【技术实现步骤摘要】
本专利技术涉及机械臂应用，特别涉及一种基于深度学习的机械臂康复数据预测方法及系统。
技术介绍
1、上肢功能障碍已成为社会中常见的健康问题之一。因此，开发一种有效的上肢康复机器人系统，以辅助患者进行康复训练和提高其生活质量，具有重要的临床意义。传统的康复训练主要依赖于人工康复师的指导和患者的自主训练，存在着训练效果难以量化、个体化程度不高等问题。传统康复机器人往往通过预设的程序和力量控制来完成训练任务，无法充分适应患者的个体差异和康复需求。
2、在技术方面，传感器技术的不断进步使得康复机器人能够准确地感知患者的运动状态和力量输出，实现了对患者运动能力的精细评估和监控。
3、现有技术当中，在对患者进行上肢康复的过程中，无法自动调整训练参数，从而无法达到对患者进行针对性训练康复，进而使得训练的有效性不够。
技术实现思路
1、基于此，本专利技术的目的是提供一种基于深度学习的机械臂康复数据预测方法及系统，以至少解决上述现有技术当中的不足。
2、第一方面，本专利技术...
【技术保护点】
1.一种基于深度学习的机械臂康复数据预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的机械臂康复数据预测方法，其特征在于，若干所述康复数据包括患者的简单信息、使用机械臂的游戏信息，患者的手臂伸展旋转角度、手臂的运动速度、记录时间、抓握力以及推动力度。
3.根据权利要求2所述的基于深度学习的机械臂康复数据预测方法，其特征在于，所述对若干所述康复数据进行处理得到康复数据集，并对所述康复数据集进行标准化处理，得到标准化康复数据集的步骤包括：
4.根据权利要求3所述的基于深度学习的机械臂康复数据预测方法，其特征在于...
【技术特征摘要】
1.一种基于深度学习的机械臂康复数据预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的机械臂康复数据预测方法，其特征在于，若干所述康复数据包括患者的简单信息、使用机械臂的游戏信息，患者的手臂伸展旋转角度、手臂的运动速度、记录时间、抓握力以及推动力度。
3.根据权利要求2所述的基于深度学习的机械臂康复数据预测方法，其特征在于，所述对若干所述康复数据进行处理得到康复数据集，并对所述康复数据集进行标准化处理，得到标准化康复数据集的步骤包括：
4.根据权利要求3所述的基于深度学习的机械臂康复数据预测方法，其特征在于，所述标准化处理的表达式为：
5.根据权利要求1所述的基于深度学习的机械臂康复数据预测方法，其特征在于，所述基于不同大小卷积核的若干残差卷积模块提取所述标...
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。