一种康复训练系统技术方案

本发明专利技术公开了一种脑卒中康复训练系统，包括康复训练任务推荐模块、康复训练模块和康复训练任务完成评价模块，其中：康复训练任务推荐模块用于根据脑卒中患者的康复评估结果为患者推荐自适应的康复训练任务；康复训练模块用于根据康复训练任务推荐模块推荐的康复训练任务对脑卒中患者进行康复训练；康复训练任务完成评价模块用于对患者的康复训练完成度进行评价，并反馈至康复训练任务推荐模块；所述康复训练任务推荐模块包括融合运动功能和脑功能的康复训练任务推荐模块。脑功能的康复训练任务推荐模块。脑功能的康复训练任务推荐模块。

【技术实现步骤摘要】
一种康复训练系统
[0001]本申请是申请号为“202210812775.3”、申请日为2022年07月12日、专利技术名称为“一种脑卒中康复训练系统”的专利技术专利申请的分案申请。


[0002]本专利技术涉及康复训练
，尤其涉及一种康复训练系统。

技术介绍

[0003]脑卒中是我国居民致死、致残的首位原因，呈现出高发病率、高致残率、高死亡率、高复发率的特点。尽管可以接受康复治疗，但仍然有约60％
‑
80％脑卒中患者遗留有明显的运动功能障碍，为家庭和社会带来沉重的照护成本。因此高质高效的康复训练是解决当前问题的最重要手段，也是帮助患者恢复生活独立、回归社会的必然选择。
[0004]研究表明，脑卒中患者主要是神经环路受损，因此在康复评估和康复训练的过程中需要综合考虑脑功能的信息，辅助医生为患者提供自适应的康复训练方法。因此，融合运动功能和脑功能的康复训练方案推荐是未来康复训练的一个重要趋势。
[0005]另外，多物理刺激也是脑卒中康复的重要手段，通过声光电磁等物理刺激对患者的脑、中枢、肌肉等进行非侵入式刺激，刺激一段时间后能够改善皮层活动，以促进神经环路和运功功能重建，因此多物理协同刺激是未来神经调控的一个重要发展方向。
[0006]为此，本专利技术提出了一种适用于脑卒中康复的训练系统，构建了基于肢体运动功能、基于脑功能、融合运动功能和脑功能的最优康复训练任务推荐模型，并辅以信息检测及物理刺激手段，提升了脑
‑
肌
‑
肢体多源信息与多物理刺激联合的康复训练效率，从而达到了最佳的康复训练效果。

技术实现思路

[0007]为实现本专利技术之目的，采用以下技术方案予以实现：
[0008]一种脑卒中康复训练系统，包括康复训练任务推荐模块、康复训练模块和康复训练任务完成评价模块，其中：康复训练任务推荐模块用于根据脑卒中患者的康复评估结果为患者推荐自适应的康复训练任务；康复训练模块用于根据康复训练任务推荐模块推荐的康复训练任务对脑卒中患者进行康复训练；康复训练任务完成评价模块用于对患者的康复训练完成度进行评价，并反馈至康复训练任务推荐模块。
[0009]所述的脑卒中康复训练系统，其中：所述康复训练任务推荐模块包括基于肢体运动功能的康复训练任务推荐模块和基于脑功能的康复训练任务推荐模块，所述基于肢体运动功能的康复训练任务推荐模块用于根据患者的运动功能量表评估结果推荐适合患者的康复训练任务；基于脑功能的康复训练任务推荐模块用于根据患者的核磁共振脑图像评估结果推荐适合患者的康复训练任务。
[0010]所述的脑卒中康复训练系统，其中基于肢体运动功能的康复训练任务推荐模块按如下方式根据患者的运动功能量表评估结果推荐适合患者的康复训练任务：构建基于脑卒
中患者运动功能量表的康复训练任务数据库，并对数据库中的量表信息和基本信息进行预处理，分别得到量表特征向量L
RK
和基本信息向量J
K
；将预处理后量表数据和基本信息特征向量输入到卷积神经网络模型中进行训练和模型优化，最终得到基于肢体运动功能的康复训练任务推荐模型：
[0011]Y
RK
＝[BW
i
,TP
i
,HR
i
,TM
i
,F
i
]＝G
1CNN
(L
RK
，J
K
)
[0012]其中，Y
RK
为推荐的康复训练任务，包含不同肢体部位的康复训练任务类型、康复训练任务难度、康复训练任务时间和康复训练频率；i的取值为[1，8],分别表示肢体不同部位：左脚、左下肢、左上肢、左手、右脚、右下肢、右上肢、右手；BW
i
为某肢体部位；TP
i
为某部位的康复训练任务类型；HR
i
为某部位的康复训练任务难度；TM
i
为某部位的康复训练任务时间；F
i
为某部位的康复训练任务频率；G
1CNN
为训练好的卷积神经网络模型；L
RK
为预处理后的量表特征向量；J
K
为预处理后的患者基本信息。
[0013]所述的脑卒中康复训练系统，其中基于脑功能的康复训练任务推荐模块按如下方式根据患者的核磁共振脑图像评估结果推荐适合患者的康复训练任务：
[0014]构建基于脑卒中患者核磁共振脑图像的康复训练任务数据库，并对数据库中的核磁共振脑图像及报告数据进行预处理；
[0015]利用卷积神经网络模型提取预处理后的核磁共振脑图像和报告的数据特征；
[0016]H
NK
＝Feedforward(W
CNN
，B
CNN
；JJ
CNN
,CH
CNN
；HC,BG；)
[0017]其中，H
NK
是卷积神经网络模型提取得到的特征向量；Feedforward是前馈神经网络函数；W
CNN
是卷积神经网络模型的权重矩阵，B
CNN
是偏置参数；JJ
CNN
是卷积模块的卷积层，卷积核为2*2，卷积步长为2*2；CH
CNN
是卷积模块的池化层，池化层为3*3的最大池化核；HC、BG分别为输入的核磁共振脑图像数据和数据报告；
[0018]将提取的核磁共振脑图像和报告数据特征输入到另一卷积神经网络模型中进行训练和模型优化，最终得到脑功能的康复训练任务推荐模型：
[0019]Y
NK
＝[BW
i
,TP
i
,HR
i
,TM
i
,F
i
]＝G
2CNN
(L
RK
，H
NK
，J
K
)
[0020]其中，Y
NK
为推荐的康复训练任务，包含不同肢体部位的康复训练任务类型、康复训练任务难度、康复训练任务时间和康复训练频率；i的取值为[1，8],分别表示肢体不同部位：左脚、左下肢、左上肢、左手、右脚、右下肢、右上肢、右手；BW
i
为某肢体部位；TP
i
为某部位的康复训练任务类型；HR
i
为某部位的康复训练任务难度；TM
i
为某部位的康复训练任务时间；F
i
为某部位的康复训练任务频率；G
2CNN
为训练好的卷积神经网络模型；H
NK
为核磁共振脑图像和报告数据特征；J
K
为预处理后的患者基本信息。
[0021]所述的脑卒中康复训练系统，其中所述康复训练任务推荐模块还包括融合运动功能和脑功能的康复训练任务推荐模块，用于按如下方式根据患者的量表运动功能数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑卒中康复训练系统，包括康复训练任务推荐模块、康复训练模块和康复训练任务完成评价模块，其特征在于：康复训练任务推荐模块用于根据脑卒中患者的康复评估结果为患者推荐自适应的康复训练任务；康复训练模块用于根据康复训练任务推荐模块推荐的康复训练任务对脑卒中患者进行康复训练；康复训练任务完成评价模块用于对患者的康复训练完成度进行评价，并反馈至康复训练任务推荐模块；所述康复训练任务推荐模块包括融合运动功能和脑功能的康复训练任务推荐模块。2.根据权利要求1所述的脑卒中康复训练系统...

【专利技术属性】
技术研发人员：张静莎，李增勇，张腾宇，
申请(专利权)人：国家康复辅具研究中心，
类型：发明
国别省市：