之间的差异得出一个修正值,并根据该修正值对脑电信号与运动想象任务之间的映射关系进行修正,具体在于,通过修正值和肌电信号得出修正后的运动想象任务,并将该次运动脑电信号以及修正后的运动想象任务作为一次训练集再次进行运动意图识别模型的训练,在后续的每一次运动完成后,信号处理单元200按照上述方式进行一次运动意图识别模型的训练,从而不断提升运动意图识别模型的准确度,进一步提高脑电信号与运动想象任务之间的映射关系。
优选地,信号处理单元200根据前述训练完成的运动意图识别模型确定运动想象任务的运动控制信号,并将该运动控制信号传递至上肢训练单元300,上肢训练单元300基于该运动控制信号进行运动,同时辅助脑卒中患者的上肢进行运动。
优选地,信号处理单元200至少还能够获取脑电信号的注意力水平用以驱动相应的上肢训练单元300进行运动,换言之,脑电信号的注意力水平的状态决定了上肢训练单元300的状态,具体在于,注意力水平是否处于集中状态以及注意力水平是否集中在上肢处,按照常理,在进行上肢运动的运动想象任务时,脑卒中患者的注意力应当主要集中在上肢部位,而在其他情况下,其注意力集中程度相对较低,由此可以根据注意力水平的集中部位或者集中状态来控制上肢训练单元300的启停状态,避免在脑卒中患者不想进行上肢部位的运动时获取脑电信号导致上肢训练单元300错误地运行。
实施例3
本实施例是在实施例1和实施例2的基础上进行改进和补充,重复的内容不再赘述。
如图1所示的一种脑卒中患者上肢功能重建***,包括信号采集单元100、信号处理单元200以及上肢训练单元300,其中,信号处理单元200通过信号采集单元100获取的脑卒中患者的脑电信号确定脑卒中患者的运动想象任务并将运动想象任务转化为运动控制信号的形式发送至上肢训练单元300,上肢训练单元300基于信号处理单元200发送的运动控制信号辅助脑卒中患者的上肢进行运动,在上肢运动的过程中,信号采集单元100还能够获取上肢运动产生的肌电信号,信号处理单元200将根据上肢运动产生的肌电信号产生的实际运动轨迹不断对通过脑电信号确定的运动想象任务进行修正,以在下一次辅助运动中获得更加贴合大脑运动想象任务的上肢运动,进而逐步恢复脑卒中患者的大脑对于上肢的控制连接,并使得脑卒中患者逐步恢复自主控制上肢运动的能力。
现有的或常见的辅助脑卒中患者进行上肢康复训练的治疗手段或者治疗器械通常在于外部施加控制来完成上肢的辅助运动,例如,通过医护人员或者监护人员手动牵引脑卒中患者的上肢进行一定姿态的运动以进行康复训练,再例如,通过机械装置按照固定的姿态抬升、弯曲脑卒中患者的上肢进行康复训练,然而,根据上述常见的方式收获的康复治疗效果甚微,其原因在于,上述运动是外部施加给脑卒中患者的上肢的,上肢不能运动的主要原因在于上肢肌肉神经元与脑部神经元的连接被堵塞、阻隔,因此单纯地使上肢运动并不能够对于脑部与上肢之间的控制连接恢复起到显著的作用,而本申请的技术方案基于脑电信号模拟运动想象任务,再根据运动想象任务输出上肢训练单元300的运动控制信号,使得上肢的训练运动是基于脑部电信号进行施加的,通过该种方式有助于脑部与上肢之间的连接控制恢复,达到显著的训练效果。
优选地,信号处理单元200将信号采集单元100获取的脑电信号转化为运动想象任务,并将运动想象任务对应的运动控制信号输出至上肢训练单元300,上肢训练单元300基于运动控制信号驱动配置为上肢外骨骼形式的上肢进行运动,从而辅助脑卒中患者的上肢进行基于脑电信号的运动想象任务的运动。
优选地,上肢训练单元300被配置为上肢外骨骼形式,上肢训练单元300至少分为左外骨骼以及右外骨骼,其中,左右外骨骼的配置形式大致相同,控制方式也类似,在实际过程中,本申请的信号处理单元200根据脑卒中患者的注意力水平判断患者期望运动左上肢还是右上肢,进而驱动相应的左外骨骼或右外骨骼进行辅助运动。
优选地,图4示出了本申请的脑卒中患者上肢功能重建***的上肢训练单元300的简化结构示意图,上肢训练单元300至少包括肩骨骼310、大臂骨骼320、小臂骨骼330以及指骨骼340,其中肩骨骼310与大臂骨骼320以模仿肩关节的形式进行连接、大臂骨骼320与小臂骨骼330以模仿肘关节的形式进行连接,小臂骨骼330与指骨骼340以模仿腕关节的形式进行连接,从而构成的上肢训练单元300能够在三维空间内进行多自由度的运动。
优选地,上肢训练单元300首先能够在参见人体周围空间构建的笛卡尔空间中确定出发点和截止点坐标,其中笛卡尔空间的原点可以设置为连接左右肩的线段的中心部位。出发点选择为外骨骼的初始位置,也就是让上肢训练单元300处于悬垂状态,并记录每个外骨骼模块的几何中心的初始位置坐标,截至点为外骨骼各关节屈曲或内旋到极限位置,并记录每个外骨骼模块的几何中心的极限位置坐标。
优选地,对于上肢的运动状态而言,其实质上可以将整个上肢的各类运动拆解为各个关节的旋转运动,具体而言,上肢无论进行何种状态、何种形式的正常运动,其骨骼的长度、形状并不会出现变化,上肢的灵活度主要取决于每个骨骼之间的连接关节的多角度灵活转动,由此,运用到上肢训练单元300的外骨骼形式的各个骨骼中时,也只需要对每个骨骼之间的关节连接处的旋转角度以及旋转方向进行控制即可实现上肢辅助运动。
优选地,对于信号处理单元200根据脑电信号转化并根据前述训练完成的运动意图识别模型得到的运动想象任务而言,信号处理单元200能够将运动想象任务拆解为各个关节的旋转运动,具体在于:
使用改进的DH模型构建上肢训练单元300的外骨骼运动学模型;
在笛卡尔空间中确定出发点和截止点坐标,然后采用三次多项式的形式对轨迹进行平滑处理,并将规划路径分割成多个离散点,出发点选择为外骨骼的初始位置,也就是让骨架处于悬垂状态,截至点为运动想象任务中的外骨骼各关节屈曲或内旋到目标位置;
使用机器人逆运动学解算出运动想象任务中的各离散点对应的关节角后对其进行微分运算,得到角速度和角加速度,从而控制上肢训练单元300进行运动。
具体而言,信号处理单元200能够以牛顿-欧拉迭代法对上肢训练单元300进行虚拟建模。
总结而言,本申请提出了一种脑卒中患者上肢功能重建***,包括信号采集单元100、信号处理单元200、上肢训练单元300。
优选地,信号采集单元100包括脑电电极和脑电放大器,患者于头部穿戴脑电电极后,信号采集单元100对患者脑电信号进行采集,脑电放大器基于差分放大电路,以搭建单通道脑电采集的方法获取患者脑电信号,并将采集的脑电信号传输至信号处理单元200。
优选地,信号处理单元200进行人体脑电信号的处理、分析、识别、传输以及存储,将脑电信号解码并生成对应的患者注意力水平后传输至训练学***。信号采集单元100及信号处理单元200还可用于监测患者注意力。
优选地,信号处理单元200还能够根据注意力水平得到相对应的运动想象任务,例如挥臂、握拳等动作,从而建立起脑电运动想象任务的映射关系,利用算法转换为运动轨迹指令,训练学习单元可对运动想象任务进行预测并向上肢训练单元300传达运动想象任务,可通过上肢训练单元300的反馈来逐步提高预测的准确率和稳定性。
优选地,上肢训练单元300响应于信号处理单元200的运动控制信号完成运动想象任务,并将运动想象任务的运动结果反馈至信号处理单元200。
优选地,上肢训练单元300主要包括肩骨骼310、大臂骨骼320、小臂骨骼330以及指骨骼340,除此之外,上肢训练单元300还包括用于穿戴于脑卒中患者身体上的穿戴部350,具体而言,上肢训练单元300能够穿戴在脑卒中患者的腰部、背部等部位。上肢训练单元300包含的各个外骨骼模块内部安置有前述的信号采集单元100中的肌电子单元120,其通过贴片的形式贴合在患者的上肢各个肌肉部位的肌肤表面,用于获取患者肢体坐标的动态数据,并反馈给训练学习单元,从而实现并优化对脑卒中患者的上肢功能重建。
基于上述方案,本申请的脑卒中患者上肢功能重建***的上肢训练单元300能够基于脑电信号自主控制上肢训练单元300辅助瘫痪的上肢进行运动,无需额外的医护人员或者监护人员手动牵引脑卒中患者进行运动,并且,根据脑电信号确定的上肢训练单元300的运动控制信号相较于患者以外的其他人员人为施加的或者单纯地机械按照预设的几种姿态施加的运动控制而言,其能够提升脑电信号与瘫痪上肢之间的控制连接恢复的概率,避免出现无效或者效率低下的重复、机械的上肢康复运动训练。
实施例4
本实施例是对前述的任一实施例或实施例组合的改进和补充,重复内容不再赘述。
本实施例基于前述技术方案为脑卒中患者上肢功能重建***提供一种更加轻便、简洁的优选实施方式,具体在于,本申请的脑卒中患者上肢功能重建***通过例如VR设备、电视机、手机等能够向使用者展示相关图像、视频信息的设备向使用者提供目标运动姿势,使用者注视着目标运动姿势然后想象自身上肢如何根据展示的相关图像信息运动自身上肢,在想象过程中患者的注意力水平相较于平常状态下的注意力水平会有较大提升,当注意力水平到达一定阈值后,上肢训练单元300控制外骨骼按照图像中展示的目标运动姿势驱动上肢进行训练。
优选地,在上述方案中,采集模块100仅需要通过脑电子单元110以单通道的方式采集脑电信号,并由信号处理单元200根据单通道脑电信号进行注意力水平特征提取,并得出注意力水平值,再对比当前注意力水平值与预设注意力水平值之间的大小关系,若当前注意力水平值大于或等于预设注意力水平值时,信号处理单元200将目标运动姿势的运动信息参数发送至上肢训练单元300,然后上肢训练单元300根据运动信息参数对使用者的上肢进行辅助运动。
具体地,本申请的脑电子单元110优选采用单通道脑电信号采集的方式,根据图3所示,脑电子单元110至少包括测量电极111以及参考电极112,其中,测量电极111用于获取由于脑电波振动时使得人体脑部的神经元内出现电流导致的电位,参考电极112的初始电位设置为零,测量电极111的电位与参考电位之间的差值即代表测量电极111的电位值。
优选地,脑电子单元110中的测量电极111获取了脑电信号后首先会由脑电子单元110中搭载的预处理模块进行预处理,预处理包括对采集的脑电信号进行滤波处理、放大处理以及A/D转换等处理。具体而言,脑电子单元110中的预处理模块可以采用由美国神念科技有限公司(NeuroSky)推出的MindWave移动EEG采集耳机中搭载的TGAM模块,通过预处理模块将获取的脑电信号传递至信号处理单元200进行分析,以便于信号处理单元200获取脑卒中患者的运动想象任务。
优选地,脑电子单元110的测量电极111主要分布在使用者脑部的前额位置,通过单个测量电极111即可获取足够分析注意力水平的脑电信号。
本实施例下的上肢功能重建***的一种优选实施方案的优点在于,采用基于脑电注意力检测的方法,可以在不需要外界刺激的情况下,实现对上肢运动功能的重建。同时,该方法通过机器学习的方式,可以逐步提高预测的准确率和稳定性,从而为上肢脑卒中功能重建提供一种有效的手段。首先基于差分放大电路,搭建单通道脑电采集***获取脑电信号,然后通过计算8-12Hz12-30Hz的频段功率,然后计算病人当时的注意力情况,当播放手部运动视频的时候患者进行观看,并相应的努力让自己完成这个动作,此时根据想象完成的注意的值来控制外骨骼设备使其完成相应的动作。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种脑卒中患者上肢功能重建***,至少包括:
信号采集单元(100),用于采集脑卒中患者的生理电信号;
信号处理单元(200),用于处理所述生理电信号;
上肢训练单元(300),基于所述信号处理单元(200)的控制进行上肢辅助运动;
其特征在于,
所述信号采集单元(100)至少能够获取脑卒中患者的脑电信号以及在所述上肢训练单元(300)辅助运动下上肢产生的第一肌电信号,
所述信号处理单元(200)根据不断训练的运动意图识别模型获取脑电信号与运动想象任务之间的映射关系,所述信号处理单元(200)能够将脑电信号代入脑电肌电映射模型中得出第二肌电信号,
所述信号处理单元(200)基于第一肌电信号与第二肌电信号之间的差异不断对脑电信号与运动想象任务的映射关系进行修正。
2.根据权利要求1所述的脑卒中患者上肢功能重建***,其特征在于,所述上肢训练单元(300)每执行一次上肢辅助运动,则将当次产生的脑电信号以及修正后的运动想象任务作为训练数据对运动意图识别模型进行一次训练。
3.根据权利要求1或2所述的脑卒中患者上肢功能重建***,其特征在于,所述信号处理单元(200)构建运动意图识别模型的过程为:
获取正常人员进行上肢运动时的多组样本信息,每组样本信息包括样本脑电信号和样本肌电信号;
基于每组样本信息建立基于双流Transformer编码器和多头注意力机制的运动意图识别模型;
基于运动意图识别模型确定脑电信号与运动想象任务的映射关系。
4.根据权利要求1~3任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述信号处理单元(200)构建脑电肌电映射模型的过程为:
选取若干正常受试者进行自主上肢运动,并采集脑电信号和肌电信号,其中,脑电信号与肌电信号进行同步采集;
对预处理过后的脑电信号和肌电信号进行变分模态分解,将脑电信号和肌电信号分解为若干个不同的本征模态函数;
对使用变分模态分解得到的脑电信号、肌电信号两两之间进行传递熵计算,根据计算结果构建脑电肌电映射模型。
5.根据权利要求1~4任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述信号处理单元(200)基于第一肌电信号与第二肌电信号之间的差异不断修正脑电信号与运动想象任务之间的映射关系,其中,所述信号处理单元(200)基于脑电信号得出运动想象任务并根据第一肌电信号与第二肌电信号的差值计算得出修正后的运动想象任务。
6.根据权利要求1~5任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述信号采集单元(100)至少包括用于采集脑电信号的脑电子单元(110)以及用于采集肌电信号的肌电子单元(120),所述脑电子单元(110)以及所述肌电子单元(120)均与所述信号处理单元(200)保持数据连接。
7.根据权利要求1~6任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述信号处理单元(200)至少能够基于所述脑电子单元(120)以单通道形式采集的脑电信号分析出患者的注意力水平,所述信号处理单元(200)基于注意力水平控制所述上肢训练单元(300)进行辅助运动;
所述信号处理单元(200)至少能够将所述脑电子单元(120)以多通道形式采集的脑电信号代入脑电肌电映射模型以获取第二肌电信号。
8.根据权利要求1~7任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述肌电子单元(120)配置在脑卒中患者的上肢肌肤表面,其通过多通道方式进行第一肌电信号的采集,至少包括能够分别获取上肢大臂、上肢小臂和/或上肢掌部的肌电信号的肌电信号传感器。
9.根据权利要求1~8任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述肌电子单元(120)的若干肌电信号传感器设置在脑卒中患者上肢肌肤表面与上肢穿戴的所述上肢训练单元(300)之间,所述若干肌电信号传感器被所述上肢训练单元(300)保持。
10.一种根据权利要求1~9任一项所述的脑卒中患者上肢功能重建***,其特征在于,所述脑卒中患者上肢功能重建***能够应用于个体家庭中的脑卒中患者的上肢康复训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310978930.3A CN116983185A (zh) | 2023-08-04 | 2023-08-04 | 一种脑卒中患者上肢功能重建*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310978930.3A CN116983185A (zh) | 2023-08-04 | 2023-08-04 | 一种脑卒中患者上肢功能重建*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116983185A true CN116983185A (zh) | 2023-11-03 |
Family
ID=88521069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310978930.3A Pending CN116983185A (zh) | 2023-08-04 | 2023-08-04 | 一种脑卒中患者上肢功能重建*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116983185A (zh) |
-
2023
- 2023-08-04 CN CN202310978930.3A patent/CN116983185A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Esposito et al. | Biosignal-based human–machine interfaces for assistance and rehabilitation: A survey | |
Li et al. | Attention-controlled assistive wrist rehabilitation using a low-cost EEG sensor | |
Ibáñez et al. | Converging Clinical and Engineering Research on Neurorehabilitation II: Proceedings of the 3rd International Conference on NeuroRehabilitation (ICNR2016), October 18-21, 2016, Segovia, Spain | |
Lennon et al. | A systematic review establishing the current state-of-the-art, the limitations, and the DESIRED checklist in studies of direct neural interfacing with robotic gait devices in stroke rehabilitation | |
CN113940856A (zh) | 一种基于肌电-惯性信息的手部康复训练装置及方法 | |
CN114822761A (zh) | 基于肌肉协同和变刚度阻抗控制的手腕部康复训练*** | |
Casas et al. | Human-robot interaction for rehabilitation scenarios | |
US20220187913A1 (en) | Neurorehabilitation system and neurorehabilitation method | |
Banerjee et al. | Single channel electrooculogram (EOG) based interface for mobility aid | |
Li et al. | Preliminary study of online real-time control system for lower extremity exoskeletons based on EEG and sEMG fusion | |
Ortiz et al. | Brain-machine interfaces for neurorobotics | |
Wang et al. | Research progress of rehabilitation exoskeletal robot and evaluation methodologies based on bioelectrical signals | |
US20220313119A1 (en) | Artificial intelligence-based shoulder activity monitoring system | |
Surya et al. | Robotic exoskeleton for rehabilitation of TMD via assisted motion of jaw | |
CN215017698U (zh) | 康复训练运动模拟可视化*** | |
Shusharina et al. | Multifunctional neurodevice for recognition of electrophysiological signals and data transmission in an exoskeleton construction | |
CN116983185A (zh) | 一种脑卒中患者上肢功能重建*** | |
Irimia et al. | Improved method to perform FES&BCI based rehabilitation | |
CN115068286A (zh) | 基于康复按摩治疗的可穿戴式数据采集装置及使用方法 | |
TW202243664A (zh) | 沉浸式多姿態主被動式肢體協調復健訓練系統 | |
Jeyakumar et al. | Virtual reality-based rehabilitation gaming system | |
Bogdanov et al. | Development of a neurodevice with a biological feedback for compensating for lost motor functions | |
CN210443278U (zh) | 一种认知功能障碍老人居家康复护理*** | |
Torres et al. | Assistance Robotics and Biosensors 2019 | |
CN111821570A (zh) | 一种基于生物反馈的手功能重建*** |
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 |