【技术实现步骤摘要】
本专利技术涉及神经康复训练，且更具体地涉及一种神经康复训练装置。
技术介绍
1、神经康复训练装置是一种用于辅助神经康复治疗的设备，人脑具有可塑性，即在受损后可以通过适当的刺激和训练来恢复功能，神经康复训练装置利用这一原理，通过提供特定的刺激和训练来促进受损区域的再生和重建连接，神经康复训练装置基于运动学习理论，通过反馈、重复和调整等方式帮助患者学习和恢复运动功能，神经康复训练装置可以提供精确、个体化的运动刺激，帮助患者重新学习和控制肌肉运动，促进运动功能的恢复，通过电刺激方式，神经康复训练装置可以直接作用于受损区域或相关神经通路，改善神经传导功能，神经康复训练装置可以实时监测患者的运动状态，提供反馈信息，帮助患者调整和改进运动技巧。
2、现有技术中，神经康复训练装置存在很多弊端，一方面，神经康复训练装置缺少数据处理模块，导致后续患者运动状态数据分析不够准确，不能根据患者运动状态数据进行实时分析生成康复训练策略，无法实现康复训练的精准控制，另一方面，神经康复训练装置缺少康复分析模块，无法根据神经康复训练前后的康复训练特征评估患者的康复训练进展，导致后续无法了解患者的康复训练情况，因此，本专利技术提出一种神经康复训练装置，旨在提供一种能够进行数据处理分析、生成康复训练策略，实现康复训练的精准控制和评估。
技术实现思路
1、针对上述技术的不足，本专利技术公开一种神经康复训练装置，数据处理模块采用数据滤波单元、数据校正单元和数据分割单元对患者运动状态数据进行数据预处理，解决后续
2、本专利技术采用以下技术方案：
3、一种神经康复训练装置包含数据采集模块、数据储存模块和训练辅助模块；
4、所述数据采集模块用于实时获取患者运动状态数据，所述数据采集模块包括肌电传感器、加速计和压力传感器，所述患者运动状态数据包括患者肌肉活动信号和关节状态信息；
5、所述数据储存模块通过云服务器储存患者运动状态数据；
6、所述训练辅助模块采用机械臂、手部抓取装置、外骨骼、脉冲发生器和粘贴式电极贴帮助患者进行康复训练；
7、所述装置还包括数据处理模块、训练控制模块和康复分析模块；
8、所述数据处理模块用于对患者运动状态数据进行数据预处理，所述数据处理模块包括数据滤波单元、数据校正单元和数据分割单元，所述滤波单元的输出端与所述数据校正单元的输入端连接，所述数据校正单元的输出端与所述数据分割单元的输入端连接；
9、所述训练控制模块根据患者运动状态数据进行实时分析生成康复训练策略，实现康复训练控制，所述训练控制模块包括特征提取模块、康复训练策略模块和驱动控制模块，所述特征提取模块的输出端与所述康复训练策略模块的输入端连接，所述康复训练策略模块的输出端与所述驱动控制模块的输入端连接；
10、所述康复分析模块根据神经康复训练前后的康复训练特征评估患者的康复训练进展，所述康复分析模块包括数据分析单元和康复进展评估单元，所述数据分析单元的输出端与所述康复进展评估单元的输入端连接；
11、所述数据采集模块的输出端与所述数据储存模块的输入端连接，所述数据储存模块的输出端与所述数据处理模块的输入端连接，所述数据处理模块的输出端与所述训练控制模块的输入端连接，所述训练控制模块的输出端与所述训练辅助模块的输入端连接，所述数据处理模块的输出端和所述训练控制模块的输出端与所述康复分析模块的输入端连接。
12、作为本专利技术进一步的技术方案，所述数据滤波单元采用中值滤波算法对患者运动状态数据进行滤波处理，所述中值滤波算法通过滑动窗口处理选择患者运动状态数据的中间值作为滤波结果，所述数据校正单元通过均值校正算法修正患者运动状态数据中的偏差，所述均值校正算法通过计算患者运动状态数据的平均值，所述平均值作为参考值替代每个患者运动状态数据点，所述数据分割单元通过时间序列切割将连续采集到的患者运动状态数据按照时间划分为不同片段数据。
13、作为本专利技术进一步的技术方案，所述特征提取模块采用递归特征提取方法从预处理后的患者运动状态数据中提取神经康复训练特征，所述神经康复训练特征至少包括关节角度、关节速度、肌电信号的幅度、频率和持续时间，所述递归特征提取方法通过小波变换频谱分析得到肌肉活动信号的时域特征，获取肌电信号的幅度、频率和持续时间，所述递归特征提取方法通过主成分分析将关节状态信息表示为状态矩阵，所述主成分分析通过协方差矩阵分解和差分运算从状态矩阵中提取关节角度和关节速度。
14、作为本专利技术进一步的实施例，所述康复训练策略模块的工作方法为：
15、步骤一、将神经康复训练特征输入到随机森林决策算法中进行康复策略模型训练，所述随机森林决策算法基于信息增益进行节点划分，递归地构建出康复策略模型；
16、步骤二、所述随机森林决策算法通过交叉验证方法来优化康复策略模型的权重，所述交叉验证方法使用网格搜索方法对不同康复策略模型的权重进行验证，得到康复策略模型的准确率，所述交叉验证方法根据康复策略模型的准确率选择最佳性能的康复策略模型的权重，所述康复策略模型的准确率计算公式为：
17、
18、在公式(1)中，q为康复策略模型的准确率,z为康复策略模型的权重，r网格搜索方法的验证分数，g为康复策略模型的正则化系数；
19、步骤三、所述康复策略模型通过功能独立性评测评估患者的功能受损程度，所述功能独立性评测通过适应度函数得到患者的功能受损程度的受损指数，所述康复策略模型通过受损指数确定康复训练策略，所述康复训练策略包括肌肉组织刺激和脑区神经刺激，所述受损指数计算公式为：
20、
21、在公式(2)中，f为受损指数，c为患者的关节角度，x为患者的关节速度，w为肌电信号的幅度，l为肌电信号的频率，k为肌电信号的持续时间，为适应度函数的权重系数。
22、作为本专利技术进一步的实施例，所述驱动控制模块包括肌肉组织刺激控制单元和脑区神经刺激控制单元，所述肌肉组织刺激控制单元采用反馈控制算法控制粘贴式电极贴产生脉冲电流增强患者的肌肉神经活动，所述反馈控制算法根据肌肉活动信号监测和调整脉冲电流的频率，达到神经康复训练效果，所述反馈控制算法调整脉冲电流的频率的计算公式为：
23、
24、在公式(3)中，q为脉冲电流的频率，h为反馈控制算法的控制增益，d为脉冲电流的控制周期，为肌肉活动信号的当前信号频率。
25、作为本专利技术进一步的实施例，所述脑区神经刺激控制单元采用经皮电刺激在患者头皮放置粘贴本文档来自技高网...
【技术保护点】
1.一种神经康复训练装置，其特征在于：所述装置包含数据采集模块、数据储存模块和训练辅助模块；
2.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述数据滤波单元采用中值滤波算法对患者运动状态数据进行滤波处理，所述中值滤波算法通过滑动窗口处理选择患者运动状态数据的中间值作为滤波结果，所述数据校正单元通过均值校正算法修正患者运动状态数据中的偏差，所述均值校正算法通过计算患者运动状态数据的平均值，所述平均值作为参考值替代每个患者运动状态数据点，所述数据分割单元通过时间序列切割将连续采集到的患者运动状态数据按照时间划分为不同片段数据。
3.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述特征提取模块采用递归特征提取方法从预处理后的患者运动状态数据中提取神经康复训练特征，所述神经康复训练特征至少包括关节角度、关节速度、肌电信号的幅度、频率和持续时间，所述递归特征提取方法通过小波变换频谱分析得到肌肉活动信号的时域特征，获取肌电信号的幅度、频率和持续时间，所述递归特征提取方法通过主成分分析将关节状态信息表示为状态矩阵，所述主成分分析通过协方差矩阵分解和
4.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述康复训练策略模块的工作方法为：
5.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述驱动控制模块包括肌肉组织刺激控制单元和脑区神经刺激控制单元，所述肌肉组织刺激控制单元采用反馈控制算法控制粘贴式电极贴产生脉冲电流增强患者的肌肉神经活动，所述反馈控制算法根据肌肉活动信号监测和调整脉冲电流的频率，达到神经康复训练效果，所述反馈控制算法调整脉冲电流的频率的计算公式为：
6.根据权利要求5所述的一种神经康复训练装置，其特征在于：所述脑区神经刺激控制单元采用经皮电刺激在患者头皮放置粘贴式电极贴，施加交流电进行神经康复刺激，所述经皮电刺激采用闭环反馈控制将脑区神经刺激分为初始控制阶段和加强控制阶段，所述闭环反馈控制采用阈值检测算法设定初始控制阶段的初始交流电强度，所述阈值检测算法根据患者肌电信号的幅度、频率和持续时间控制交流电刺激强度，所述闭环反馈控制采用目标控制算法控制加强控制阶段的交流电刺激强度，所述目标控制算法通过反馈机制监测初始控制阶段的患者肌肉活动信号，所述目标控制算法再通过积分控制函数输出增强控制信号，实现交流电刺激强度调整。
7.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述数据分析单元通过统计学分析对神经康复训练前后的康复训练特征进行分析，获得不同康复训练特征的关系，所述统计学分析通过卡方检验检查神经康复训练特征之间存在的独立性，所述统计学分析再通过皮尔逊相关分析衡量康复训练特征之间的相关性。
8.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述康复进展评估单元采用局部加权回归算法根据康复训练特征的关系预测患者康复效果，所述局部加权回归算法通过熵权法赋予神经康复训练特征相同的权重，所述局部加权回归算法采用加权最小二乘法对赋重后的神经康复训练特征进行局部线性回归拟合，得到局部线性模型，所述局部线性模型采用回归预测函数获取康复达成率评估患者神经康复训练进展，所述康复达成率计算公式为：
...【技术特征摘要】
1.一种神经康复训练装置，其特征在于：所述装置包含数据采集模块、数据储存模块和训练辅助模块；
2.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述数据滤波单元采用中值滤波算法对患者运动状态数据进行滤波处理，所述中值滤波算法通过滑动窗口处理选择患者运动状态数据的中间值作为滤波结果，所述数据校正单元通过均值校正算法修正患者运动状态数据中的偏差，所述均值校正算法通过计算患者运动状态数据的平均值，所述平均值作为参考值替代每个患者运动状态数据点，所述数据分割单元通过时间序列切割将连续采集到的患者运动状态数据按照时间划分为不同片段数据。
3.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述特征提取模块采用递归特征提取方法从预处理后的患者运动状态数据中提取神经康复训练特征，所述神经康复训练特征至少包括关节角度、关节速度、肌电信号的幅度、频率和持续时间，所述递归特征提取方法通过小波变换频谱分析得到肌肉活动信号的时域特征，获取肌电信号的幅度、频率和持续时间，所述递归特征提取方法通过主成分分析将关节状态信息表示为状态矩阵，所述主成分分析通过协方差矩阵分解和差分运算从状态矩阵中提取关节角度和关节速度。
4.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述康复训练策略模块的工作方法为：
5.根据权利要求1所述的一种神经康复训练装置，其特征在于：所述驱动控制模块包括肌肉组织刺激控制单元和脑区神经刺激控制单元，所述肌肉组织刺激控制单元采用反馈控制算法控制粘贴式电极贴产生脉冲电流增强患者的肌肉神经活动，所述反馈控制算法根据肌肉活动信...
【专利技术属性】
技术研发人员：李映慧，刘中华，苗孟君，王芳，
申请(专利权)人：首都医科大学附属北京世纪坛医院，
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。