一种基于贝叶斯多层线性回归自动选择康复机器人训练策略的方法技术

本发明专利技术公开了一种基于贝叶斯多层线性回归自动选择康复机器人训练策略的方法，该方法对不同受试者、不同反馈策略在相同的试验流程下的成绩进行信息采集，在不同的反馈策略下，根据受试者的基线与短期评估的成绩、基线与从基线到短期评估的成绩改变量之间的线性关系，建立多层线性回归预测模型，在模型基础上，计算出模型中的未知参数，对新来的受试者进行基线训练，将受试者的基线成绩放入不同反馈策略的预测模型中，比较预测出的不同反馈策略下受试者的短期评估成绩，为受试者选择潜在学习益处最大的反馈策略进行训练。本发明专利技术只需获取患者初始技能水平，就可预测出患者在不同反馈策略的运动提升量，保证所选的训练策略有最大的运动提升量。运动提升量。运动提升量。

【技术实现步骤摘要】
一种基于贝叶斯多层线性回归自动选择康复机器人训练策略的方法


[0001]本专利技术属于康复机器人训练
，具体涉及一种基于贝叶斯多层线性回归自动选择康复机器人训练策略的方法。

技术介绍

[0002]训练策略的有效性取决于受试者初始技能水平与学习任务特点，现有研究用叶贝斯方法估计在帮助的反馈策略下受试者运动能力可提升的基线阈值，根据估计出的基线阈值将受试者分为低、中、高技能水平者，研究表明只有低技能水平者在帮助的反馈策略下能提升(TAKAI A,LISI G,NODA T,et al.Bayesian Estimation of Potential Performance Improvement Elicited by Robot
‑
Guided Training[J].Front Neurosci
‑
Switz,2021,15.)。
[0003]为保证受试者的积极参加、提供适配其运动能力的训练难度，有研究实时监测受试者的心电、皮电、呼吸及面部肌肉等生理响应参数与表现，来感知患者训练过程中的挫败、兴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于贝叶斯多层线性回归自动选择康复机器人训练策略的方法，其特征在于包括如下步骤：1)对不同受试者、不同反馈策略在相同的试验流程下的成绩进行信息采集，然后在不同的反馈策略下，根据受试者的基线与短期评估的成绩、基线与从基线到短期评估的成绩改变量之间的线性关系，建立多层线性回归预测模型；2)在建立好的预测模型的基础上，计算出模型中的未知参数，对新来的受试者进行基线训练，将受试者的基线成绩放入不同反馈策略的预测模型中，比较预测出的不同反馈策略下受试者的短期评估成绩，为受试者选择潜在学习益处最大的反馈策略进行训练。2.如权利要求1所述的方法，其特征在于步骤1)中信息采集过程的具体操作过程为：将不同受试者随机分成无误差调控组、基于误差增大的视觉反馈和基于误差减小的力学反馈组、基于误差减小的视觉反馈和基于误差增大的力学反馈组，所有受试者包括多组训练，训练过程依次为熟悉阶段、基线分组阶段、基线阶段、基线泛化阶段、训练阶段、短期评估阶段、短期泛化评估阶段、长期评估阶段以及长期泛化评估阶段，然后对成绩进行分析。3.如权利要求2所述的方法，其特征在于熟悉阶段的具体过程为给与没有误差调控的视力觉反馈，使受试者熟悉康复机器人与轨迹追踪任务；基线分组阶段的过程为给与没有误差调控的视力觉反馈，测试受试者的初始技能水平；基线阶段的过程为给与没有误差调控的视力觉反馈；基线泛化阶段的过程为给与没有误差调控的视力觉反馈，并将轨迹追踪任务旋转90
°
，测试受试者泛化试验的初始技能水平；训练阶段的过程为无误差调控组受试者给与没有误差调控的视力觉反馈，视大力小组受试者给与基于误差增大的视觉反馈和基于误差减小的力觉反馈，视小力大组受试者给与基于误差减小的视觉反馈和基于误差增大的力觉反馈；短期评估阶段的过程为给与没有误差调控的视力觉反馈，测试受试者训练后的技能水平；短期泛化评估阶段的过程为给与没有误差调控的视力觉反馈，并将轨迹追踪任务旋转90
°
，测试受试者训练后技能转移水平能力；长期评估阶段的过程为给与没有误差调控的视力觉反馈，测试受试者技能的长期保留效果；长期泛化评估阶段的过程为给与没有误差调控的视力觉反馈，并将轨迹追踪任务旋转90
°
，测试受试者技能转移的长期保留效果。4.如权利要求3所述的方法，其特征在于成绩分析的过程为记录受试者每圈的成绩数据，当一圈内实际点(x
i
，y
i
)与目标点(x
j
，y
j
...

【专利技术属性】
技术研发人员：孟京艳，刘云峰，胡阳，赵大正，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：