【技术实现步骤摘要】
本专利技术涉及智慧医疗领域，且更为具体地，涉及针对icu卧床患者骨骼肌肉训练的交互控制方法和系统。
技术介绍
1、随着医疗技术的发展，重症监护病房(intensive care unit,icu)内长期卧床患者的康复问题日益受到关注。长时间卧床不动会导致患者出现肌肉萎缩、关节僵硬、骨质疏松等一系列并发症，严重影响其康复进程和生活质量，导致危重症患者产生获得性神经肌肉功能障碍，即icu获得性衰弱(icu acquired weakness，icu-aw)。传统的物理疗法往往依赖于人力操作，难以实现个性化、高强度的持续训练，且在icu环境下，由于患者病情复杂，限制了传统康复手段的适用性和效率。
2、近年来，虚拟现实(virtual reality,vr)技术因其能够提供沉浸式、可定制的康复环境而逐渐被引入康复医学领域。通过模拟各种场景，vr技术能够激发患者的运动兴趣，提高训练的趣味性和参与度。然而，现有技术大多侧重于标准化的康复训练程序，缺乏针对患者个体差异的动态适应能力，尤其是在识别和响应患者特定运动意图方面存在不足，这限制了训练方案的有效性和患者运动潜能的最大化发挥。
3、因此，如何在icu环境下，针对卧床患者设计一种既能准确识别运动意图，又能根据患者实时状态动态调整训练强度的交互式康复训练方法，成为了亟待解决的问题。
技术实现思路
1、为了解决上述技术问题，提出了本申请，以提供一种针对卧床患者设计一种既能准确识别运动意图，又能根据患者实时状态动态调整训练强
2、第一方面，本专利技术提供了一种针对icu卧床患者骨骼肌肉训练的交互控制方法，包括：在位于icu中的患者的肢体产生第一动作时，采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据；将所述第一动作数据输入预设的第一神经网络模型，通过所述第一神经网络模型识别所述患者的运动意图；根据所述患者的运动意图构建虚拟现实情境，所述虚拟现实情境中具有多种元素，所述多种元素具有预设的属性值，用于按照预设的诱导强度诱导所述患者进行与所述运动意图对应的第二动作；采集所述患者进行所述第二动作时肢体对应的骨骼和/或肌肉的第二动作数据；查询所述第二动作对应的标准动作数据，计算所述第二动作数据与所述第二动作对应的标准动作数据之间的差距，以用于反映所述患者进行所述第二动作时的运动障碍水平；将所述患者的肢体对应的骨骼和/或肌肉的动作数据与所述第二动作对应的标准动作数据之间的差距输入预设的与所述虚拟现实情境对应的第二神经网络模型，通过所述第二神经网络模型计算所述虚拟现实情境的至少一种元素应具有的属性值；按照所述虚拟现实情境的至少一种元素应具有的属性值，对所述虚拟情境中的所述至少一种元素的属性值进行调整以改变所述诱导强度；将所述虚拟现实情境提供给所述用户，通过所述虚拟现实情境中的所述多种元素按改变后的所述诱导强度诱导所述患者再次进行所述第二动作。
3、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，所述采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据包括：在预设时间段内连续拍摄所述患者的肢体的连续多张图像；识别所述患者的肢体上多个关节及其肌肉群在所述连续多张图像中的位置；根据所述患者的肢体上多个关节及其肌肉群的位置变化，计算所述患者的肢体上多个关节的角速度向量和角加速度向量；计算所述患者的肢体上多个关节的关节力矩和功率输出，所述多个关节中第m个关节的关节力矩τ＝im-1(ωmimωm+αm)-g，所述第m个关节的功率输出p＝τωm，其中，ωm表示所述第m个关节的角速度向量，表示ωm对时间的导数，αm表示所述第m个关节的角加速度向量，im表示预设的转动惯量矩阵，g表示预设的重力向量；将所述患者的肢体上多个关节的关节力矩、功率输出作为用于输入所述第一神经网络模型的所述第一动作数据。
4、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，在所述计算所述患者的肢体上多个关节的关节力矩和功率输出之前，还包括：从预设的为所述患者的肢体构建的骨骼及肌肉系统模型中提取所述患者的肢体上多个关节及其肌肉群的物质密度、质心和覆盖区域；根据所述患者的肢体上多个关节及其肌肉群的物质密度、质心和覆盖区域，以及所述多个关节及其肌肉群的覆盖区域，为所述患者的肢体上多个关节计算所述转动惯量矩阵，其中所述第m个关节对应的转动惯量矩阵im＝∫ρ(r)(||r||2-rc)dv，v表示所述第m个关节及其肌肉群的覆盖区域，r表示所述第m个关节及其肌肉群的覆盖区域中的一点，c表示所述第m个关节及其肌肉群的质心，ρ(r)表示所述第m个关节及其肌肉群的物质密度。
5、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，所述采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据包括：通过预设的压力传感阵列，采集所述患者的肢体进行所述第一动作时产生的压力；基于已知的所述患者的非目的性动作产生的压力干扰，对所述患者的肢体进行所述第一动作时产生的压力进行修正；将修正后的所述患者的肢体进行所述第一动作时产生的压力作为所述第一动作数据。
6、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，在所述将所述第一动作数据输入预设的第一神经网络模型之前，还包括：在所述第一神经网络模型进行训练时，计算所述第一神经网络模型的损失函数其中，e表示预设的运动意图种类总数，表示所述第一神经网络模型训练时计算得到的第n种运动意图对应的预测概率，yn表示所述第n种运动意图对应的真实概率，wn为对应于所述第n种运动意图的权重系数，基于已知的所述第n种运动意图的稀缺程度进行设置；根据所述第一神经网络模型的损失函数l的大小，对所述第一神经网络模型的参数进行调整。
7、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，在所述根据所述第一神经网络模型的损失函数l的大小，对所述第一神经网络模型的参数进行调整之前，还包括：为所述第一神经网络模型设置损失修正函数其中t表示当前完成的训练次数，和分别表示所述第一神经网络模型在第t次和第t+1次训练时输出的结果，当和不同时，的值为1，当和相同时，的值为0；基于所述损失修正函数lcor，对所述损失函数l进行修正。
8、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，在所述将所述患者的肢体对应的骨骼和/或肌肉的动作数据与所述第二动作对应的标准动作数据之间的差距输入预设的与所述虚拟现实情境对应的第二神经网络模型之前，还包括：为所述第二神经网络模型中的任一参数设置原始变动步长so；在所述第二神经网络模型完成第a次训练时，计算对所述第二神经网络模型中的任一参数的变动步长其中，d为预设的基准值；根据所述变动步长da，对所述第二神经网络模型中的任一参数进行变动。
9、可选地，前述的针对icu卧床患者骨骼肌肉训练的交互控制方法，所述根据所述患者的运动意图构建虚拟现实情境，还包括：从所述患者的历史行为记录，提取所述患者的偏好特征；本文档来自技高网...
【技术保护点】
1.针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，包括：
2.根据权利要求1所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据包括：
3.根据权利要求2所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，在计算所述患者的肢体上多个关节的关节力矩和功率输出之前，所述方法还包括：
4.根据权利要求1所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据包括：
5.根据权利要求1所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，在将所述第一动作数据输入预设的第一神经网络模型之前，所述方法还包括：
6.根据权利要求5所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，在根据所述第一神经网络模型的损失函数L的大小，对所述第一神经网络模型的参数进行调整之前，所述方法还包括：
7.根据权利要求1所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其
8.根据权利要求1所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，根据所述患者的运动意图构建虚拟现实情境包括：
9.根据权利要求1所述的针对ICU卧床患者骨骼肌肉训练的交互控制方法，其特征在于，按照所述虚拟现实情境的至少一种元素应具有的属性值，对所述虚拟情境中的所述至少一种元素的属性值进行调整以改变所述诱导强度，包括：
10.针对ICU卧床患者骨骼肌肉训练的交互控制系统，其特征在于，包括：
...【技术特征摘要】
1.针对icu卧床患者骨骼肌肉训练的交互控制方法，其特征在于，包括：
2.根据权利要求1所述的针对icu卧床患者骨骼肌肉训练的交互控制方法，其特征在于，采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据包括：
3.根据权利要求2所述的针对icu卧床患者骨骼肌肉训练的交互控制方法，其特征在于，在计算所述患者的肢体上多个关节的关节力矩和功率输出之前，所述方法还包括：
4.根据权利要求1所述的针对icu卧床患者骨骼肌肉训练的交互控制方法，其特征在于，采集所述患者的肢体对应的骨骼和/或肌肉的第一动作数据包括：
5.根据权利要求1所述的针对icu卧床患者骨骼肌肉训练的交互控制方法，其特征在于，在将所述第一动作数据输入预设的第一神经网络模型之前，所述方法还包括：
6.根据权利要求5所述的针对icu卧床患者骨骼肌肉训练的交互控制方法，其特征在于，在...
【专利技术属性】
技术研发人员：李勍，刘婷，王天龙，范隆，李颖，焦萌，
申请(专利权)人：首都医科大学宣武医院，
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。