【技术实现步骤摘要】
本专利技术一般地涉及康复医疗。更具体地，本专利技术涉及一种坐站自学习训练方法及系统。
技术介绍
1、老年人普遍面临着各种慢性病和人体机能的衰退，其中下肢的坐站转换功能缺失、行走站立能力减弱是最普遍的问题。此外，脑卒中患者、偏瘫患者、截瘫患者、脊髓损伤患者等下肢功能障碍患者也迫切需要进行坐站训练，以此摆脱长期卧床带来的肌肉萎缩、关节僵硬、压疮等问题，并为后续行走训练做准备。
2、其中，坐站转换动作是人体从坐姿到其它动作的转换动作，也是下肢功能障碍患者首先要恢复和训练的基础动作。坐站转换功能的恢复对下肢障碍患者具有十分重要的意义。
3、规律而科学的康复辅助训练配以合适的医疗辅助器械对恢复和提高下肢坐站转换功能十分有效，能有效地帮助患者恢复受限的肢体功能，提高他们的日常生活能力。
4、目前传统坐站功能训练的医疗器械多为普通方凳或座椅，训练时，由医护人员进行帮扶，需要医生一对一进行康复训练，这种训练无器械导向，加之成人患者体重较大，因此训练过程对辅助人员的体力消耗巨大、且效率低，同时患者也更易发生患者易摔倒，出现意外损伤，同时也难以给患者的坐站做定型训练，并且无法保证训练的质量。
5、因此，如何提供一种效率高、且能够保证训练质量的坐站自学习方法是尤为重要的。
技术实现思路
1、为解决上述一个或多个技术问题，本专利技术提出一种站坐自学习训练方法及系统，用于辅助患者能够进行坐站自主训练，提高患者的训练质量。为此，本专利技术在如下的两个方面中提供方
2、在第一方面中，一种坐站自学习训练方法，包括以下步骤：
3、实时获取当前康复训练座椅的压力数据；
4、基于所述压力数据，判断患者是否位于康复训练座椅上；
5、当患者位于康复训练座椅上时，判断患者是否存在站立运动意向，若存在站立运动意向，控制康复训练座椅的座位板向下倾斜至预设倾斜角度，进行患者从坐姿到站姿转换的辅助，以实现患者自主坐站训练；
6、其中，预设倾斜角度的获取过程为：
7、实时获取患者从站姿到坐姿的时间段内不同时刻膝盖的运动数据；其中运动数据包括加速度数据和/或弯曲角度；
8、基于所述运动数据，确定患者的控制指标；
9、基于所述控制指标，并结合预先构建的倾斜角度与控制指标的映射关系；确定所述控制指标对应的倾斜角度，将其作为预设倾斜角度。
10、可选地，所述预先构建的倾斜角度与控制指标的映射关系的获取方法为：
11、获取历史数据中的不同患者从站姿到坐姿过程中不同时刻的运动数据以及倾斜角度；
12、基于运动数据，对不同患者进行分类，得到不同类别；
13、基于各类别中各患者的倾斜角度，得到该类别的所有患者的角度均值，将角度均值作为该类别患者的倾斜角度；则每个类别均对应一个控制指标和角度均值，进而得到控制指标和倾斜角度的映射关系。
14、可选地，当运动数据为加速度数据时，所述控制指标为加速度数据的均值；当运动数据为弯曲角度时，所述控制指标为弯曲角度的均值；当运动数据为加速度数据和弯曲角度时，则将两数据先进行归一化处理，再进行加权求和，得到控制指标。
15、可选地，所述对不同患者进行分类的方法采用k-means聚类或密度聚类。
16、可选地，还采用改进的k-means聚类方法对不同患者进行分类，具体为：
17、设置初始k值，对不同患者进行分类，得到k个类别，k大于1；
18、基于患者的患病情况，对每个类别进行评价，确定每个类别中的患者的患病情况是否属于相同或相似的情况；
19、对于属于相同或相似的情况的类别，进行保留；对于不属于相同或相似的情况的类别，基于k值，进行再分类，继续对每个类别进行评价，直至得到的所有类别中的患者均属于相同或相似的情况，其中相似的情况为每个类别中至少存在一半以上相同患病情况的患者。
20、可选地，所述判断患者是否存在站立运动意向是通过实际骨盆高度或压力值进行判断的；若实际骨盆高度变大或者压力值变小时，则患者具有站立运动意向。
21、在第二方面中，一种坐站自学习训练系统，包括：
22、处理器；以及
23、存储器，其存储有用于坐站自学习训练的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行上述的一种坐站自学习训练方法。
24、本专利技术的有益效果为：
25、本专利技术的方案，通过判断患者在进行坐姿到站姿开始转换时，控制康复训练座椅进行向下倾斜，为患者即将站起起到辅助作用，不仅避免了现有技术依靠辅助人员效率低的问题，而且能够根据提高患者的安全性以及训练的质量。
26、进一步地，本专利技术的方案通过历史患者从站姿到坐姿过程中的运动数据，能够估算出不同患者在后续训练中患者的下肢的倾斜角度与运动数据的映射关系，从而基于倾斜角度与运动数据的映射关系，在当前患者从坐姿转换为站姿时，能够合理的选出当前倾斜角度，使其能够最大限度地保证患者训练的质量。
本文档来自技高网...【技术保护点】
1.一种坐站自学习训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种坐站自学习训练方法，其特征在于，
3.根据权利要求2所述的一种坐站自学习训练方法，其特征在于，当运动数据为加速度数据时，所述控制指标为加速度数据的均值；当运动数据为弯曲角度时，所述控制指标为弯曲角度的均值；当运动数据为加速度数据和弯曲角度时，则将两数据先进行归一化处理，再进行加权求和，得到控制指标。
4.根据权利要求2所述的一种坐站自学习训练方法，其特征在于，所述对不同患者进行分类的方法采用k-means聚类或密度聚类。
5.根据权利要求4所述的一种坐站自学习训练方法，其特征在于，还采用改进的k-means聚类方法对不同患者进行分类，具体为：
6.根据权利要求1所述的一种坐站自学习训练方法，其特征在于，所述判断患者是否存在站立运动意向是通过实际骨盆高度或压力值进行判断的；若实际骨盆高度变大或者压力值变小时，则患者具有站立运动意向。
7.一种坐站自学习训练系统，其特征在于，包括：
【技术特征摘要】
1.一种坐站自学习训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种坐站自学习训练方法，其特征在于，
3.根据权利要求2所述的一种坐站自学习训练方法，其特征在于，当运动数据为加速度数据时，所述控制指标为加速度数据的均值；当运动数据为弯曲角度时，所述控制指标为弯曲角度的均值；当运动数据为加速度数据和弯曲角度时，则将两数据先进行归一化处理，再进行加权求和，得到控制指标。
4.根据权利要求2所述的一种坐站自学习训练方法，其...
【专利技术属性】
技术研发人员：何永正，孟令珂，黄建忠，信焕玲，钱钰琦，杨登辉，
申请(专利权)人：河南嘉宇医疗科技有限责任公司，
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。