【技术实现步骤摘要】
便携式穴位刺激仪与人机交互的成人吞咽康复训练系统
[0001]本专利技术属于中医及吞咽康复训练与计算机技术融合
,尤其涉及一种便携式穴位刺激仪与人机交互的成人吞咽康复训练系统。
技术介绍
[0002]目前,随着社会老龄化和城市化进程的加速,我国脑卒中疾病为爆发式增长的态势,而吞咽功能障碍是急性脑卒中最常见的并发症,其发生率为22~65%,可导致脑卒中患者出现营养不良、脱水、吸入性肺炎等并发症,增加其发病率、死亡率和住院费用,严重影响患者心理和疾病预后。为了使患者恢复吞咽功能,需要借助一些外部装置或者工具来协助开展吞咽训练。吞咽训练可对卒中后的吞咽功能障碍恢复有很好的训练效果。但是,现有吞咽训练装置通常只能进行单一项目的训练,如单一的舌肌训练、呼吸训练或者唇肌训练等,且其结构也较为复杂,不便于患者进行自主训练,以使训练效果不佳。因此,亟需设计一种新的便携式穴位刺激仪与人机交互的成人吞咽康复训练系统。
[0003]通过上述分析,现有技术存在的问题及缺陷为:现有吞咽训练装置只能进行单一项目的训练,且结构复杂,不便于患者自主训练,训练效果不佳。
技术实现思路
[0004]针对现有技术存在的问题,本专利技术提供了一种便携式穴位刺激仪与人机交互的成人吞咽康复训练系统。
[0005]本专利技术是这样实现的,一种便携式穴位刺激仪与人机交互的成人吞咽康复训练系统设置有:
[0006]中央控制模块;
[0007]中央控制模块线性连接验证模块和智能处理,验证模块用于诊断验证患者的吞咽患 ...
【技术保护点】
【技术特征摘要】
1.一种便携式穴位刺激仪与人机交互的成人吞咽康复训练系统,其特征在于,所述便携式穴位刺激仪与人机交互的成人吞咽康复训练系统设置有:中央控制模块;中央控制模块线性连接验证模块和智能处理,验证模块用于诊断验证患者的吞咽患病程度;智能处理模块用于针对验证模块验证的病情针对所需要的穴位刺激程度进行智能化控制;中央控制模块线性连接有人脸图像获取模块,人脸图像获取模块用于通过图像获取设备获取待康复训练对象的人脸图像数据;中央控制模块还连接有穴位定位模块,穴位定位模块用于通过定位设备根据人脸图像特征对待康复训练对象的康复训练穴位进行自动定位;中央控制模块还连接有呼吸训练模块,用于通过呼吸训练组件对待康复训练对象的呼吸进行训练;中央控制模块还连接有舌肌训练模块,用于通过舌肌训练组件对待康复训练对象的舌肌进行训练;中央控制模块还连接有康复训练评价模块,用于通过评价程序根据呼吸训练数据和舌肌训练数据对康复训练对象的康复训练指标进行评价;中央控制模块还连接有数据传输模块,用于通过数据传输装置将获取的待康复训练对象的人脸图像数据以及图像特征数据发送至中央处理器。2.如权利要求1所述的便携式穴位刺激仪与人机交互的成人吞咽康复训练系统,其特征在于,所述便携式穴位刺激仪与人机交互的成人吞咽康复训练系统还包括:数据传输模块,与中央控制模块连接,用于通过数据传输装置将获取的待康复训练对象的人脸图像数据以及图像特征数据发送至中央处理器;中央控制模块,与数据传输模块、人机交互模块、提醒模块、训练记录模块、数据存储模块、更新显示模块连接,用于通过中央处理器协调控制所述便携式穴位刺激仪与人机交互的成人吞咽康复训练系统各个模块的正常运行;人机交互模块,与中央控制模块连接,用于通过人机交互设备进行待康复训练对象与成人吞咽康复训练系统的交互操作;提醒模块,与中央控制模块连接,用于通过声光提醒装置根据人交互信息对待康复训练对象的错误训练动作进行提醒;训练记录模块,与中央控制模块连接,用于通过训练记录程序对待康复训练对象的吞咽康复训练过程数据进行记录;数据存储模块,与中央控制模块连接,用于通过存储装置存储获取的待康复训练对象的人脸图像数据、图像特征数据、康复训练穴位、呼吸训练数据、舌肌训练数据、人机交互信息、提醒信息以及康复训练评价结果;更新显示模块,与中央控制模块连接,用于通过显示器对获取的待康复训练对象的人脸图像数据、图像特征数据、康复训练穴位、呼吸训练数据、舌肌训练数据、人机交互信息、提醒信息以及康复训练的评价结果的实时数据进行更新显示。3.如权利要求1所述的便携式穴位刺激仪与人机交互的成人吞咽康复训练系统,其特征在于,所述通过图像特征提取模块利用特征提取程序对获取的待康复训练对象的人脸图
像进行特征提取包括:(1)基于深度卷积神经网络构建人脸图像特征提取模型,并对所述基于深度卷积神经网络的图像特征提取模型逐层进行卷积计算,得到图像特征向量;(2)将所述图像特征向量传输至中央处理模块,中央处理模块所述图像特征向量分别与人脸图类别对应的预定数目的子中心向量计算相似度,得到初步诊断病症;(3)将初步诊断病症传输至验证模块和智能处理模块,通过验证模块对得到的初步病症进行并将相似度最大值作的人脸图像类别比对,对初步病症进行验证;(4)将验证后的病症信息传输至智能处理模块,智能处理模块基于所述人脸图像类别的相似度计算损失值;根据所述损失值确定继续训练还是结束训练;若继续训练,则使用优化器对所述基于深度卷积神经网络的图像特征提取模型进行优化,并利用新的图像特征提取模型进行图像特征的二次提取;若结束训练,则输出首次提取的...
【专利技术属性】
技术研发人员:左冠超,王红艳,
申请(专利权)人:四川省八一康复中心四川省康复医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。