一种辅助腿部运动的可穿戴智能拐杖制造技术

本发明专利技术涉及一种辅助腿部运动的可穿戴智能拐杖，属于康复医疗设备领域，包括拐杖本体、可穿戴套件、支撑力采集组件、肌电信号采集组件、惯性传感器及康复评估云平台；所述拐杖本体通过手臂支撑组件固定在使用者手上；所述支撑力采集组件与拐杖本体连接，用于采集拐杖本体竖直方向上力的变化；所述肌电信号采集组件和惯性传感器通过可穿戴套件贴附在康复肌肉部位，所述肌电信号采集组件用于采集康复肌肉部位肌电信号，所述惯性传感器用于测量患者行走腿部所产生的角速度和加速度；所述康复评估云平台用于接收支撑力采集组件和肌电信号采集组件的数据，对康复状态进行监控并制定康复训练计划。训练计划。训练计划。

【技术实现步骤摘要】
一种辅助腿部运动的可穿戴智能拐杖


[0001]本专利技术属于康复医疗设备领域，涉及一种辅助腿部运动的可穿戴智能拐杖。

技术介绍

[0002]在腿部受伤时，患者需要对腿部进行康复训练，在尚未完全恢复时，使用普通的辅助器具走动时易对腿部造成二次伤害。所以现今人们对腿部的康复领域也十分重视，设计了不同的结构以及器具辅助腿部康复。针对帮助患者进行腿部康复，目前实现方法大致分为以下两类：第一类是普通的拐杖，它仅对患者可以起支撑作用，也无法保证患者可以平稳行走，患者腿部安全无法得到保障，具有很大的安全隐患。第二类是可穿戴下肢机器人，虽然它可以辅助患者行走并且提供可靠的支撑，但是它的体积比较大，质量较重，穿戴不便，不便于携带，并且价格昂贵，维修成本高，一般的普通家庭难以承担。如专利“一种伺服电机下肢外骨骼康复机器人”，公开了该机器人采用国产伺服电机及减速器，虽然在满足外骨骼柔顺活动的同时,大大降低了外骨骼的成本,出现故障时,维护成本也更低，但是它的成本也相对较高，体积较大不便于携带。
[0003]因此，现有的下肢智能康复设备无法做到既稳定又方便携带，并且无法对患者的实时康复状态进行监控，也就不便于针对患者制定专属的康复训练计划。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种精准辅助腿部运动的可穿戴智能拐杖，该拐杖适用于运动神经退行性疾病以及意外受伤所引起的需要下肢康复训练的患者。其可精准的对患者的腿部康复状态进行评估，通过建立康复数据管理平台，进行数据对比分析，帮助医生对患者制定更加合适的康复训练计划。同时，为患者提供步态康复训练，辅助患者进行自主移动，提供给患者一个更舒适更安全的选择。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种辅助腿部运动的可穿戴智能拐杖，包括拐杖本体、可穿戴套件、支撑力采集组件、肌电信号采集组件、惯性传感器及康复评估云平台；所述拐杖本体通过手臂支撑组件固定在使用者手上；所述支撑力采集组件与拐杖本体连接，用于采集拐杖本体竖直方向上力的变化；所述肌电信号采集组件和惯性传感器通过可穿戴套件贴附在康复肌肉部位，所述肌电信号采集组件用于采集康复肌肉部位肌电信号，所述惯性传感器用于测量患者行走腿部所产生的角速度和加速度；所述康复评估云平台用于接收支撑力采集组件和肌电信号采集组件的数据，对康复状态进行监控并制定康复训练计划。
[0007]进一步，所述拐杖本体包括拐杖杆、把手、四角底盘及连接机构，所述把手连接在拐杖杆上端，所述四角底盘连接在拐杖杆底部，所述连接机构用于将支撑力采集组件固定在四角底盘上，从而获取采集向把手施加的向下的力；所述拐杖杆为伸缩拐杖杆，通过定位销钉进调节高度。
[0008]进一步，还包括控制芯片、报警器、显示模块、通信模块、电源及DC
‑
DC稳压模块，所
述支撑力采集组件包括压力传感器和压力信号变送器，所述肌电信号采集组件包括肌肉电信号传感器和肌肉电信号放大器；所述压力传感器采集拐杖受力数据，并通过压力信号变送器发送给控制芯片进行预处理；所述肌肉电信号传感器实时检测使用者康复肌肉部位的肌肉电信号，通过肌肉电信号放大器将微小的肌肉电信号放大至控制芯片可以采集到的大小范围，再将数据传至控制芯片进行预处理；所述控制芯片将采集到的压力与肌肉电数据进行预处理后，通过通信模块发送到康复评估云平台；所述报警器用于接收控制芯片的命令进行声音报警，所述显示模块用于显示数据；所述电源通过DC
‑
DC稳压模块进行转换后为各模块供电。
[0009]进一步，所述康复评估云平台包括前端部分、后端部分、算法部分和运维部分；所述前端部分采用uniapp开发，实现横跨小程序、App、H5的前端平台；所述后端部分通过NestJS框架进行实现，如果请求数据是需要频繁读写的数据，则从Redis中读写，如果请求数据是非频繁读写的数据，则从Mysql中读写；所述算法部分通过基于深度学习网络的康复评估算法来分析康复情况，评估康复状态，制定康复训练方案；所述运维部分通过DevOps平台进行运行维护。
[0010]进一步，所述康复评估算法包括：
[0011]分割算法研究：将采集到的数据进行重复次数分割算法以及肌肉状态、力作用状态分割算法研究后，生成拐杖使用记录；
[0012]肌肉动态能力评估：将所述分割算法研究的数据基于力产生能力指标和力保持能力指标进行分析，实现对使用者肌肉功能的评价。
[0013]进一步，所述康复评估算法具体包括以下步骤：
[0014]S1：首先将采集到的数据进行样本预处理；
[0015]S2：将样本数据划分为训练集和测试集；
[0016]S3：根据训练集中样本构建训练任务：首先从训练集中选取K类样本，每类中选取N个样本作为Support Set，再选取一个Query Set，直至构建出足够的训练任务和测试任务；
[0017]S4：训练：将训练任务中的Support Set输入到网络中，得到高维特征后，拉远不同类特征距离同时拉近同类特征距离来优化网络参数，再通过Query Set中的一个样本来测试优化后的参数后，最后根据分类损失进行进一步的优化；
[0018]S5：测试：将测试集中任务按照步骤S4相同的步骤来进行对Query Set进行测试，根据测试结果判断模型是否有效，如果准确率较低则重新回到步骤S3；
[0019]S6：部署：将模型部署到云端中，之后的数据上传到数据库后直接调用模型进行预测；
[0020]S7：传输：将采集到的数据预处理编码后上传到云端，云端保存解码后数据；
[0021]S8：模型预测：将数据输入到网络模型中，得出该数据对应以下6类的预测概率，以最大概率的类别为预测结果；
[0022]0级：完全瘫痪；
[0023]1级：有肌肉收缩，但无肢体关节运动；
[0024]2级：肢体能完成全关节活动范围，能在床面移动，但不能对抗重力抬起；
[0025]3级：肢体能完成全关节活动范围，可抬离床面，对抗重力，不能对抗阻力；
[0026]4级：肢体能完成全关节活动范围，并能对抗一定的外界阻力，但未达到正常；
[0027]5级：完全正常；
[0028]S9：评估：对采集的数据进行处理：首先对其肌力依照medical research council分级将其分为0
‑
5总共6个等级，若判断分析其对应肌力等级小于3，则直接将分析结果发送给医生，令医生对其进行进一步的检测分析；若肌力等级大于3的肌肉则进行等长肌力检测、等张肌力检测及等速肌力检测，判断恢复情况，再根据结果和之前的数据对比，得出其康复进度以及目前康复状态；
[0029]S10：可视化：将云端分析结果发送到前端部分进行可视化呈现。
[0030]进一步，所述康复评估云平台在进行康复状态评估后，还具有步态训练功能，具体包括：
[0031]针对不同程度的康复状态设置有不同强度的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种辅助腿部运动的可穿戴智能拐杖，其特征在于：包括拐杖本体、可穿戴套件、支撑力采集组件、肌电信号采集组件、惯性传感器及康复评估云平台；所述拐杖本体通过手臂支撑组件固定在使用者手上；所述支撑力采集组件与拐杖本体连接，用于采集拐杖本体竖直方向上力的变化；所述肌电信号采集组件和惯性传感器通过可穿戴套件贴附在康复肌肉部位，所述肌电信号采集组件用于采集康复肌肉部位肌电信号，所述惯性传感器用于测量患者行走腿部所产生的角速度和加速度；所述康复评估云平台用于接收支撑力采集组件和肌电信号采集组件的数据，对康复状态进行监控并制定康复训练计划。2.根据权利要求1所述的辅助腿部运动的可穿戴智能拐杖，其特征在于：所述拐杖本体包括拐杖杆、把手、四角底盘及连接机构，所述把手连接在拐杖杆上端，所述四角底盘连接在拐杖杆底部，所述连接机构用于将支撑力采集组件固定在四角底盘上，从而获取采集向把手施加的向下的力；所述拐杖杆为伸缩拐杖杆，通过定位销钉进调节高度。3.根据权利要求1所述的辅助腿部运动的可穿戴智能拐杖，其特征在于：还包括控制芯片、报警器、显示模块、通信模块、电源及DC
‑
DC稳压模块，所述支撑力采集组件包括压力传感器和压力信号变送器，所述肌电信号采集组件包括肌肉电信号传感器和肌肉电信号放大器；所述压力传感器采集拐杖受力数据，并通过压力信号变送器发送给控制芯片进行预处理；所述肌肉电信号传感器实时检测使用者康复肌肉部位的肌肉电信号，通过肌肉电信号放大器将微小的肌肉电信号放大至控制芯片可以采集到的大小范围，再将数据传至控制芯片进行预处理；所述控制芯片将采集到的压力与肌肉电数据进行预处理后，通过通信模块发送到康复评估云平台；所述报警器用于接收控制芯片的命令进行声音报警，所述显示模块用于显示数据；所述电源通过DC
‑
DC稳压模块进行转换后为各模块供电。4.根据权利要求1所述的辅助腿部运动的可穿戴智能拐杖，其特征在于：所述康复评估云平台包括前端部分、后端部分、算法部分和运维部分；所述前端部分采用uniapp开发，实现横跨小程序、App、H5的前端平台；所述后端部分通过NestJS框架进行实现，如果请求数据是需要频繁读写的数据，则从Redis中读写，如果请求数据是非频繁读写的数据，则从Mysql中读写；所述算法部分通过基于深度学习网络的康复评估算法来分析康复情况，评估康复状态，制定康复训练方案；所述运维部分通过DevOps平台进行运行维护。5.根据权利要求1所述的辅助腿部运动的可穿戴智能拐杖，其特征在于：所述康复评估算法包括：分割算法研究：将采集到的数据进行重复次数分割算法以及肌肉状态、力作用状态分割算法研究后，生成拐杖使用记录；肌肉动态能力评估：将所述分割算法研究的数据基于力产生能力指标和力保持能力指标进行分析，实现对使用者肌肉功能的评价。6.根据权利要求5所述的辅助腿部运动的可穿戴智能拐杖，其特征在于：所述康复评估算法具体包括以下步骤：S1：首先将采集到的数据进行样本预处理；S2：将样本数据划分为训练集和测试集；S3：根据训练集中样本构建训练任务：首先从训练集中选取K类样本，每类中选取N个样本作为Support Set，再选取一个Query Set，直至构建出足够的训练任务和测试任务；
S4：训练：将训练任务中的Support Set输入到网络中，得到高维特征后，拉远不同类特征距离同时拉近同类特征距离来优化网络参数，再通过Query Set中的一个样本来...

【专利技术属性】
技术研发人员：郑凯，彭文军，白银，杨灿，胡博，毛远豪，张邓明，邢浩斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：