【技术实现步骤摘要】
本专利技术涉及康复机器人及人机交互，尤其涉及一种个性化动态康复人机交互方法、系统、终端及计算机可读存储介质。
技术介绍
1、随着现代化进程的加速，脑卒中的发病率呈逐年持续上升且年轻化趋势，已成为威胁民众健康的公共卫生问题。据相关统计，约有75％的脑卒中患者存在不同程度的功能障碍，严重降低了患者的生活自理能力，导致其难以回归正常的家庭和社会生活。
2、传统的功能康复训练需要康复师根据医生的治疗方案对患者进行人工辅助，耗时耗力，且依赖于康复师的临床经验和主观判断，难以准确客观地评估患者的主动参与程度及功能恢复情况。
3、近年来，医疗机器人技术已广泛应用于运动功能康复领域，可以为患者提供长期有效的康复训练引导和辅助。与人工判断相比，康复机器人可借助脑电和肌电等生理信号更客观实时且精准地记录并评估患者的训练状态和康复效果，从而辅助康复师和医生制定进一步的个性化康复训练方案。因此，康复机器人可以提供个性化、可重复和高密度的康复训练，具有实时监控和反馈等优势，其开发和优化对神经肌肉疾病患者的功能康复至关重要。
4、在康复机器人系统中，人机交互控制策略是为了实现特定治疗目标和适应患者需求而采取的控制方法，直接影响患者的训练主动性和康复治疗效果。临床医学研究表明，相比于重复枯燥的被动训练，有患者主动参与的康复治疗对神经系统重建和运动功能恢复更加有效，能够对患者的认知功能和心理情绪功能的恢复产生积极影响，提高患者的康复效率。
5、因此，保持并提高患者在训练过程中的主动参与度是当前脑卒中康复的研究重点
6、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种个性化动态康复人机交互方法、系统、终端及计算机可读存储介质，旨在解决现有技术无法实时监测患者的主动参与度及投入状态的变化，无法根据患者的运动能力和训练进展动态调整辅助控制参数，难以满足患者的个性化康复需求的问题。
2、为实现上述目的，本专利技术提供一种个性化动态康复人机交互方法，所述个性化动态康复人机交互方法包括如下步骤：
3、获取目标患者康复训练时的目标参数，以及每个动作对应的运动单元平均放电频率和单位时间内的累积脉冲，并存储到在康复训练系统中；
4、将高密度柔性电极贴附在目标患者肢体的相应肌肉上，采集表面肌电信号，并采用滑动窗口实时分割表面肌电信号，得到表面肌电信号时间窗，并从表面肌电信号时间窗提取运动单元放电脉冲序列；
5、将表面肌电信号时间窗及运动单元放电脉冲序列分别输入特征提取模块，并通过深度变换神经网络进行特征融合，回归预测患者的关节运动角度和末端力；
6、计算运动单元的平均放电频率及单位时间内的累积脉冲，量化目标患者在康复训练过程中的主动参与度，并采用运动过程中的平均放电频率及单位时间内的累积脉冲与目标平均放电频率及累积脉冲之间的比值表示患者的主动参与度百分比，根据患者实际运动参数与目标运动参数之间的平均绝对百分比误差评估并记录患者的运动表现；
7、基于强化学习算法，根据目标患者的主动参与度和运动表现动态调整康复机器人的最大辅助力和运动速度，以实现康复机器人的个性化动态康复反馈控制。
8、可选地，所述的个性化动态康复人机交互方法，其中，所述获取目标患者康复训练时的目标参数，以及每个动作对应的运动单元平均放电频率和单位时间内的累积脉冲，并存储到在康复训练系统中，具体包括：
9、在训练开始前，根据康复训练计划，对于偏瘫的第一目标患者，采集第一目标患者健康侧肢体完成多种日常生活动作时的关节运动角度和末端力，存储在康复训练系统中，作为第一目标患者康复训练时的目标参数；
10、对于双侧肢体均存在运动障碍的第二目标患者，采集与第二目标患者年龄和身高相仿的健康人完成多种日常生活动作时的平均关节运动角度和平均末端力，存储在康复训练系统中，作为第二目标患者康复训练时的目标参数；
11、将每个动作对应的运动单元平均放电频率和单位时间内的累积脉冲存储在康复训练系统中，用于计算患者的主动参与度。
12、可选地，所述的个性化动态康复人机交互方法，其中，所述从表面肌电信号时间窗提取运动单元放电脉冲序列，具体包括：
13、将每个表面肌电信号时间窗作为样本输入深度卷积神经网络模型，提取运动单元的放电脉冲序列；
14、其中，所述深度卷积神经网络模型包括四个一维卷积层、两个最大池化层、一个全连接层和乙状激活函数。
15、可选地，所述的个性化动态康复人机交互方法，其中，所述将每个表面肌电信号时间窗作为样本输入深度卷积神经网络模型，提取运动单元的放电脉冲序列，具体包括：
16、通过两个一维卷积层提取表面肌电信号时间窗中的肌电特征，使用最大池化层进行特征筛选和降维，再通过两个一维卷积层提取深层的肌电特征，并使用最大池化层进行最后的特征筛选和降维，最终经过全连接层和乙状激活函数输出所有激活运动单元的放电脉冲序列，用于运动意图识别和主动参与度量化。
17、可选地，所述的个性化动态康复人机交互方法，其中，所述将表面肌电信号时间窗及运动单元放电脉冲序列分别输入特征提取模块，并通过深度变换神经网络进行特征融合，回归预测患者的关节运动角度和末端力，具体包括：
18、通过卷积神经网络构成的特征提取模块分别从表面肌电信号时间窗和运动单元脉冲序列中提取特征，通过深度变换神经网络的编码模块中的注意力机制提取并筛选特征，最后由全连接层输出关节角度和末端力；
19、康复训练系统根据目标患者的运动意图自动选择合适的训练任务及运动目标，所述运动意图包括关节角度和末端力，在人机交互界面显示目标任务及相关运动参数，通过视觉及语音引导患者完成相应的训练动作，并展示动作完成情况。
20、可选地，所述的个性化动态康复人机交互方法，其中，所述计算运动单元的平均放电频率及单位时间内的累积脉冲，量化目标患者在康复训练过程中的主动参与度，并采用运动过程中的平均放电频率及单位时间内的累积脉冲与目标平均放电频率及累积脉冲之间的比值表示患者的主动参与度百分比，根据患者实际运动参数与目标运动参数之间的平均绝对百分比误差评估并记录患者的运动表现，具体包括：
21、采用运动过本文档来自技高网...
【技术保护点】
1.一种个性化动态康复人机交互方法，其特征在于，所述个性化动态康复人机交互方法包括：
2.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述获取目标患者康复训练时的目标参数，以及每个动作对应的运动单元平均放电频率和单位时间内的累积脉冲，并存储到在康复训练系统中，具体包括：
3.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述从表面肌电信号时间窗提取运动单元放电脉冲序列，具体包括：
4.根据权利要求3所述的个性化动态康复人机交互方法，其特征在于，所述将每个表面肌电信号时间窗作为样本输入深度卷积神经网络模型，提取运动单元的放电脉冲序列，具体包括：
5.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述将表面肌电信号时间窗及运动单元放电脉冲序列分别输入特征提取模块，并通过深度变换神经网络进行特征融合，回归预测患者的关节运动角度和末端力，具体包括：
6.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述计算运动单元的平均放电频率及单位时间内的累积脉冲，量化目标患者在康复训
7.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述基于强化学习算法，根据目标患者的主动参与度和运动表现动态调整康复机器人的最大辅助力和运动速度，以实现康复机器人的个性化动态康复反馈控制，具体包括：
8.一种个性化动态康复人机交互系统，其特征在于，所述个性化动态康复人机交互系统包括：
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的个性化动态康复人机交互程序，所述个性化动态康复人机交互程序被所述处理器执行时实现如权利要求1-7任一项所述的个性化动态康复人机交互方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有个性化动态康复人机交互程序，所述个性化动态康复人机交互程序被处理器执行时实现如权利要求1-7任一项所述的个性化动态康复人机交互方法的步骤。
...【技术特征摘要】
1.一种个性化动态康复人机交互方法，其特征在于，所述个性化动态康复人机交互方法包括：
2.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述获取目标患者康复训练时的目标参数，以及每个动作对应的运动单元平均放电频率和单位时间内的累积脉冲，并存储到在康复训练系统中，具体包括：
3.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述从表面肌电信号时间窗提取运动单元放电脉冲序列，具体包括：
4.根据权利要求3所述的个性化动态康复人机交互方法，其特征在于，所述将每个表面肌电信号时间窗作为样本输入深度卷积神经网络模型，提取运动单元的放电脉冲序列，具体包括：
5.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述将表面肌电信号时间窗及运动单元放电脉冲序列分别输入特征提取模块，并通过深度变换神经网络进行特征融合，回归预测患者的关节运动角度和末端力，具体包括：
6.根据权利要求1所述的个性化动态康复人机交互方法，其特征在于，所述计算运动单元的平均放电频率及单位时间内的累积脉冲，量化目标患者在康复训练过程中的主动参与度，...
【专利技术属性】
技术研发人员：但果，马锦婷，王丽芬，罗铭洋，张乃文，张羽，
申请(专利权)人：深圳大学，
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。