Login| Sign Up| Help| Contact|

Patent Searching and Data


Title:
MULTIMODAL INTERACTION-BASED UPPER LIMB REHABILITATION ROBOT TRAINING SYSTEM
Document Type and Number:
WIPO Patent Application WO/2020/119319
Kind Code:
A1
Abstract:
A multimodal interaction-based upper limb rehabilitation robot training system, comprising an electroencephalogram signal acquisition and processing module (1), a robot body module (2), an affected-limb muscle comprehensive data acquisition and processing module, a rehabilitation training evaluation module (4), and a virtual reality module (5); the electroencephalogram signal acquisition and processing module (1) reports an action intention of a patient by means of an electroencephalogram signal to trigger rehabilitation training; the robot body module (2) assists an affected limb to do a rehabilitation exercise; the affected-limb muscle comprehensive data acquisition and processing module acquires and obtains a comprehensive data indicator of the affected limb; the rehabilitation training evaluation module (4) is used for processing and analyzing the muscle comprehensive data indicator of the affected limb, so as to obtain quantitative evaluation parameters of the arm rehabilitation training of the patient; and the virtual reality module (5) is used for displaying a virtual environment for rehabilitation training, and interacting with the patient by means of scene display and dialogues. A multimodal interaction upper limb rehabilitation robot training method provided by the upper limb rehabilitation robot training system achieves safe, scientific, and interesting upper limb rehabilitation training.

Inventors:
XIE LONGHAN (CN)
CAI SIQI (CN)
LI GUOFENG (CN)
HUANG SHUANGYUAN (CN)
Application Number:
PCT/CN2019/114915
Publication Date:
June 18, 2020
Filing Date:
October 31, 2019
Export Citation:
Click for automatic bibliography generation   Help
Assignee:
UNIV SOUTH CHINA TECH (CN)
International Classes:
A61H1/02; A63B23/12
Domestic Patent References:
WO2010040416A12010-04-15
Foreign References:
CN109568083A2019-04-05
CN107157705A2017-09-15
CN107320285A2017-11-07
CN104173124A2014-12-03
CN108304068A2018-07-20
CN108888482A2018-11-27
CN108261197A2018-07-10
CN108814597A2018-11-16
CN103750975A2014-04-30
KR20180010781A2018-01-31
Attorney, Agent or Firm:
YOGO PATENT & TRADEMARK AGENCY LIMITED COMPANY (CN)
Download PDF:
Claims:
权利要求书

[权利要求 i] 一种多模态交互的上肢康复机器人训练系统, 其特征在于, 所述上肢 康复机器人训练系统包括脑电信号采集与处理模块 a) 、 机器人本 体模块 (2) 、 患肢肌肉综合数据采集及处理模块, 患肢肌肉综合数 据采集及处理模块、 康复训练评估模块 (4) 和虚拟现实模块 (5) , 所述的脑电信号采集与处理模块 (1) 用于提取患者脑电信号中的相 关特征参量来获得患者的动作意图, 进而触发所述机器人本体模块 ( 2) 的康复训练动作;

所述机器人本体模块 (2) 在所述脑电信号采集与处理模块 (1) 的触 发及所述康复训练评估模块 (4) 反馈的量化评估参数下进行训练动 作帮助患者的患肢进行空间运动完成康复训练过程; 所述患肢肌肉综合数据采集及处理模块用于采集并得到患肢的综合数 据指标;

所述康复训练评估模块 (4) 用于对患肢的肌肉综合数据指标进行处 理分析, 所述的肌肉综合数据指标包括肌肉功能状态指标、 肌力大小 指标和肌肉协同指标, 对三项指标分别进行打分并计算三项指标的总 分, 得到患者手臂康复运动训练的量化评估结果; 所述虚拟现实模块 (5) 用于显示患肢康复训练的虚拟环境, 通过感 官刺激患者训练的主动性, 参数输入分别来自机器人本体模块 (2) 和康复训练评估模块 (4) 。

[权利要求 2] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述肌力大小指标由力反馈数据反映; 所述肌肉功能指标由 包括肌电信号的振幅、 积分肌电值、 中值频率和平均频率的特征参数 反映; 肌肉协同指标由机器视觉捕获的患者姿态位置信息反映。

[权利要求 3] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述对三项指标分别进行打分具体包括: 所述的肌肉功能状态指标的分数通过对比患者与健康人的肌电信号的 特征值获得, 两者差值越大, 患者所得分数越低; 所述的肌力大小指 标的分数通过力反馈数据获得, 力的数值越大, 说明患者主动训练程 度越低, 患者所得分数越低; 所述的肌肉协同指标的分数通过对比患 者与健康人的运动数据, 计算患肢运动速度和轨迹的误差大小, 误差 越大, 则患者所得分数越低; 通过计算三项指标的总分, 得到患者手 臂康复运动训练的量化评估结果, 分数的高低与患肢运动能力、 康复 训练的效果成正比。

[权利要求 4] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的患肢肌肉综合数据采集及处理模块包括肌电信号采集 与处理模块 (3) 、 力反馈装置、 机器视觉装置, 所述肌电信号采集与处理模块 (3) 通过提取患者上肢的肌电信号特 征, 获得患肢的所述肌肉功能状态指标;

所述的力反馈装置通过获取的力反馈数据得到患肢的所述肌力大小指 标;

所述的机器视觉装置通过捕获的患肢姿态位置数据得到患肢的所述肌 肉协同指标。

[权利要求 5] 根据权利要求 4所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的机器视觉装置具体通过捕获的患肢姿态位置数据, 同 时与健康人的运动数据进行对比, 通过分析计算患肢运动速度和轨迹 的误差大小, 获得患肢的所述肌肉协同指标。

[权利要求 6] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的脑电信号采集与处理模块 (1) 包括脑电信号采集部 分、 多通道模拟前端放大电路部分、 支持多通道采集的数字电路部分 和信息处理部分, 所述脑电信号采集部分采集患者的脑电信号输送至 多通道模拟前端电路放大, 并且将模拟量转换为数字量, 提高信号在 传输中的抗干扰性; 所述支持多通道采集的数字电路对数字信号进行 缓存和转换, 然后传输至信息处理部分进行储存和还原; 最后在信息 处理部分中进行相应处理, 包括特征提取与模式识别, 输出信号触发 机器人本体模块 (2) 的运行。 [权利要求 7] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的机器人本体模块 (2) 由脑电信号采集与处理模块 (1 ) 输出的信号触发时, 用于带动患者的患肢进行被动康复、 主动康复 及主被动康复训练, 并将训练的数据传输至虚拟现实模块 (5) 作为 输入参数。

[权利要求 8] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的肌电信号采集与处理模块 (3) 包括前置放大电路部 分、 陷波器、 滤波器部分和信号分析部分, 所述前置放大电路部分用 于对获取的肌电信号进行放大; 所述的陷波器用于降低 50Hz工频干 扰; 所述的滤波器部分用于来滤除肌电信号中的低频和高频噪声; 所 述的信号分析部分通过对肌电信号进行时域分析和频域分析, 提取包 括振幅、 积分肌电值、 中值频率和平均频率的特征参数反映患者上肢 的肌肉功能状态。

[权利要求 9] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的康复训练评估模块 (4) 的输出数据一方面作为康复 训练的反馈参数输入到机器人本体模块 (2) 调节训练的动作, 一方 面作为训练情况的量化指标输入到虚拟现实模块 (5) , 直观地显示 给患者。

[权利要求 10] 根据权利要求 1所述的多模态交互的上肢康复机器人训练系统, 其特 征在于, 所述的虚拟现实模块 (5) 包括训练场景显示部分和对话交 互部分, 其输入参数来自机器人本体模块 (2) 和康复训练评估模块 (4) , 通过视觉和语音刺激患者感官, 激发康复训练的积极性与主 动性。

Description:
一种多模态交互的上肢康复机器人训练系统 技术领域

[0001] 本发明涉及上肢康复领域领域, 具体涉及一种多模态交互的上肢康复机器人训 练系统。

背景技术

[0002] 随着经济发展和生活水平的提高人口老龄化问 题日益凸显。 脑卒中发病率逐年 递增, 致死致残率高, 严重危害人类健康, 患者中风后其运动功能的重建和康 复引起了普遍关注。 通过大剂量的运动康复治疗对脑卒中患者的恢 复具有关键 作用, 但中风患者数量过于庞大, 康复治疗师严重匮乏, 传统的人工物理疗法 无法满足巨大的康复需求。

[0003] 同时, 5见有康复训练缺乏客观数据的记录, 没有量化的评估机制, 不能进行有 效的反馈和改进训练计划, 影响训练效果。 此外, 由于康复训练动作单一重复 , 往往使患者感觉枯燥, 导致康复积极性差甚至不配合等情况。

[0004] 因此, 有必要提供一种新的上肢康复机器人训练系统 , 以实现了上肢康复训练 的安全化、 科学化和数据化; 提高整个康复训练过程的趣味性, 调动患者的积 极性与主动性。

发明概述

技术问题

问题的解决方案

技术解决方案

[0005] 本发明公开了一种多模态交互的上肢康复机器 人训练系统, 包括脑电信号采集 与处理模块、 机器人本体模块、 肌电信号采集与处理模块、 康复训练评估模块 和虚拟现实模块。 本发明提供的多模态交互的上肢康复机器人训 练方法采用脑 电控制, 通过脑电信号采集与处理模块提取脑电信号的 特征参数, 触发康复训 练, 充分地反映患者的康复训练意图; 通过采集分析肌电信号, 实时反映患肢 的肌肉功能状态, 结合力反馈反映肌力大小, 机器视觉捕捉患肢的姿态位置反 映患肢肌肉协同情况, 综合进行康复训练评估; 康复训练评估结果一方面作为 机器人本体的反馈参数, 调节训练动作, 一方面输入到虚拟现实模块实时显示 给患者, 实现了上肢康复训练的安全化、 科学化和数据化; 同时利用虚拟现实 技术, 提高整个康复训练过程的趣味性, 调动患者的积极性与主动性。

[0006] 为实现上述目的, 本发明的技术方案如下。

[0007] 一种多模态交互的上肢康复机器人训练系统, 所述上肢康复机器人训练系统包 括脑电信号采集与处理模块、 机器人本体模块、 患肢肌肉综合数据采集及处理 模块、 康复训练评估模块和虚拟现实模块,

[0008] 所述的脑电信号采集与处理模块用于提取患者 脑电信号中的相关特征参量来获 得患者的动作意图, 进而触发所述机器人本体模块的康复训练动作 ;

[0009] 所述机器人本体模块在所述脑电信号采集与处 理模块的触发及所述康复训练评 估模块反馈的量化评估参数下进行训练动作帮 助患者的患肢进行空间运动完成 康复训练过程;

[0010] 所述患肢肌肉综合数据采集及处理模块用于采 集并得到患肢的综合数据指标;

[0011] 所述康复训练评估模块用于对患肢的肌肉综合 数据指标进行处理分析, 所述的 肌肉综合数据指标包括肌肉功能状态指标、 肌力大小指标和肌肉协同指标, 对 三项指标分别进行打分并计算三项指标的总分 , 得到患者手臂康复运动训练的 量化评估结果;

[0012] 所述虚拟现实模块用于显示患肢康复训练的虚 拟环境, 通过感官刺激患者训练 的主动性, 参数输入分别来自机器人本体模块和康复训练 评估模块。

[0013] 进一步地, 所述肌力大小指标由力反馈数据反映; 所述肌肉功能指标由包括肌 电信号的振幅、 积分肌电值、 中值频率和平均频率的特征参数反映; 肌肉协同 指标由机器视觉捕获的患者姿态位置信息反映 。

[0014] 进一步地, 所述对三项指标分别进行打分具体包括:

[0015] 所述的肌肉功能状态指标的分数通过对比患者 与健康人的肌电信号的特征值获 得, 两者差值越大, 患者所得分数越低; 所述的肌力大小指标的分数通过力反 馈数据获得, 力的数值越大, 说明患者主动训练程度越低, 患者所得分数越低 ; 所述的肌肉协同指标的分数通过对比患者与健 康人的运动数据, 计算患肢运 动速度和轨迹的误差大小, 误差越大, 患者所得分数越低; 通过计算三项指标 的总分, 得到患者手臂康复运动训练的量化评估结果, 分数的高低与患肢运动 能力、 康复训练的效果成正比。

[0016] 进一步地, 所述的患肢肌肉综合数据采集及处理模块包括 肌电信号采集与处理 模块、 力反馈装置、 机器视觉装置,

[0017] 所述肌电信号采集与处理模块通过提取患者上 肢的肌电信号特征, 获得患肢的 所述肌肉功能状态指标;

[0018] 所述的力反馈装置通过获取的力反馈数据得到 患肢的所述肌力大小指标;

[0019] 所述的机器视觉装置通过捕获的患肢姿态位置 数据得到患肢的所述肌肉协同指 标。

[0020] 进一步地, 所述的脑电信号采集与处理模块包括脑电信号 采集部分、 多通道模 拟前端放大电路部分、 支持多通道采集的数字电路部分和信息处理部 分, 所述 脑电信号采集部分采集患者的脑电信号输送至 多通道模拟前端电路放大, 并且 将模拟量转换为数字量, 提高信号在传输中的抗干扰性; 所述支持多通道采集 的数字电路对数字信号进行缓存和转换, 然后传输至信息处理部分进行储存和 还原; 最后在信息处理部分中进行相应处理, 包括特征提取与模式识别, 输出 信号触发机器人本体模块的运行。

[0021] 进一步地, 所述的机器人本体模块由脑电信号采集与处理 模块输出的信号触发 时, 用于带动患者的患肢进行被动康复、 主动康复及主被动康复训练, 并将训 练的数据传输至虚拟现实模块作为输入参数。

[0022] 进一步地, 所述的肌电信号采集与处理模块包括前置放大 电路部分、 陷波器、 滤波器部分和信号分析部分, 所述前置放大电路部分用于对获取的肌电信号 进 行放大; 所述的陷波器用于降低 50Hz工频干扰; 所述的滤波器部分用于来滤除 肌电信号中的低频和高频噪声; 所述的信号分析部分通过对肌电信号进行时域 分析和频域分析, 提取包括振幅、 积分肌电值、 中值频率和平均频率的特征参 数反映患者上肢的肌肉功能状态。

[0023] 进一步地, 所述的康复训练评估模块的输出数据一方面作 为康复训练的反馈参 数输入到机器人本体模块调节训练的动作, 一方面作为训练情况的量化指标输 入到虚拟现实模块, 直观地显示给患者。

[0024] 进一步地, 所述的虚拟现实模块包括训练场景显示部分和 对话交互部分, 其输 入参数来自机器人本体模块和康复训练评估模 块, 通过视觉和语音刺激患者感 官, 激发康复训练的积极性与主动性。

发明的有益效果

有益效果

[0025] 与现有技术比较, 本发明具有如下优点和技术效果:

[0026] 本发明通过脑电控制, 充分体现了患者的康复意图, 结合肌电信号反馈, 实时 获取患肢肌肉功能状态, 加上力反馈和姿态位置信息, 提供了综合的康复训练 评估, 同时通过虚拟现实模块进行显示互动, 构成一种多模态交互的上肢康复 机器人训练系统, 实现了患肢康复训练过程的安全化、 科学化、 数据化和趣味 化。

对附图的简要说明

附图说明

[0027] 图 1为一种多模态交互的上肢康复机器人训练系 的示意图。

[0028] 图中所示: 1-脑电信号采集与处理模块、 2 -机器人本体模块、 3 -肌电信号采集 与处理模块、 4 -康复训练评估模块、 5 -虚拟现实模块。

发明实施例

本发明的实施方式

[0029] 下面将结合具体实施例对本发明作进一步说明 , 但不限于此。

[0030] 如图 1所示, 一种多模态交互的上肢康复机器人训练系统, 所述上肢康复机器 人训练系统包括脑电信号采集与处理模块 1、 机器人本体模块 2、 患肢肌肉综合 数据采集及处理模块, 患肢肌肉综合数据采集及处理模块、 康复训练评估模块 4 和虚拟现实模块 5,

[0031] 所述的脑电信号采集与处理模块 1用于提取患者脑电信号中的相关特征参量来 获得患者的动作意图, 进而触发所述机器人本体模块 2的康复训练动作;

[0032] 所述机器人本体模块 2在所述脑电信号采集与处理模块 1的触发及所述康复训练 评估模块 4反馈的量化评估参数下进行训练动作帮助患 的患肢进行空间运动完 成康复训练过程;

[0033] 所述患肢肌肉综合数据采集及处理模块用于采 集并得到患肢的综合数据指标, 所述的肌肉综合数据指标包括肌肉功能状态指 标、 肌力大小指标、 肌肉协同指 标, 所述的患肢肌肉综合数据采集及处理模块包括 肌电信号采集与处理模块 3、 力反馈装置、 机器视觉装置,

[0034] 所述肌电信号采集与处理模块 3通过提取患者上肢的肌电信号特征, 获得患肢 的所述肌肉功能状态指标;

[0035] 所述的力反馈装置通过获取的力反馈数据得到 患肢的所述肌力大小指标;

[0036] 所述的机器视觉装置捕获的患肢姿态位置数据 , 同时与健康人的运动数据进行 对比, 通过分析计算患肢运动速度和轨迹的误差大小 , 获得患肢的所述肌肉协 同指标。

[0037] 所述康复训练评估模块 4用于对患肢的肌肉功能状态指标、 肌力大小指标、 肌 肉协同指标进行处理分析, 对三项指标分别进行打分, 具体包括: 所述的肌肉 功能状态指标的分数通过对比患者与健康人的 肌电信号的特征值获得, 两者差 值越大, 患者所得分数越低; 所述的肌力大小指标的分数通过力反馈数据获 得 , 力的数值越大, 说明患者主动训练程度越低, 患者所得分数越低; 所述的肌 肉协同指标的分数通过对比患者与健康人的运 动数据, 计算患肢运动速度和轨 迹的误差大小, 误差越大, 患者所得分数越低; 通过计算三项指标的总分, 得 到患者手臂康复运动训练的量化评估结果, 分数的高低与患肢运动能力、 康复 训练的效果成正比, 即: 分数越高, 患肢运动能力、 康复训练的效果就越好。

[0038] 所述虚拟现实模块 5用于显示患肢康复训练的虚拟环境, 通过感官刺激患者训 练的主动性, 参数输入分别来自机器人本体模块 2和康复训练评估模块 4。

[0039] 所述的脑电信号采集与处理模块 1包括脑电信号采集部分、 多通道模拟前端放 大电路部分、 支持多通道采集的数字电路部分和信息处理部 分, 所述脑电信号 采集部分采集患者的脑电信号输送至多通道模 拟前端电路放大, 并且将模拟量 转换为数字量, 提高信号在传输中的抗干扰性; 所述支持多通道采集的数字电 路对数字信号进行缓存和转换, 然后传输至信息处理部分进行储存和还原; 最 后在信息处理部分中进行相应处理, 包括特征提取与模式识别, 输出信号触发 机器人本体模块 2的运行。

[0040] 所述的脑电信号采集与处理模块 1通过采集患者的脑电信号, 分析、 提取患者 脑电信号中的相关特征参量来获得患者的动作 意图, 并且传输到机器人本体模 块 2, 触发康复训练的动作, 充分反映患者的主观意愿。

[0041] 所述的机器人本体模块 2患者手臂相连接, 由脑电信号采集与处理模块 1输出的 信号触发时, 辅助患者完成康复训练的动作, 并且可以为不同康复阶段的病人 提供有针对性的训练方式, 带动患者的患肢进行被动康复、 主动康复及主被动 康复训练, 并将训练的数据传输至虚拟现实模块 5作为输入参数。

[0042] 所述的肌电信号采集与处理模块 3包括前置放大电路部分、 陷波器、 滤波器部 分和信号分析部分, 所述前置放大电路部分用于对获取的肌电信号 进行放大; 所述的陷波器主要用于降低 50Hz工频干扰; 所述的滤波器部分用于来滤除肌电 信号中的低频和高频噪声; 所述的信号分析部分通过对肌电信号进行时域 分析 和频域分析, 提取包括振幅、 积分肌电值、 中值频率和平均频率的特征参数反 映患者上肢的肌肉功能状态, 并将分析结果传输至康复训练评估模块 4

[0043] 康复训练评估模块 4将肌力大小指标、 肌肉功能指标和肌肉协同指标进行分析 与处理, 其中肌力大小指标由力反馈数据反映, 肌肉功能指标由包括肌电信号 的振幅、 积分肌电值、 中值频率和平均频率的特征参数反映, 肌肉协同指标由 机器视觉捕获的患者姿态位置信息反映, 三项指标各自打分, 计算总分, 作为 对患肢康复训练情况的综合量化评估结果, 评估数据一方面作为康复训练的反 馈参数输入到机器人本体模块 2调节训练的动作, 实现康复训练的科学化与安全 化, 一方面作为训练情况的量化指标输入到虚拟现 实模块 5中直观地显示给患者 , 保证患者训练的主动性, 提高患者康复的参与度。

[0044] 所述的虚拟现实模块 5包括训练场景显示部分和对话交互部分, 其输入参数来 自机器人本体模块 2和康复训练评估模块 4, 通过视觉和语音刺激患者感官, 激 发康复训练的积极性与主动性。 所述虚拟现实模块 5用于显示患者手臂进行康复 训练的虚拟环境, 同时结合语音交互, 多层次刺激患者的感官, 实现系统与患 者的互动, 增强康复训练的趣味性。 [0045] 本发明通过脑电信号采集与处理模块、 机器人本体模块、 肌电信号采集与处理 模块、 康复训练评估模块和虚拟现实模块构成一种多 模态交互的上肢康复机器 人训练系统, 实现了上肢康复训练过程的安全化、 科学化、 数据化和趣味化。

[0046] 本实施例的使用流程如下:

[0047] 在一个可行的实施例中, 脑电信号采集与处理模块 1开始运行后, 采集患者的 脑电信号, 然后通过多通道模拟前端放大电路进行放大, 并且将模拟量转换为 数字量, 支持多通道采集的数字电路对数字信号进行缓 存和转换, 然后传输至 电脑进行信息处理, 包括特征提取与模式识别, 最后输出信号触发机器人本体 模块 2运行; 所述机器人本体模块 2末端与患者手臂相连, 带动患者的手臂进行 被动康复、 主动康复或主被动康复训练, 其训练的数据作为输入参数传输至虚 拟现实模块 5 ; 在机器人本体模块 2辅助患肢进行康复训练的过程中, 所述肌电 信号采集与处理模块 3 实时的采集患肢的肌电信号, 分析得到肌肉的功能状态指 标并传输给康复训练评估模块 4, 同时力反馈装置采集患肢与机器人本体模块 2 之间的作用力数据, 分析得到肌力大小指标, 所述机器视觉装置捕获患肢的姿 态位置数据, 分析得到肌肉协同指标, 三个指标在康复训练评估模块 4进行处理 分析, 得到患者手臂康复运动训练的量化评估参数。 量化评估参数输出一方面 作为康复训练的反馈参数输入到机器人本体模 块 2调节训练的动作, 实现康复训 练的科学化与安全化, 一方面作为训练情况的量化指标输入到虚拟现 实模块 5, 直观地显示给患者。 虚拟现实模块 5显示患者手臂运动的虚拟场景, 提升训练的 趣味性, 同时与患者进行语音交互, 刺激患者训练的主动性。

[0048] 根据上述说明书的揭示和教导, 本发明所属领域的技术人员还可以对上述实施 方式进行变更和修改。 因此, 本发明并不局限于上面揭示和描述的具体实施 方 式, 对本发明的一些修改和变更也应当落入本发明 的权利要求的保护范围内。 根据上述说明书的揭示和教导, 本发明所属领域的技术人员还可以对上述实施 方式进行变更和修改。 因此, 本发明并不局限于上面揭示和描述的具体实施 方 式, 对本发明的一些修改和变更也应当落入本发明 的权利要求的保护范围内。