TWI762313B - 沉浸式多姿態主被動式肢體協調復健訓練系統 - Google Patents
沉浸式多姿態主被動式肢體協調復健訓練系統 Download PDFInfo
- Publication number
- TWI762313B TWI762313B TW110117494A TW110117494A TWI762313B TW I762313 B TWI762313 B TW I762313B TW 110117494 A TW110117494 A TW 110117494A TW 110117494 A TW110117494 A TW 110117494A TW I762313 B TWI762313 B TW I762313B
- Authority
- TW
- Taiwan
- Prior art keywords
- rehabilitation
- training
- rehabilitation training
- limb
- active
- Prior art date
Links
Images
Landscapes
- Rehabilitation Tools (AREA)
Abstract
本發明係提供一種沉浸式多姿態主被動式肢體協調復健訓練系統,其包含:一下肢訓練機構,其具有第一承接部,並設有下肢外骨骼機構,下肢外骨骼機構末端樞轉設置有一踝關節機構;一上肢訓練機構,其包括樞設於該第一承接部之第二承接部,該第二承接部設有上肢機構;一位姿調整機構,其係樞設於一底座之頂端,該位姿調整機構設有至少一滑軌,而該第一承接部係對應滑動設置於該滑軌;藉可實現令患者可進行臥姿、坐式及站立式之復健訓練,並可配置資訊管理系統,以連結足壓感測模組、肌電感測模組、腦電感測模組、虛擬互動裝置及姿態感測裝置,令本發明具備虛擬實境(Virtual Reality, VR)、擴增實境(Augmented Reality, AR)、腦機介面(Motor Imagery Brain-Computer Interface, MI-BCI)及多源訊息感知,藉可單一或混合式的提供沉浸式之虛擬訓練,藉可同時滿足不同患者在復健初期-軟癱期、復健中期-痙攣期及復健後期-恢復期的不同訓練位姿需求,並可實現上下肢協調運動的復健訓練系統,藉可有助於促進改善肢體功能障礙,提升患者的生活品質,並可減輕患者家屬之負擔,此外,亦可有助於社會福利及照護制度之發展,並可降低社會發展與國家經濟之壓力者。
Description
本發明係提供一種沉浸式多姿態主被動式肢體協調復健訓練系統,尤指一種可進行臥姿、坐式及站立式之復健訓練,並可配置資訊管理系統,以提供沉浸式之虛擬訓練,藉可同時滿足不同患者在復健初期-軟癱期、復健中期-痙攣期及復健後期-恢復期的不同訓練位姿需求者。
按,隨著國家進步及發展,民生與醫療問題已成為公眾關注的焦點,依據聯合國世界人口高齡化趨勢分析,目前全世界60歲以上老年人口已達7.2億以上,到2050年全球人口將達98億,但其中65歲以上老年人將超過15億。根據國發會2020年3月公佈的資料顯示,我國於1993年進入高齡化社會,2018年更進一步轉為高齡社會,推估我國將於2025年邁入超高齡社會。由於國內人口老化問題嚴峻,中風、下肢弱化及各種意外導致的截癱患者眾多,復健訓練是幫助肢體運動功能恢復的重要方法,傳統一對一訓練方式對治療師的需求數量龐大,國內目前的缺口短期難以補足,且復健過程枯燥乏味缺乏支配肢體的大腦運動神經主動參與,導致復健效果不佳。
目前各國研究機構已在復健訓練系統的開發獲得部分成果,且已逐步進入醫院與復健機構。Brunnstrom六階段理論是復健訓練的理論基礎,也是反映患者關節運動模式轉換的過程,Bruimstrorn-I及-II被稱爲軟癱期或復健初期;Brunnstrom-III及-V被稱爲痙攣期或復健中期;Brunnstrom-V及-VI期被稱爲恢復期或復健後期;在復健初期關節不能做任何隨意運動,肢體共同運動和聯合反應是這階段最典型的異常運動形式;聯合反應是指患者讓部分肌肉收縮時會同時誘發其它部位肌肉的收縮現象,共同運動則是指患者對肢體某處肌肉發出運動訊號時,該處肌肉僅能做出有限的運動,但與此同時沒有下達運動訊號的肌肉卻隨此訊號運動。
根據臨床復健與Brunnstrom六階段理論,針對不同患者在不同復健階段的訓練目標與方法有所不同,復健初期訓練的目的是改善近端關節(髖關節)的運動控制能力,增加關節的活動控制範圍;典型的痙攣運動是復健訓練中期的主要特點,因此復健中期訓練的主要目的是最大程度抑制肢體痙攣發生,促進各關節分離運動的産生。復健後期是肢體運動功能恢復期,訓練目的是要進一步完善各個關節分離運動以增加運動的協調性,促進各個關節隨意運動的産生。
目前學術研究和臨床上已研發出的下肢復健系統多數採用懸吊减重式外骨骼或踏板式步行結構,在深入研究後發現,該類系統的設計都僅能針對單一個復健階段提供患者單一種訓練功能,且多數無法進行上下肢的協調復健訓練;此外,復健初期患者下肢承重與心肺功能不足,幾乎完全喪失對肢體的控制能力,難以透過主動肢體運動來恢復其運動能力,因此復健初期與中期患者較難使用懸吊减重式外骨骼或懸吊减重式踏板系統進行步行訓練,該類系統較適用於已具有基本步行能力的復健後期患者;因此,設計一款能同時滿足不同患者在復健初期-軟癱期、復健中期-痙攣期及復健後期-恢復期的不同訓練位姿需求,並可實現上下肢協調運動的復健訓練系統是當前迫切需要解決的問題。
根據患肢復健訓練的運動狀態不同,可將下肢復健訓練系統分為五類:(1)基於跑步機的步態訓練系統;(2)基於腳踏板的步態訓練系統;(3)地面步態訓練系統;(4)靜態步態訓練系統;(5)踝關節復健訓練系統;其中,前述之 (1)至(3)屬於步態復健訓練系統;(4)屬於可提供多種模式的下肢復健訓練系統,如:踏車及步態等固定軌跡的訓練模式;(5)屬於結構簡單功能單一的下肢復健訓練系統,僅能進行踝的單關節復健訓練;而根據運動功能障礙患者在復健訓練時身體所處的姿態,可將下肢復健訓練系統劃分為站立式和多體位式。站立式一般配置懸吊减重系統輔助運動功能障礙患者以站姿進行步態復健訓練,惟其通常係由下肢外骨胳、懸吊減重系統和跑步機組成,該類系統適用於已有步行能力的患者,雖其臨床效果顯著,但患者被繩索懸吊會感到不舒適,且僅能生成固定步態軌跡,因此會限制不同患者的復健需求並降低復健設備的普適性,此外,其通常要求患者需具有一部分的腿部肌力,故其適用性具有一定之侷限。
坐臥式下肢復健訓練系統適用於患者肢體損傷的早期與中期,其可避免患者肢體虛弱無法支撑體重的難題,這是坐臥式下肢復健相較於懸吊與穿戴式的最大優勢。坐臥式下肢復健訓練系統的研究是近幾年剛開始,目前已逐漸成為研究的熱點,典型的坐-臥式下肢復健系統,可防止患者突然痙攣引起的異常運動,訓練過程患者坐在機器上,透過調整靠背的角度為患者提供最佳的訓練位置,它可以降低患者運動量大引起的疲勞感,從而提高患者的復健效率,並具有三個旋轉自由度主要用於被動訓練,具有多關節連動、踝關節單動及混合運動等多種訓練模式,並可結合虛擬實境(Virtual Reality, VR)模仿人體下肢的各種動作,且機械腿的長度和兩腿間的寬度可調整,以適應不同身高和體形的患者,此外,部分坐-臥式下肢復健系統係可根據即時回饋的訊息結合VR技術讓患者沉浸在復健訓練中,並可升降改變位姿,治療師可依據患者需求進行臥姿或站姿的訓練,可適應不同患者的復健訓練需求,然而,前述者揭無法實現踝關節之復健運動,且並無法進行多姿態之復健調整。
此外,現有之研究中,部分者係可依據患者需求自我調整實現患者主動復健訓練控制,其中,運動意圖辨識是人機協調控制的主要研究方向,目前主要有基於肌電(Electromyogram, EMG)、腦電(Electroencephalogram, EEG)及生物力學訊號的辨識方法,EMG利用骨骼肌纖維膜的動作電位反應神經和肌肉的狀態進而獲得患者運動意圖;基於EMG的控制主要有EMG觸發控制和EMG連續控制,但因EMG的敏感性使其和運動意圖的精確模型難以建立,因此要透過EMG獲得可靠控制命令非常困難;基於患者檢測下肢EMG建立模糊神經網路的運動意圖辨識模型,復健系統可依照患者運動意圖實現輔助訓練,基於EMG之踝關復健互動控制,應用EMG閥值開關控制實現單關節的主動訓練,透過EMG對手部三自由度動作和狀態進行辨識,辨識準確率可達68%。由以上說明可知EMG具有很大的模糊性,單一EMG辨識率較高,但多自由度連續EMG的自動定位困難,運動辨識及預測的穩定性和準確性有待進一步提昇。
基於運動想像的腦機介面(Motor Imagery Brain-Computer Interface, MI-BCI)能讓大腦在不需周圍神經系統和肌肉組織參與的狀況下直接與外部設備進行通訊,可讓癱瘓者不需身體運動僅用大腦想像即可驅動和控制外部設備。運動想像(Motor Imagery, MI)被定義為執行某一動作時,透過冥想代替真實動作的大腦活動,MI是MI-BCI研究領域常見的一種應用,透過擷取MI產生的節律訊號控制游標在3D環境中運動,並於相關研究中證明MI能有效促進大腦運動神經活化並加速運動神經的重塑。隨著BCI的發展,MI-BCI開始被應用在復健訓練領域,且研究顯示將MI-BCI與VR技術進行整合具有更好的復健效果,受測者一般難以獲知自己MI的感覺,因此傾向透過想像移動他們手或腿的方式進行MI,且研究發現,在復健系統增加豐富的回饋機制,如:圖片、聲音及動畫等有助受測者透過思維控制和心理調整改善大腦皮層的神經活動,提升其MI能力縮短復健訓練週期,研發用於上肢復健的VR系統,患者由左右手的MI控制場景之虛擬肢體完成接球任務,透過EEG變化的瞬時訊號幫助受測者瞭解各種控制策略的執行效果。近年來各種MI復健訓練的回饋方法被提出,其中大部分的回饋都是基於MI辨識結果的視覺或聽覺回授,但受測者在MI訓練過程可能因狀態不佳及環境等原因,不能在感覺運動皮層産生有助意圖分類的特徵或産生與實際MI完全不同的大腦活動模式,導致系統產生錯誤分類。基於辨識狀況的回饋系統就會給受測者錯誤的MI視覺迴授,因此會形成一個正向錯誤的迴授循環。將MI應用到虛擬復健已逐漸受到重視,但結合MI與AR技術卻極為少見,AR技術能給患者提供更加真實的體驗感,故結合MI與AR技術的復健訓練有待進一步的研究。
目前復健系統與虛擬復健的研究已取得突破性的進展,且已被廣泛應用在各類的復健訓練中,獲得一定的臨床治療效果,然現有復健訓練系統與虛擬復健仍然存在諸多問題,具體整理如下:
(1)單自由度復健設備具有結構簡單、使用方便與價格便宜等優勢已獲得廣泛應用,但其存在運動軌跡簡單、訓練模式單一及無法進行精確軌跡規劃等缺點。多自由度復健訓練設備(例如:懸吊減重式及外骨骼式)雖具有多自由及可完成一些複雜運動的優點,但同時也存在操作困難及使用要求高等不足,且通常一位患者需要多名護理人員輔助才能完成訓練。
(2) 臨床研究顯示,患者的肢體功能恢復存在不同的復健期程,根據肌力與神經系統的損傷程度,在不同的復健期患者所需的訓練位姿並不相同,在復健初期(軟癱期)及中期(痙攣期)由於患者肌力較弱神經系統控制力不足,需要訓練的主要位姿爲臥姿和坐姿,在復健的中期與後期(恢復期)患者肌力及神經控制能力有一定的增強,因此這個階段患者主要需訓練的位姿為坐姿及站姿。目前復健機器人的研究大多是單一位姿或兩個位姿,對多位姿(體位)系統的研究較少,現有復健機器人大多不能涵蓋患者整個復健期,所以在不同復健期患者需更換不同的訓練設備,因此造成患者、治療師與醫師的許多不便,且為醫院帶來空間使用及成本的負擔。
(3)人類的進化過程其上下肢活動存在一定的運動協調關係,上下肢協調訓練對患者肢體功能恢復具有一定的影響,目前對肢體復健訓練機器人的研究大多是上肢與下肢分開的。
(4)目前許多復健訓練機器人仍然停留在研究階段或普及率不高,主要是因為價格高、結構複雜及對操控者的專業要求高,因此一般民眾人難以駕馭。
(5)為减輕患者復健訓練時自身重量對下肢的影響,現有復健訓練設備大都採用懸吊式减重系統將患者上提減重,此時因患者重心較高導致訓練過程身體會產生不穩定的擺動或轉動,這種不平衡現象將對患者下肢復健訓練會産生不利的影響。
(6)多數復健訓練機器人為患者提供過多的輔助力,使患者在進行復健訓練時過於被動,無法充分發揮自主意識控制的肢體運動。
(7)目前以MI-BCI為基礎的復健訓練系統,主要是從改進辨別演算法的模式來提高準確率,但卻忽略MI是一種自發性的內源訊號,因此僅有少數研究嘗試從虛擬場景的方向提高患者MI腦區神經的活化程度,透過提升EEG的品質來提高準確率。
(8)存在虛擬復健場景模式單一造成個體適應性差的問題,目前的研究主要都是針對單純左右MI神經的效果進行討論,很少有對比不同場景對肢體想像神經區域活化及EEG特徵增強機制的相關研究。
(9)存在復健訓練回饋機制簡單造患者完成MI與獲得回饋結果不一致的問題,目前現有系統多為開迴路或僅採簡單視覺回饋模式,即系統輸出透過視覺呈現給患者,因此缺乏對患者MI的有效監測和神經狀態回饋,無法形成多重立體回饋網絡,所以難以依據回饋訊息做出有針對性的主觀調整。
而就結構部分,現有技術都存在訓練位姿單一無法同時滿足不同復健期別的需求,其多數僅適用於已具有步行能力的復健後期患者,不適合用於早期復健患者,且不具備上下肢協調運動功能及難以進行精準軌跡規劃等問題;在虛擬實境部分,現有虛擬復健系統雖然提升了訓練的趣味性,但因場景模式單一、虛擬人物與復健系統運動不同步(缺乏反饋機制)及辨識率低等問題,一般都僅能針對單一復健期的患者缺乏個體適應性無法滿足包含復健初期(軟癱期)、中期(痙攣期)及後期(恢復期)在內,整個復健期程不同患者的需求,且存容易造成患者過度疲勞訓練拉傷肌肉及難以呈現患者主動性等問題
有鑑於此,吾等發明人乃潛心進一步研究可多位姿之復健機構,以及與虛擬實境、擴增實境、腦機介面等技術之結合,並著手進行研發及改良,期以一較佳發明以解決上述問題,且在經過不斷試驗及修改後而有本發明之問世。
爰是,本發明之目的係為解決前述問題,為達致以上目的,吾等發明人提供一種沉浸式多姿態主被動式肢體協調復健訓練系統,其包含:一下肢訓練機構,其包含一第一承接部,該第一承接部設有二下肢外骨骼機構,所述下肢外骨骼機構末端分別包含有一呈樞轉設置之踝關節機構;一上肢訓練機構,其包括一第二承接部,該第二承接部係樞設於該第一承接部之頂端,該第二承接部設有二上肢機構;以及一位姿調整機構,其係樞設於一底座之頂端,該位姿調整機構設有至少一滑軌,而該第一承接部係對應滑動設置於該滑軌。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該第二承接部更設有一支撐裝置,且該第一承接部設有至少一動態減重系統,所述動態減重系統設有一支撐元件,所述支撐元件係對應支撐於該支撐裝置。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,所述下肢外骨骼機構更分別包含一髖骨機構,其係設置於該第一承接部,且所述髖骨機構樞設有一第一支撐機構,所述第一支撐機構相對於所述髖骨機構一端樞設有一第二支撐機構,且所述踝關節機構係樞設於所述第二支撐機構相對於所述第一支撐機構之一端者。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,所述上肢機構更分別包含一樞轉部件,其係設置於該第二承接部,該樞轉部件延伸設置有一連桿,並於該連桿末端設置有一把手。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,更包含一資訊管理系統,其係訊號連結於至少一足壓感測模組、一肌電感測模組、一腦電感測模組、一虛擬互動裝置及一姿態感測裝置,該資訊管理系統界定有複數運動模式、相依於所述運動模式之互動場景及互動物件;所述踝關節機構底端係分別設有所述足壓感測模組;該資訊管理系統係依據所述足壓感測模組、該肌電感測模組及該腦電感測模組之感測訊號,以分別界定至少其一所述運動模式,藉以令該虛擬互動裝置執行對應之所述互動場景,且該虛擬互動裝置係依據該姿態感測裝置所拍攝之肢體影像而對應操作所述互動物件以互動於所述互動場景者。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,所述下肢外骨骼機構及所述上肢機構分別設有至少一阻力控制模組,所述阻力控制模組係用以施加阻力於所述下肢外骨骼機構及所述上肢機構,且所述阻力控制模組係對應依據所述運動模式以調整其施加之阻力者。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該虛擬互動裝置係虛擬實境裝置或擴增實境裝置。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該姿態感測裝置為Kinect感測模組。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該資訊管理系統係於所述互動場景分別界定有一難易度值,且該資訊管理系統係該肌電感測模組或該腦電感測模組之感測訊號分析其疲勞值,並依據所述疲勞值界定所述難易度值者。
據上所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該資訊管理系統係將該腦電感測模組之感測訊號,依據其時域、空間域及頻域,選取其均方根差(Mean Square Error, MSE)、功率頻譜密度(Power Spectral Density, PSD)及共同空間模式(Common Spatial Pattern, CSP)之特徵組合,生成一意圖辨識特徵量,並據以調整所述互動場景者。
是由上述說明及設置,顯見本發明主要具有下列數項優點及功效,茲逐一詳述如下:
1.本發明係可實現令患者可進行臥姿、坐式及站立式之復健訓練,並可配置資訊管理系統,以連結足壓感測模組、肌電感測模組、腦電感測模組、虛擬互動裝置及姿態感測裝置,令本發明具備虛擬實境(Virtual Reality, VR)、擴增實境(Augmented Reality, AR)、腦機介面(Motor Imagery Brain-Computer Interface, MI-BCI)及多源訊息感知,藉可單一或混合式的提供沉浸式之虛擬訓練,藉可同時滿足不同患者在復健初期-軟癱期、復健中期-痙攣期及復健後期-恢復期的不同訓練位姿需求,並可實現上下肢協調運動的復健訓練系統,以有助於促進改善肢體功能障礙,提升患者的生活品質,並且能夠減輕患者家屬之負擔,此外,亦可有助於社會福利及照護制度之發展,以降低社會發展與國家經濟之壓力者。
關於吾等發明人之技術手段,茲舉數種較佳實施例配合圖式於下文進行詳細說明,俾供 鈞上深入了解並認同本發明。
請先參閱第1圖及第2圖所示,本發明係一種沉浸式多姿態主被動式肢體協調復健訓練系統,其包含:
一下肢訓練機構1,其包含一第一承接部11,該第一承接部11設有二下肢外骨骼機構12,所述下肢外骨骼機構12末端分別包含有一呈樞轉設置之踝關節機構121;
一上肢訓練機構2,其包括一第二承接部21,該第二承接部21係樞設於該第一承接部11之頂端,該第二承接部21設有二上肢機構22;以及
一位姿調整機構3,其係樞設於一底座32之頂端,該位姿調整機構3設有至少一滑軌31,而該第一承接部11係對應滑動設置於該滑軌31。
藉此設置,由於位姿調整機構3係樞接於底座32,並予以承載下肢訓練機構1之第一承接部11,且上肢訓練機構2之第二承接部21係樞設於第一承接部11之頂端,是以,透過位姿調整機構3、第一承接部11及第二承接部21間之樞轉,並藉可令其可呈第1、2圖所示之坐姿角度,此時,藉以令復健訓練患者可坐於第一承接部11上;本發明之姿調整機構、第一承接部11及第二承接部21亦可樞轉至平行或垂直於地面,使分別呈現第3圖之臥姿或第4圖所示之站姿的架構,而透過滑軌31之設置,藉可因應其姿態之變化而調整下肢訓練機構1及上肢訓練機構2事宜之位置,以利於因應復健訓練患者之身高,以及利於各姿態之呈現,故如第1、2圖所示者,為利於復健訓練患者呈坐姿,故第一承接部11係位於近位姿調整機構3與底座32之樞接處,使下肢訓練機構1不為底座32所干涉,而於第4圖所示之站姿時,為令踝關節機構121可接觸地面,且符合人體下肢之長度,故第一承接部11將滑動遠離位姿調整機構3與底座32之樞接處,以利於復健訓練患者可呈現站姿;由於復健醫學的人體訓練位姿可分為臥姿、坐姿及站姿,在不同訓練位姿的運動形式與空間皆不相同,臥姿是最有利人體休息的姿態,肢體幾乎沒有承受身體的任何重量,所以最適合進行復健初期-軟癱期的訓練;坐姿的下肢受力極小,因此在復健治療中坐姿訓練的時間最長應用也最多;站姿需要高度的平衡性是人體最複雜、應用最廣且功能要求最高的運動型態;由於復健訓練初期(軟癱期),患者肌力較弱且神經系統控制力不足,無法支撑身體進行正常坐姿及站姿的訓練,所以僅能以臥姿進行訓練,以防止肌肉萎縮及關節痙攣;復健中期(痙攣期)患者恢復部分運動能力,此時患者可採坐姿進行不同軌跡與模式的複雜訓練,或搭配動態減重系統41以站姿進行簡單運動,以提高肢體肌力及神經系統對肢體運動的控制能力;復健後期(恢復期)需讓患者以站姿進行模擬步行、上下階梯及騎單車等有目的導向的上下肢協同訓練,以提昇患者的肢體協調能力;而本發明之設計,係可確保上下肢能在安全活動空間內進行訓練的前提下,具備臥-坐-站多自由度整合,且可以同時滿足復健初期(軟癱期)、中期(痙攣期)、後期(恢復期)及上下肢協同訓練需求者。
本發明之設置主要是在矢平面內運動,因此,在一具體之實施例中,本發明之下肢外骨骼機構12更分別包含一髖骨機構122,其係設置於該第一承接部11,且所述髖骨機構122樞設有一第一支撐機構123,所述第一支撐機構123相對於所述髖骨機構122一端樞設有一第二支撐機構124,且所述踝關節機構121係樞設於所述第二支撐機構124相對於所述第一支撐機構123之一端,在一實施例中,所述踝關節機構121係具有一連結部1211,藉以樞接於第二支撐機構124,而連結部1211末端橫向設置一踩踏部1212,藉以令復健訓練患者可予踩踏於踩踏部1212,藉此,透過復健訓練患者對於踩踏部1212之施力踩踏,藉可透過髖骨機構122、第一支撐機構123、第二支撐機構124及連結部1211間之樞設,藉以完成下肢於矢平面內之運動;此外,所述上肢機構22更分別包含一樞轉部件221,其係設置於該第二承接部21,該樞轉部件221延伸設置有一連桿222,並於該連桿222末端設置有一把手223,藉以供復健訓練患者可予握持,而藉由樞轉部件221之設置,亦可令復健訓練患者上肢進行矢平面內進行運動;據此,本發明對於上肢訓練機構2及下肢訓練機構1之配置,係令其運動空間僅在矢平面內進行,惟其僅係舉例說明,並不以此作為限定;由於人體運動存在的上下肢協調作動主要顯現在矢狀面內,即上肢與同側下肢的擺動方向相反,是以,本發明係讓上下肢協同運動能實現在矢狀面內,因此上肢機構22應採平面設計較合理,基於上述考量初步規劃將上肢機構22設計為矢狀面內的平面運動結構;人體下肢雖具有七個自由度(三髖關節、一膝關節、三踝關節),但其動作仍以矢狀面內的運動為主,且解剖學也證明矢平面內的運動可有效訓練下肢的各個肌群。
而為利於可令復健訓練患者可確實乘坐於第一承接部11,或令第二承接部21可予支撐復健訓練患者,故在一實施例中,該第二承接部21更設有一支撐裝置4,且該第一承接部11設有至少一動態減重系統41,所述動態減重系統41設有一支撐元件42,所述支撐元件42係可於該第一承接部11及該第二承接部21樞轉至相互平行時,對應支撐於該支撐裝置4,藉以提供身體支撐,以達良好之訓練及復健之效果,並可提升於使用時之安全性。
本發明對於嵌入式模組的多源訊息感測與控制系統實現,在一實施例中,如第1圖、第5圖及第6圖所示者,係透過配置一資訊管理系統5,其係訊號連結於至少一足壓感測模組51、一肌電感測模組52、一腦電感測模組53、一虛擬互動裝置54及一姿態感測裝置55,該資訊管理系統5界定有複數運動模式、相依於所述運動模式之互動場景及互動物件;所述踝關節機構121底端係分別設有所述足壓感測模組51;該資訊管理系統5係依據所述足壓感測模組51、該肌電感測模組52及該腦電感測模組53之感測訊號,以分別界定至少其一所述運動模式,藉以令該虛擬互動裝置54執行對應之所述互動場景,且該虛擬互動裝置54係依據該姿態感測裝置55所拍攝之肢體影像而對應操作所述互動物件以互動於所述互動場景者;其中,肌電感測模組52係可對應貼設於復健訓練患者上下肢之皮膚,界以呈現肌肉運動之EMG訊號,而腦電感測模組53則係可為一頭盔,以配戴於復健訓練患者之頭部,使予以呈現大腦對肌肉的運動控制與肌肉功能響應的感覺回饋等EEG訊號,EEG訊號的同步性特徵可以直接反應皮層肌肉的耦合狀況,間接呈現運動控制迴路的功能狀態,是以,藉由EMG及EEG可作爲復健狀態的評估指標。
在一實施例中,亦可透過脈搏感測器56之設置,藉可監測患者的心率並反映復健訓練的強度;而足壓感測模組51係可識別人體兩側足底受力分佈及重心位置;而透過於上肢訓練機構2及下肢訓練機構1之關節樞接處,亦可對應配置角度感測器57,使可予偵測關節活動度,以反映肢體關節的舒展狀態;故可知悉者,資訊管理系統5之建構,亦可對應訊號連結於脈搏感測器56及角度感測器57,藉以輔助對應創建或微調運動模式、互動場景及互動物件;因此,本發明係對前述各訊號的量測原理進行分析,並依分析結果及肢體運動與解剖學理論,完成感測器選型與配置數量的設計,主要目標為同步感知患者的運動、足壓、脈搏、EMG與EEG等資訊,以辨識患者的運動意圖,並將其應用於運動性肌肉疲勞與虛擬場景的調控。
在一實施例中,本發明係以NI的嵌入式模組c-RIO-9024與FPGA機箱c-RIO-9040作為多源訊息感測與控制系統的核心,搭配NI-9215類比輸入、NI-9263類比輸出、NI-9411數位輸入輸出與NI-9237應變/橋接輸入模組,透過cRIO撰寫控制程式對I/O模組進行讀寫,實現多通道人體生理與運動訊號的擷取與即時迴授控制,系統軟體將配置於FPGA模式下執行,將在LabVIEW環境下撰寫FPGA的底層訊號擷取、訊號波形顯示及基於大容量格式TDMS的數據儲存等功能;此外,就本發明之運動控制系統而言,其包含下肢訓練機構1、上肢訓練機構2及位姿調整機構3,其係實現多姿態肢體協調復健訓練系統控制的關鍵技術,為保證運動控制系統的穩定性與可靠度,本發明係採用環狀的分散式運動控制架構,將結合EtherCAT乙太網路與CANopen控制器區域網路架構,實現下肢訓練機構1、上肢訓練機構2、位姿調整機構3及動態減重系統41之即時閉迴路控制。
由於復健訓練的模式眾多,不同訓練模式的效果與實現方法也不同,臨床上醫生會依據患者狀況採用不同的復健訓練模式,其中,被動訓練是透過外力使肢體進行一定軌跡運動的訓練形式,是以,所述下肢外骨骼機構12及所述上肢機構22分別設有至少一阻力控制模組58,阻力控制模組58係可連結於資訊管理系統5,且所述阻力控制模組58係可分別配置於其可予樞轉之處,並係用以施加阻力於所述下肢外骨骼機構12及所述上肢機構22,且所述阻力控制模組58係對應依據所述運動模式以調整其施加之阻力;本發明在一實施例中,係可規劃肌力處於0-1級的肢體無力患者,在臥姿或坐姿下採被動的訓練模式;該模式運動平穩衝擊小,可較好的放鬆肌肉、刺激神經及改善患者的關節運動能力;阻力控制模組58係可應用於被動式訓練,具體舉例而言,其係可利用馬達的位置控制模式,並考量軌跡追蹤精度與患者安全性所提出以線性擴張觀測器(Linear Extended State Observer, LESO)為基礎的新型代理滑模控制器(Novel Proxy-Based Sliding Mode Controller, NPSMC),確保患者能在安全的狀態下依照規劃軌跡讓系統牽引患者肢體進行復健訓練,NPSMC結合滑動模式的過阻尼效應和PID控制的精確追蹤性能,可在保證安全性能前提下進行精確的軌跡追蹤控制;輔助訓練模式是肢體主動提供一部分參與力量,並在外力輔助下進行軌跡往復運動的訓練形式,並可規劃肌力處於2-3級的患者,在坐姿或站姿下採輔助訓練模式,借助訓練機構一部分的外力輔助完成主動意識的訓練動作,以有效增強大腦對運動控制的意識,進一步提高肌力與關節的運動能力;主動訓練模式是肢體完全依靠自身力量克服外界阻力進行軌跡往復運動的復健訓練形式,本發明係可規劃肌力處於4-5級的患者,在站姿下採主動訓練模式,透過主動訓練提高肢體運動的協調與平衡性,使患者肢體可逐步趨近正常人的運動功能,其中,主動訓練模式將以NPSMC作為底層位置控制器,並以馬達的力矩控制模式搭配上層阻抗控制組成阻抗NPSMC,讓患者肢體能在規劃阻力下完成主動復健訓練。
再者,根據復健理論依據患者臨床的不同表現需對應不同的復健治療及訓練,基於VR與AR的復健訓練是復健治療領域的新技術具有很強的擬真度和沉浸感,因此,本發明整合BCI、VR與AR技術,針對不同復健階段的患者,設計相對應的復健訓練策略,故在一實施例中,虛擬互動裝置54係據以對應配置為虛擬實境裝置或擴增實境裝置。本發明針對復健初期-軟癱期患者設計基於AR與MI的復健訓練策略,係利用Kinect掃描真實場景,在透過AR技術將虛擬物體添加到真實場景中,讓患者可以透過MI模式實現對真實場景虛擬物件的控制,以提昇患者參與復健訓練的積極度,進而達到腦功能重塑的目的。其次,針對復健中期-痙攣期患者設計混合腦肌電決策融合的復健訓練策略,將MI與EMG兩種模式的辨識結果,透過Naive Bayes演算法進行決策融合,實現對虛擬場景的控制,進而滿足患者的復健訓練需求。針對復健後期-恢復期患者,設計結合EMG與姿態感測裝置55(如:Kinect)人機互動的復健訓練策略,將藉由Kinect進行肢體的動作辨識與定位,同時對擷取的EMG進行預處理及特徵擷取,接著進行肌力大小的評估,實現對虛擬復健場景的控制及訓練難度的係數調整,以滿足患者個人化的復健訓練需求。此外針對患者在復健訓練過程會出現相對應肢體及腦部運動區域疲勞的特性,本發明亦將進行腦疲勞指數的分析方法研究,以評估對應腦部運動區的疲勞狀態。
本發明係針對不同復健階段患者,整合EEG、EMG、VR與AR技術之虛擬復健訓練系統,針對軟癱期、痙攣期和恢復期患者需求提供不同的訓練模式,以即時反應患者的運動與生理狀態,在一實施例中,本發明係規劃提供患者三種單模訓練方式,即MI模式、EMG回饋模式和Kinect模式,治療師或醫師可根據患者狀況選擇適當的單模或多模訓練方式,其中多模互動訓練方式則包括混合MI與EMG回饋的腦肌電決策融合方式及整合EMG回饋與Kinect的互動訓練模式。
當患者選擇基於MI或EMG回饋訓練模式時,首先需擷取該肌電感測模組52或該腦電感測模組53之感測訊號,並且透過WiFi將資料傳送至上位PC端,再由PC端進行EEG或EMG的預處理及特徵擷取,並對擷取的特徵進行模式辨別以獲取患者的運動意圖,實現對所建置互動場景中虛擬模型的控制;另一方面將提取EMG和EEG的疲勞指標輸入智慧型分類器進行疲勞等級分類,故資訊管理系統5係於所述互動場景分別界定有一難易度值,且該資訊管理系統5係該肌電感測模組52或該腦電感測模組53之感測訊號分析其疲勞值,並依據所述疲勞值界定所述難易度值者。
而當選擇Kinect訓練模式時,需先使用Kinect對患者進行3D的肢體動作掃描,以辨識患者的肢體動作,完成對虛擬場景的控制,其中虛擬訓練場景需依據復健醫師的建議及患者的需求進行設計,本發明在一實施例中,係可運用3D Max平台與Unity3D針對互動場景每一種訓練模式進行開發,在軟體功能設計與實現部分將基於C++程式語言,在Visual Studio 2019開發平台下結合關聯式資料庫管理系統MySQL 8.0,運用MFC架構進行其軟體程式開發。
EEG的特徵擷取方法有很多種,事件相關去同步化(ERD)/事件相關同步化(ERS)、功率頻譜分析、共空間模型等演算法都可進行EEG的特徵擷取。本發明在一實施例中係採用ERD/ERS的方法進行EEG訊號的特徵擷取,為分析不同腦波隨時間變化的情況需對EEG進行頻帶分解,本發明以小波變換對EEG進行頻帶分解,透過頻帶分解將不需分析的頻段濾除留下需要分析的頻段,此部分在特徵擷取所需的頻段為8-35Hz。因此,本發明將使用gabor濾波器進行頻帶分割。EMG的特徵擷取方法有很多種,包括:時域-積分肌電值、均方根值;頻域-平均功率頻率、中值頻率、時頻分析的小波變換、非線性動力學的熵等。積分肌電值特徵既能呈現運動過程EMG的生理學變化,同時又相對簡單易於在時域計算,有助於進一步實現腦肌電特徵融合。因此本發明將擷取積分肌電值特徵,即EMG經整流濾波後單位時間內曲線下面積的總和,它代表EMG振幅即能量在時間維度上的變化特徵。
就混合MI與AR之虛擬復健模式而言,復健初期-軟癱期一般為發病後一個月內,該階段患者主要有肌張力低下導致肌肉鬆弛及缺乏自主性運動的問題,患者在這個階段因無法依據醫師指導進行復健訓練,但透過MI可以啟動患者大腦自身細胞的可塑潛力,進而達到腦功能重塑的效果,使大腦和肢體間的功能控制連結得到一定程度的修復。因此,本發明依據MI與EMG的回饋控制方式,透過Naive Bayes演算法將兩個識別結果進行決策融合,實現對虛擬復健場景的控制,首先將對患者的EEG進行擷取、處理及分析,其次將運用Kinect掃描技術獲取真實場景,最後在透過AR技術將虛擬物件加入到真實場景中,並讓患者可以透過MI模式實現對真實場景虛擬物件的控制,以提高患者參與訓練的積極度進而達到腦功能重塑的目的;如第7圖所示,首先需以無線EEG設備量測患者想像肢體作動時的EEG訊號,並處理基準漂移、干擾及EEG中的眼電訊號,接著擷取EEG的ERD/ERS特徵進行模式識別,最後在透過支援向量機(Support Vector Machine, SVM)對模式識別的結果進行分類,對患者的運動意圖進行判別,從而實現對真實場景虛擬物件模型的左右移動控制。
就互動場景及互動物件之建置與實現而言,本發明係依據患者在不同復健階段的復健訓練需求,運用Unity3D的開發引擎技術,設計適合不同復健階段患者需求的對應之互動場景,並透過Kinect實現AR的場景功能,由於該設備存在深度相機與彩色相機兩個不同影像鏡頭的坐標系,深度相機坐標系用在3D重建,彩色相機坐標系用在虛擬和真實的融合,但因兩個相機的實際物理位置及內部參數都不相同,因此其轉換關係需事先進行校準。透過Kinect實現AR的核心技術是VR註冊和VR遮擋,虛擬和真實匹配的核心是攝影機追蹤和定位,這也是實現AR和3D重建的關鍵步驟,相機追蹤和定位的準確性對註冊的穩定性會產生影響,在相機姿態計算誤差較大的情況下,虛擬物件可能產生偏移而影響視覺效果,根據相機姿態,場景深度資訊和虛擬模型姿態可以確定VR的遮擋關係。基於標記的AR是在標記圖片上疊加虛擬模型,在這種情況下虛擬物件會對彩色標記進行覆蓋,但無法實現虛實遮擋;基於Kinect的AR不需標記,但需要在攝影機追蹤階段計算坐標系之間的轉換關係。
Naive Bayes演算法主要使用機率和統計的觀念進行分類,Naive Bayes具有使用簡單、速度快及分類準確率高等優點。本發明之EEG與EMG的分類結果為相互獨立互不影響,因此可將EEG與EMG各自分類的辨識結果,經Naive Bayes演算法計算腦肌電決策融合時兩者的分配權重,然後再分別將MI與EMG回饋的辨識結果按此比例係數進行加權分配並輸出最後的辨識結果,藉以選定運動模式,進而完成互動場景之選定與控制。
就混合MI與EMG回饋之腦肌電決策融合復健模式之配置而言,復健中期-痙攣期一般為發病後一個月到三個月間,該階段患者肢體運動能力獲得一定的提升,但仍然存在肌力不足的問題,因此本發明在一實施例中,係可採用MI與EMG的回饋控制方式,透過Naive Bayes演算法將兩個辨識結果進行決策融合,實現對虛擬復健場景的控制,以提升患者復健訓練的積極度,達到理想的復健訓練效果。在一實施例中,如第8圖所示,係將以肌電感測模組52及該腦電感測模組53擷取患者的EEG與EMG訊號,然後對訊號進行預處理及特徵擷取;對擷取之EEG訊號的ERD/ERS特徵及EMG的積分肌電值特徵,透過SVM分別進行基於MI和EMG回饋的分類識別,並將輸出兩種訓練模式的辨識結果。最後再透過Naive Bayes演算法將MI與EMG回饋的識別結果進行決策融合,完成不同肢體動作的分類辨識,實現對互動物件之移動控制。
就結合EMG回饋與Kinect互動之虛擬復健模式而言,復健後期-恢復期一般為發病後三個月到一年間,該階段患者主要出現協同與分離運動,其痙攣狀況在一定程度上減輕,身體的協調功能基本上是正常的。針對該階段患者,如第9圖所示者,本發明係透過Kinect進行肢體動作識別,在由EMG進行肌力大小評估實現對互動場景控制及前述難易度值之調整,進而滿足患者個人化的復健訓練需求。
肢體MI與真實肢體運動具有同等啟動大腦細胞的可塑性能力,並可加速修復肢體與大腦間神經功能的連接。因此,本發明運用3D Max平台及Unity 3D開發MI-BCI,以實現軟癱期患者肢體運動功能的復健訓練,該系統將透過多模式復健目標導向互動場景之引導,增強患者的肢體MI,在經由系統內建的MI意圖辨識模組即時辨別患者的運動意圖,並將結果回饋到互動場景,以控制互動物件移動及腦地形圖的狀態,構成一個即時互動的閉迴路控制結構。患者可依據多方面回饋調節MI心理活動策略,達到减少分類誤差、調整腦功能及增強MI之目的,進一步加速患者受損運動神經的重塑。本發明在一實施例中所採用的MI辨識模型需具備即時分類的能力,所以需在即時性和準確性兩方面取得一個平衡點,因此將分別從EEG訊號的時域、空間域及頻域選取均方根差(Mean Square Error, MSE)、功率頻譜密度(Power Spectral Density, PSD)及共同空間模式(Common Spatial Pattern, CSP)等三個特徵組合作為一意圖辨識特徵量,並據以調整所述互動場景。
在一實施例中,本發明係可應用多模式虛擬場景刺激增強概念,在復健場景中增加虛擬肢體、虛擬人物、設定訓練目標任務、建置日常生活場景、設立多重提示與鼓勵機制、視覺與聽覺的感官刺激、即時互動控制等功能,讓患者誤以為正在執行真實的肢體動作,進而引導患者進行主動肢體MI,以提高其參與感和復健訓練的效果。本發明之MI-BCI復健訓練系統的神經回饋,可將當前MI相關的生理變化轉換成視覺、聽覺與觸覺訊號,讓患者接收到這些回饋訊號後可依據目前狀態不斷調整自身的MI方式、強度與心理狀態,進而調整自身的運動節奏變化,增強對大腦運動神經活化有利頻段波形,抑制對大腦神經活化不利頻段波形,進而達到改善和促進肢體運動功能恢復的正向循環。
綜上所述,本發明所揭露之技術手段確能有效解決習知等問題,並達致預期之目的與功效,且申請前未見諸於刊物、未曾公開使用且具長遠進步性,誠屬專利法所稱之發明無誤,爰依法提出申請,懇祈 鈞上惠予詳審並賜准發明專利,至感德馨。
惟以上所述者,僅為本發明之數種較佳實施例,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明書內容所作之等效變化與修飾,皆應仍屬本發明專利涵蓋之範圍內。
1:下肢訓練機構
11:第一承接部
12:下肢外骨骼機構
121:踝關節機構
1211:連結部
1212:踩踏部
122:髖骨機構
123:第一支撐機構
124:第二支撐機構
2:上肢訓練機構
21:第二承接部
22:上肢機構
221:樞轉部件
222:連桿
223:把手
3:位姿調整機構
31:滑軌
32:底座
4:支撐裝置
41:動態減重系統
42:支撐元件
5:資訊管理系統
51:足壓感測模組
52:肌電感測模組
53:腦電感測模組
54:虛擬互動裝置
55:姿態感測裝置
56:脈搏感測器
57:角度感測器
58:阻力控制模組
第1圖係本發明於坐姿位置之立體示意圖。
第2圖係本發明之復健訓練患者於坐姿位置,暨於本發明之硬體架構示意圖。
第3圖係本發明於臥姿位置之立體示意圖。
第4圖係本發明於站姿位置之立體示意圖。
第5圖係本發明之系統架構示意圖。
第6圖係本發明之系統流程圖。
第7圖係本發明混合MI與AR之虛擬復健模式之流程圖。
第8圖係本發明混合腦肌電決策融合之流程圖。
第9圖係本發明結合Kinect與EMG回饋之復健訓練模式之流程圖。
1:下肢訓練機構
11:第一承接部
12:下肢外骨骼機構
121:踝關節機構
1211:連結部
1212:踩踏部
122:髖骨機構
123:第一支撐機構
124:第二支撐機構
2:上肢訓練機構
21:第二承接部
22:上肢機構
221:樞轉部件
222:連桿
223:把手
3:位姿調整機構
31:滑軌
32:底座
4:支撐裝置
41:動態減重系統
42:支撐元件
51:足壓感測模組
Claims (10)
- 一種沉浸式多姿態主被動式肢體協調復健訓練系統,其包含: 一下肢訓練機構,其包含一第一承接部,該第一承接部設有二下肢外骨骼機構,所述下肢外骨骼機構末端分別包含有一呈樞轉設置之踝關節機構; 一上肢訓練機構,其包括一第二承接部,該第二承接部係樞設於該第一承接部之頂端,該第二承接部設有二上肢機構;以及 一位姿調整機構,其係樞設於一底座之頂端,該位姿調整機構設有至少一滑軌,而該第一承接部係對應滑動設置於該滑軌。
- 如請求項1所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該第二承接部更設有一支撐裝置,且該第一承接部設有至少一動態減重系統,所述動態減重系統設有一支撐元件,所述支撐元件係對應支撐於該支撐裝置。
- 如請求項1所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,所述下肢外骨骼機構更分別包含一髖骨機構,其係設置於該第一承接部,且所述髖骨機構樞設有一第一支撐機構,所述第一支撐機構相對於所述髖骨機構一端樞設有一第二支撐機構,且所述踝關節機構係樞設於所述第二支撐機構相對於所述第一支撐機構之一端者。
- 如請求項1所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,所述上肢機構更分別包含一樞轉部件,其係設置於該第二承接部,該樞轉部件延伸設置有一連桿,並於該連桿末端設置有一把手。
- 如請求項1至請求項4中任一項所述之沉浸式多姿態主被動式肢體協調復健訓練系統,更包含一資訊管理系統,其係訊號連結於至少一足壓感測模組、一肌電感測模組、一腦電感測模組、一虛擬互動裝置及一姿態感測裝置,該資訊管理系統界定有複數運動模式、相依於所述運動模式之互動場景及互動物件;所述踝關節機構底端係分別設有所述足壓感測模組;該資訊管理系統係依據所述足壓感測模組、該肌電感測模組及該腦電感測模組之感測訊號,以分別界定至少其一所述運動模式,藉以令該虛擬互動裝置執行對應之所述互動場景,且該虛擬互動裝置係依據該姿態感測裝置所拍攝之肢體影像而對應操作所述互動物件以互動於所述互動場景者。
- 如請求項5所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,所述下肢外骨骼機構及所述上肢機構分別設有至少一阻力控制模組,所述阻力控制模組係用以施加阻力於所述下肢外骨骼機構及所述上肢機構,且所述阻力控制模組係對應依據所述運動模式以調整其施加之阻力者。
- 如請求項5所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該虛擬互動裝置係虛擬實境裝置或擴增實境裝置。
- 如請求項5所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該姿態感測裝置為Kinect感測模組。
- 如請求項5所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該資訊管理系統係於所述互動場景分別界定有一難易度值,且該資訊管理系統係該肌電感測模組或該腦電感測模組之感測訊號分析其疲勞值,並依據所述疲勞值界定所述難易度值者。
- 如請求項5所述之沉浸式多姿態主被動式肢體協調復健訓練系統,其中,該資訊管理系統係將該腦電感測模組之感測訊號,依據其時域、空間域及頻域,選取其均方根差(Mean Square Error, MSE)、功率頻譜密度(Power Spectral Density, PSD)及共同空間模式(Common Spatial Pattern, CSP)之特徵組合,生成一意圖辨識特徵量,並據以調整所述互動場景者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110117494A TWI762313B (zh) | 2021-05-14 | 2021-05-14 | 沉浸式多姿態主被動式肢體協調復健訓練系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110117494A TWI762313B (zh) | 2021-05-14 | 2021-05-14 | 沉浸式多姿態主被動式肢體協調復健訓練系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI762313B true TWI762313B (zh) | 2022-04-21 |
TW202243664A TW202243664A (zh) | 2022-11-16 |
Family
ID=82199093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110117494A TWI762313B (zh) | 2021-05-14 | 2021-05-14 | 沉浸式多姿態主被動式肢體協調復健訓練系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI762313B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI839140B (zh) * | 2023-03-03 | 2024-04-11 | 國立中興大學 | 隨動式多功能地面步行復健裝置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016149891A1 (zh) * | 2015-03-20 | 2016-09-29 | 中国科学院自动化研究所 | 一种多位姿下肢康复训练机器人 |
TWI584801B (zh) * | 2016-04-15 | 2017-06-01 | 龍華科技大學 | 氣壓肌肉驅動兼具上肢助力與復健訓練功能之外骨骼裝置 |
US20180071580A1 (en) * | 2016-09-12 | 2018-03-15 | Lunghwa University Of Science And Technology | Pneumatic lower extremity gait rehabilitation training system |
CN111839991A (zh) * | 2020-07-07 | 2020-10-30 | 武汉宝熊科技有限公司 | 一种可移动助康式站躺坐卧一体式结构及含其的机器人 |
CN111888193A (zh) * | 2020-08-05 | 2020-11-06 | 燕山大学 | 多姿态下肢康复机器人 |
-
2021
- 2021-05-14 TW TW110117494A patent/TWI762313B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016149891A1 (zh) * | 2015-03-20 | 2016-09-29 | 中国科学院自动化研究所 | 一种多位姿下肢康复训练机器人 |
TWI584801B (zh) * | 2016-04-15 | 2017-06-01 | 龍華科技大學 | 氣壓肌肉驅動兼具上肢助力與復健訓練功能之外骨骼裝置 |
US20180071580A1 (en) * | 2016-09-12 | 2018-03-15 | Lunghwa University Of Science And Technology | Pneumatic lower extremity gait rehabilitation training system |
CN111839991A (zh) * | 2020-07-07 | 2020-10-30 | 武汉宝熊科技有限公司 | 一种可移动助康式站躺坐卧一体式结构及含其的机器人 |
CN111888193A (zh) * | 2020-08-05 | 2020-11-06 | 燕山大学 | 多姿态下肢康复机器人 |
Also Published As
Publication number | Publication date |
---|---|
TW202243664A (zh) | 2022-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7382415B2 (ja) | 上肢機能評価装置と方法及び上肢リハビリトレーニングシステムと方法 | |
CN103212156B (zh) | 基于本体镜像原理的偏瘫患者自主康复仪 | |
Gancet et al. | MINDWALKER: Going one step further with assistive lower limbs exoskeleton for SCI condition subjects | |
EP1838270B1 (en) | Motor training with brain plasticity | |
CN109589247A (zh) | 一种基于脑-机-肌信息环路的助行机器人*** | |
CN109288651A (zh) | 个性化上肢康复训练机器人***及其康复训练方法 | |
CN106974795B (zh) | 一种欠驱动上肢康复机器人控制*** | |
CN111091890B (zh) | 自我激励与反馈控制下的健康认知*** | |
CN101574297A (zh) | 基于虚拟现实的残障人士康复*** | |
WO2023206833A1 (zh) | 基于肌肉协同和变刚度阻抗控制的手腕部康复训练*** | |
CN111067543A (zh) | 一种卧式踏步式康复训练机器人的人机交互*** | |
Duvinage et al. | A five-state P300-based foot lifter orthosis: Proof of concept | |
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 | |
US20220187913A1 (en) | Neurorehabilitation system and neurorehabilitation method | |
TWI762313B (zh) | 沉浸式多姿態主被動式肢體協調復健訓練系統 | |
Riener et al. | A view on VR-enhanced rehabilitation robotics | |
CN114366557A (zh) | 用于下肢康复机器人的人机交互***及方法 | |
Li et al. | Preliminary study of online real-time control system for lower extremity exoskeletons based on EEG and sEMG fusion | |
CN110090421A (zh) | 基于脑机接口和互联网技术的智能脑卒中康复机器人*** | |
Wang et al. | Research progress of rehabilitation exoskeletal robot and evaluation methodologies based on bioelectrical signals | |
Eizmendi | A virtual reality system for motor and cognitive neurorehabilitation | |
Xie et al. | Biomechatronics in medical rehabilitation | |
Torres et al. | Assistance Robotics and Biosensors 2019 | |
Zhu et al. | A novel limbs-free human-computer interface: face-computer interface (FCI) with channels optimization | |
Guo et al. | Rehabilitation and Assistive Robotics |