一种康复训练参数确定方法、装置、电子设备及系统制造方法及图纸

本发明专利技术提供一种康复训练参数确定方法、装置、电子设备及系统，属于智能评估领域。所述方法包括：获取用户肢体表面肌电信号和运动功能评定信息；根据所述表面肌电信号，确定用户肢体运动状态信息；根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。本发明专利技术实施例提供的康复训练参数确定方法，通过获取用户的肢体表面肌电信号，确定用户当前的肢体运动状态信息，采用模糊神经网络模型将肢体运动状态信息和运动功能评定信息量化成用户当前康复训练参数信息，使得到的康复训练参数信息客观、准确，避免了主观误判导致的训练效果不理想等问题。

【技术实现步骤摘要】
一种康复训练参数确定方法、装置、电子设备及系统
本专利技术涉及一种康复训练参数确定方法、装置、电子设备及系统，属于智能评估领域。
技术介绍
在临床上，医生仅依靠感觉和经验对用户的肢体运动恢复情况进行评估，然后根据主观评估结果确定用户后续的康复训练强度、频率等训练参数。由于医生评估结果仅凭经验进行主观判断，容易导致给出的康复训练参数与用户康复情况不符的问题，影响用户康复，因此亟需一种能够较为客观准确地确定用户后续康复训练参数的方法。
技术实现思路
本专利技术的技术解决问题是：针对现有技术中存在的问题，提出一种下肢外骨骼康复训练参数确定方法、装置、电子设备及系统，能够较为客观准确地确定用户后续康复训练参数。为实现上述专利技术目的，本专利技术提供如下技术方案：一种康复训练参数确定方法，包括：获取用户肢体表面肌电信号和运动功能评定信息；根据所述表面肌电信号，确定用户肢体运动状态信息；根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。在一可选实施例中，所述预设的模糊神经网络模型为Takagi-Sugeno模糊神经网络模型。在一可选实施例中，所述运动功能评定信息包括运动功能评定值，所述获取运动功能评定信息，包括：显示运动功能评定量表，以使用户根据所述运动功能评定量表确定运动功能评定值；获取所述用户输入的所述运动功能评定值。在一可选实施例中，所述运动功能评定量表包括髋关节屈伸功能与分值的对应关系、膝关节屈伸功能与分值的对应关系、踝关节屈伸功能与分值的对应关系、直线运动功能与分值的对应关系、蹬自行车运动功能与分值的对应关系及8字形运动功能与分值的对应关系；所述运动功能评定信息包括髋关节屈伸评定值、膝关节屈伸评定值、踝关节屈伸评定值、直线运动评定值、蹬自行车运动评定值及8字形运动评定值。在一可选实施例中，所述表面肌电信号包括多块肌肉的肌电信号，所述肢体运动状态信息包括多种肢体运动的状态信息，且所述多块肌肉与所述多种肢体运动一一对应，所述根据所述表面肌电信号，确定用户肢体运动状态信息，包括：根据所述多块肌肉的肌电信号，确定所述多块肌肉对应的肌电图波幅的均方根值；将确定的所述多块肌肉对应的肌电图波幅的均方根值，作为所述多种肢体运动的状态信息。在一可选实施例中，所述多种肢体运动包括髋关节屈伸、膝关节屈伸、踝关节屈伸、直线运动、蹬自行车运动与8字形运动。在一可选实施例中，所述模糊神经网络模型为：其中：αj为所述用户肢体运动状态信息与运动功能评定信息对第j条模糊规则的适应度，yj是所述用户肢体运动状态信息与运动功能评定信息在第j条模糊规则的输出，m是模糊规则的数量，y为康复训练参数。在一可选实施例中，所述康复训练参数信息包括训练强度、训练周期、训练时间间隔及训练次数。一种康复训练参数确定装置，包括：获取模块，用于获取用户肢体表面肌电信号和运动功能评定信息；确定模块，用于根据所述表面肌电信号，确定用户肢体运动状态信息；转化模块，用于根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机指令；所述处理器执行所述一条或多条计算机指令，以用于：获取用户肢体表面肌电信号和运动功能评定信息；根据所述表面肌电信号，确定用户肢体运动状态信息；根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。一种康复训练参数确定系统，包括康复训练参数确定装置及表面肌电信号传感器，所述表面肌电信号传感器用于采集并发送用户肢体表面肌电信号，所述康复训练参数确定装置包括获取模块、确定模块及转化模块，所述获取模块用于获取所述表面肌电信号传感器发送的用户肢体表面肌电信号和运动功能评定信息，所述确定模块用于根据所述表面肌电信号确定用户肢体运动状态信息，所述转化模块用于根据预设的模糊神经网络模型将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。本专利技术具有如下有益效果：本专利技术实施例提供的康复训练参数确定方法，通过获取用户的肢体表面肌电信号，确定用户当前的肢体运动状态信息，采用模糊神经网络模型将肢体运动状态信息和运动功能评定信息量化成用户当前康复训练参数信息，使得到的康复训练参数信息客观、准确，避免了主观误判导致的训练效果不理想等问题。附图说明图1为本专利技术实施例提供的康复训练参数确定方法流程图；图2为本专利技术实施例提供的康复训练参数确定装置结构示意图；图3为本专利技术实施例提供的自适应模糊神经网络模型结构图形。具体实施方式参见图1，本专利技术实施例提供了一种康复训练参数确定方法，包括：步骤101：获取用户肢体表面肌电信号和运动功能评定信息；具体地，本专利技术实施例中表面肌电信号可以通过表面肌电传感器获得，所述运动功能评定信息可以包括根据现有单关节和/或多关节的运动功能评定量表评定所得评定值，所述量表可以包括肌张力、关节力矩、关节角度等运动功能参数区间及其对应的评定值，也可以包括关节运动状态与其对应的评定值，本专利技术不做限定，所述运动例如关节屈伸、肢体直线运动、肢体蹬自行运动等，对应的运动状态例如能进行、微弱进行、不能进行等状态，本专利技术实施例中，优选Fugl-Meyer运动功能评定量表；在一可选实施例中，所述获取运动功能评定信息，包括：显示运动功能评定量表，以使用户根据所述运动功能评定量表确定运动功能评定值；获取所述用户输入的所述运动功能评定值；本专利技术实施例中，用户既可以是医生也可以是患者本人，优选医生；通过显示功能评定量表，使用户根据量表提示给出客观运动功能评价信息，进一步提高了康复训练参数信息的准确、可靠性。在一具体实施例中，所述运动功能评定量表包括髋关节屈伸功能与分值的对应关系、膝关节屈伸功能与分值的对应关系、踝关节屈伸功能与分值的对应关系、直线运动功能与分值的对应关系、蹬自行车运动功能与分值的对应关系及8字形运动功能与分值的对应关系；所述运动功能评定信息包括髋关节屈伸评定值、膝关节屈伸评定值、踝关节屈伸评定值、直线运动评定值、蹬自行车运动评定值及8字形运动评定值，例如表1所示：表1运动功能评定量表步骤102：根据所述表面肌电信号，确定用户肢体运动状态信息；具体地，所述肢体运动状态信息可以为肢体运动的强度、幅度或角度等参数值，可以根据表面肌电信号的大小来确定各参数值。在一可选实施例中，所述表面肌电信号包括多块肌肉的肌电信号，所述肢体运动状态信息包括多种肢体运动的状态信息，且所述多块肌肉与所述多种肢体运动一一对应，所述根据所述表面肌电信号，确定用户肢体运动状态信息，包括：根据所述多块肌肉的肌电信号，确定所述多块肌肉对应的肌电图波幅的均方根值(RMS)；将确定的所述多块肌肉对应的肌电图波幅的均方根值，作为所述多种肢体运动的状态信息。由于肌电图波幅均方根值的波形与肌电信号的线性包络波形类似，在时间维度上反映着信号的振幅变化特征，其值与运动单元募集和兴奋节律的同步化相关，取决于肌肉负荷性因素和肌肉本身的生理、生化过程之间的内在联系，因其具有较好的实时性而常被用于描述肌肉活动状态；步骤103：根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。具体地，本专利技术实施例中，本文档来自技高网...

【技术保护点】
一种康复训练参数确定方法，其特征在于，包括：获取用户肢体表面肌电信号和运动功能评定信息；根据所述表面肌电信号，确定用户肢体运动状态信息；根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。

【技术特征摘要】
1.一种康复训练参数确定方法，其特征在于，包括：获取用户肢体表面肌电信号和运动功能评定信息；根据所述表面肌电信号，确定用户肢体运动状态信息；根据预设的模糊神经网络模型，将所述肢体运动状态信息和运动功能评定信息转化成康复训练参数信息。2.根据权利要求1所述的康复训练参数确定方法，其特征在于，所述预设的模糊神经网络模型为Takagi-Sugeno模糊神经网络模型。3.根据权利要求1所述的康复训练参数确定方法，其特征在于，所述运动功能评定信息包括运动功能评定值，所述获取运动功能评定信息，包括：显示运动功能评定量表，以使用户根据所述运动功能评定量表确定运动功能评定值；获取所述用户输入的所述运动功能评定值。4.根据权利要求3所述的康复训练参数确定方法，其特征在于，所述运动功能评定量表包括髋关节屈伸功能与分值的对应关系、膝关节屈伸功能与分值的对应关系、踝关节屈伸功能与分值的对应关系、直线运动功能与分值的对应关系、蹬自行车运动功能与分值的对应关系及8字形运动功能与分值的对应关系；所述运动功能评定信息包括髋关节屈伸评定值、膝关节屈伸评定值、踝关节屈伸评定值、直线运动评定值、蹬自行车运动评定值及8字形运动评定值。5.根据权利要求1-4任一项所述的康复训练参数确定方法，其特征在于，所述表面肌电信号包括多块肌肉的肌电信号，所述肢体运动状态信息包括多种肢体运动的状态信息，且所述多块肌肉与所述多种肢体运动一一对应，所述根据所述表面肌电信号，确定用户肢体运动状态信息，包括：根据所述多块肌肉的肌电信号，确定所述多块肌肉对应的肌电图波幅的均方根值；将确定的所述多块肌肉对应的肌电图波幅的均方根值，作为所述多种肢体运动的状态信息。6.根据权利要求5所述的康复训练参数确定方法，其特征在于，所述多种肢体运动包括髋关节屈伸、膝关...

【专利技术属性】
技术研发人员：陈靓，黄玉平，郑继贵，远桂方，郭雅静，
申请(专利权)人：北京精密机电控制设备研究所，
类型：发明
国别省市：北京,11