当前位置: 首页 > 科技观察

基于多模态信息融合的上肢康复训练评估系统

时间:2023-03-17 20:38:46 科技观察

基于多模态信息融合的上肢康复训练评价系统项目概要脑卒中是我国成年人死亡和致残的首要原因,具有发病率高、致残率高、死亡率高、复发率高等特点。根据2016年全球疾病负担(GBD)数据,中风是我国寿命损失年数(YLL)的第一大原因。♂数据显示,2018年,脑血管病占我国农村人口的23.19%,城市人口的20.51%,这意味着每5例死亡中至少有1例死于脑卒中。基于多模态信息融合的上肢康复训练评价系统是一套针对脑卒中患者的主动和被动上肢康复训练评价系统。在康复训练硬件方面,参照仙鹤的颈部运动,根据人体工程学,设计出仙鹤般的上肢康复机械臂,可实现肩、肘、和整个手腕。康复评价体系由训练中和训练后两部分组成。在康复训练过程中,基于MPU9250芯片,自主研发动作捕捉设备,通过陀螺仪和惯性传感器采集加速度和角速度,通过三维融合算法得到关节。角度和四元数、关节角度作为评价体系的量化指标。并采用DTW算法对数据进行正则化和可视化处理,通过皮尔逊系数判断患者的恢复状态。训练后,使用机器学习中的RF随机森林算法,通过RF模型将康复数据与标准数据进行比较,根据国际公认的Brunnstrom分期量表定量评估疾病等级,从而为患者提供有针对性、个性化的治疗方案治疗和康复计划。同时,基于Unity3D的小游戏设计,虚拟与现实相结合的技术,可以打破康复训练时间和空间的限制,也可以提高患者在康复训练中的积极性和主动性,提高康复训练的积极性和主动性。康复训练的效果。一、项目背景据统计,目前我国脑卒中患者超过1500万,发病率以每年8.7%的速度递增。如果不加以控制,到2030年,全国脑卒中患者将达到3100万;每年因中风死亡人数高达200万,占总死亡人数的22%。中风占身体残疾的20%以上。四肢神经损伤患者常年卧床不起,生活难以自理。虽然康复训练可以重塑大脑与受损肢体之间的联系,但医疗康复机器人市场还不成熟,患者只能接受医生一对一的治疗。近年来,国家政策支持全国脑卒中防控工作的开展。2021年,国家卫健委、教育部、国家食品药品监督管理总局等10个部门联合制定《加强脑卒中防治工作减少百万新发残疾工程综合方案》。同时,各地政府也高度重视脑卒中的防治工作。河南省卫健委将脑卒中高危人群筛查和干预纳入“健康中原2030”重点行动计划:1、安排资金支持各县区开展脑卒中防控工作;2.将脑卒中中心建设列入二级医院升级为三级医院必备物资清单;3.首创并推广脑卒中急救一键激活,显着缩短DNT时间;4.大力推进河南省二级医院脑卒中中心建设工作。为此,我们设计了一套针对脑卒中患者的主动和被动上肢康复训练评价系统,在辅助脑卒中患者进行康复锻炼的同时,可以对训练效果进行量化评价。创新康复方式,阶段性考核,解决脑卒中患者培训过程中医师少、效果差的问题,为康复医师提供标准化解决方案。2.团队介绍成员介绍:团队成员由三部分组成。第一部分是教师和康复医师。导师掌控项目方向,合作医师提供专业的康复训练指导。第二部分是合作公司的工程师,合作公司的工程师将推动项目的产品化进程。第三部分是我们的大学生研发团队。我们的大学生专业涵盖广泛,做产品设计和研发。团队理念:团队以“开放、共享、联合”的原则发展,秉承“创新、合作、高效、服务、共赢”的团队理念,采用固定人员相结合的研发团队,全职人员和流动人员组成模式,团队成员可以开展紧密有效的合作关系,充分整合高校、企业和科研院所相关学科的研究力量,立足高校,服务社会。团队研发范围:团队主要围绕老年人上肢偏瘫康复机械臂、脑卒中患者全肢康复外骨骼、基于动作捕捉技术的康复评估系统、基于卷积神经网络等的运动意图感知系统取得显着效果。团队宗旨:创业团??队将依托学校的创业者,在院系和教师的支持下,投入资金和一流的开发团队,开拓创新,开发出满足市场各种消费者需求的产品.现阶段基本目标是专注于上肢偏瘫老人的康复机械臂。我们将以优质的产品和优质的服务赢得各类客户的青睐,从而实现团队的目标,最终成为本行业的领跑者。三、应用场景本产品为上肢康复智能康复训练系统,可用于中风、肌肉、骨骼损伤患者手臂、手指的康复训练。根据国际公认的Brunnstrom分期量表,针对不同时期的患者,本产品采用不同的康复方式。针对弛缓期患者,制定标准化康复路径,采用被动康复方式恢复患者肌力;对于处于痉挛期的患者,患者康复过程中的肌电信号,通过获取患者的意图,实现主动康复;对恢复期患者进行多关节精细运动和ADL训练,采用阻力加处方训练的方法达到康复。应用场景大致可分为以下两类:适用于患者在医院或康复理疗中心等机构进行康复训练和评估。通过在这些机构推出产品并提供技术支持,我们的团队可以在医院使用这些设备进行康复。本套产品中的康复训练评估系统不仅可以与配套的外骨骼配套使用,还可以与多种康复辅助器具相结合,使产品的使用范围更加广泛,能够同时恢复多个部位。对于病情较重的患者,如处于弛缓、痉挛阶段的患者,可在医院或康复理疗中心等机构进行康复训练。院内康复医师可实时查看康复评估结果,从而制定下一步具体的康复策略。适合患者在家进行康复训练和评估。一些中风患者行动不便。去医院可能费时费力,增加患者的经济和心理负担,难以去医院康复,从而错过康复训练的黄金时间。疫情期间人们只能居家隔离,部分老年偏瘫患者,尤其是农村地区的偏瘫患者,很难得到有效的康复治疗。康复期患者可在家中安装设备,在家人陪同下进行康复训练,提高康复训练的便利性。本项目通过康复检测评估系统随时随地进行康复治疗,康复医师可以远程监控患者的康复状况。在对患者进行康复训练的同时,利用外骨骼机器人的传感器采集并分析患者的生物力学等相关数据,可以更准确地分析患者的病情,深化病理分析和相应的诊疗。中风患者。计划。四、产品功能本产品通过基于MPU9250惯性传感器开发的动作捕捉装置采集患者运动数据作为数据源,并以此为基础开发了两套康复评估系统。训练中的康复评估系统可以获取患者进行康复训练时的运动数据,将关节角度数据信息与标准库中的正常人运动数据进行比较,先使用DTW算法进行正则化、时间序列化,然后使用皮尔逊系数判断两个系列之间的相关性允许简单的训练中康复。训练后康复评估系统,根据卒中分期量表,让患者按照规定的范式动作进行锻炼,采用随机森林算法分阶段评估患者当前的康复程度。通过采集患者肌电信号,构建深度学习神经网络,准确识别患者上肢运动意图,准确率达90%以上,从而实现主动康复,制定个性化的康复训练计划患者。并利用unity3D开发康复小游戏,实现患者与游戏的体感互动,增加康复训练的乐趣。使用BearPi开发板将数据存储在部署了django框架的华为云服务器的数据库中,建立患者个人信息数据库。此外,我们通过设计鸿蒙APP实现人机交互,鸿蒙APP具有专业测评系统、专属测评报告等功能。鸿蒙app部分代码如下:

bobath握手10分钟
上举15分钟
<文本类s="title1">推拉活动10分钟旋前和旋后20分钟手腕屈伸15分钟</div>关节尺偏10分钟鸿蒙app页面展示:五、项目创新点1.全上肢康复硬件系统(1)仿生上肢康复机械臂。本产品遵循人体工程学,在对鹤颈研究的基础上,采用四连杆机构代替鹤颈骨架。用绳索传动代替仙鹤颈部的肌肉,模仿仙鹤颈部的动作。驱动源与从动轴之间采用绳索传动结构,为患者进行稳定柔和的康复训练锻炼,其延展性增加了运动过程的灵活性。缓冲,以避免在恢复过程中对患者造成二次伤害。(2)自主设计的基于MPU9250的运动捕捉装置,采集基于MPU9250的加速度和角速度进行多数据融合算法,实现IMU姿态融合。对于加速度计和陀螺仪的数据,采用四元数法进行数据处理,可以很好的实现坐标空间转换,避免欧拉角万向节死锁问题,减少方向余弦计算过多的问题,空间变化处理的数据大大提高了数据分析的准确性。(3)基于ROS开发的机械臂控制系统的上位机和下位机闭环控制系统。整体分为三个部分,Movelt、Driver、MCU。Movelt中采用了动作通信机制,分为客户端和服务端。Movelt为我们提供了客户端。我们需要自己写服务器。客户端将目标发送到服务器。服务器收到请求后,将目标发送给客户端。返回当前状态。客户端可以知道进度,也可以随时暂停进度。在服务器端,也可以周期性的反馈任务运行的监控数据。任务完成后将结果发送给客户端。这就是上位机之间的数据传输。上位机与下位机之间采用通讯协议将数据传送给单片机。单片机驱动电机运动。然后通过通信协议将数据发送给上位机,上位机通过这些数据计算出当前的状态。实现闭环控制系统。(4)基于Brunnstrom的量化评估标准我们使用国际认证的Brunnstrom评估量表,将表中的肢体评估标准量化为关节活动限度,并以患者的运动数据作为随机森林模型的输入,经过多维features经过值归一化处理后,可以输出为Brunnstrom量表的恢复期。通过Brunnstrom评价标准表的全量化,可以应用于机器的参数化评价,使整个评价过程数字化,结果更加客观。弥补了康复医师主观评价过程中的不足。2.多元化康复软件系统(1)基于DTW算法的数据驱动康复训练。结合DTW和Pearson系数的创新方法用于评估患者的运动。利用DTW算法和Pearson系数,将患者康复训练过程中关节的实时变化角度曲线与标准数据库的正常关节角度曲线进行对比。患者可以通过关节角度的实时曲线图了解自己动作的完成情况。治疗师还可以通过实时曲线图提供及时的行动指导,并对患者的恢复情况进行简单评估。训练恢复程度。图为训练中的患者与正常人的关节角度曲线对比。(2)基于Unity3D虚拟现实的趣味康复训练产品基于Unity3D设计的康复训练游戏,结合虚拟现实技术,可以随意改变患者的训练场所,实现患者与虚拟游戏环境的自然互动,提供各种形式的反馈信息,解决了传统康复训练过程的枯燥问题,增加了患者训练过程的乐趣。(3)基于卷积神经网络的意图感知康复仿生上肢康复机械臂系统利用肌电信号检测人体运动意图。建立人体运动肌电信号与运动模式的映射关系,构建深度学习神经网络训练模型,通过modelars部署模型,将云算法模型部署在华为云服务器上,准确率93%,可以准确识别患者的上肢运动意图,使患者得到充分有效的康复训练。(4)基于机器学习的康复分级评估系统通过微惯性传感器和肌电信号网络采集患者多信息数据,通过云传输传输至康复医师设备,对患者康复训练进行分析情况并使用RF机器学习算法来判断患者分期结果。了解更多开源知识,请访问:开源基础软件社区https://ost.51cto.com。