[发明专利]一种智能手部运动功能评测及康复训练轮椅

权利要求书

1.本专利公开的一种智能手部运动功能评测及康复训练轮椅，包括康复轮椅（1）、数据采集模块（2）、数据处理模块（3）和人机交互模块（4），其特征在于：所述的康复轮椅由普通轮椅改装而成，是手部运动功能评测及康复训练实施的硬件基础，轮椅结构一方面使得整个装置便于移动、灵活性强，另一方面可以固定患者躯体和手臂；所述的数据采集模块包含1个MYO臂环（2-1）、1个Leap Motion体感控制器（2-2）；MYO臂环以接触式测量方式采集手部运动时产生的表面肌电信号和加速度信号，获取手掌和手腕在空间中的俯仰角、偏航角、滚转角、角速度等数据，基于动态时间归整DWT算法，可实现对不同种类手势的识别；LeapMotion 体感控制器以非接触式采集指尖、手指各关节在空间中的位置、俯仰角、偏航角、滚转角、角速度等数据，通过对得到的数据进行支持向量机SVM分类处理，达到手势识别的目的。

2.所述的数据处理模块包括滤波、补偿、计算、分析四个步骤，一方面减少手部运动数据采集环节产生的误差，使处理后的数据更加全面地反映出真实的运动情况，另一方面，通过对采集到的数据进行对比与计算，得出患者手部运动功能评测结果及相关运动数据；所述的人机交互模块包括显示器和人机交互界面，显示器为普通液晶显示器，人机交互界面由指示栏、状态栏、动画界面构成，既可以实时引导患者进行各个环节的手部运动功能评测及康复训练，还可实时地显示各个环节手部运动的跟踪动画、评测结果和康复训练效果。

3.根据权利要求1所述的智能手部运动功能评测及康复训练轮椅基于模式识别、数据补偿与分析技术，模式识别是将MYO臂环与Leap Motion体感控制器采集到的患者手部的运动数据进行特征提取与分类处理，当下次MYO臂环和Leap Motion体感控制器采集到运动数据时，可以自动根据其特征与模块库中的特征数据进行匹配，达到手势识别的效果；数据补偿与分析技术是将采集到的运动数据进行滤波、补偿、计算、分析等处理，是整个智能手部运动功能评测及康复训练轮椅系统的核心；数据滤波即对MYO臂环与Leap Motion采集到包含噪声的手部运动数据进行卡尔曼滤波处理，综合当前时刻MYO臂环与Leap Motion采集到的数据值、前一时刻数据处理模块对数据的预测值及预测产生的误差，计算得出当前时刻MYO臂环与Leap Motion采集到的数据的最优值并预测后一时刻的值；数据补偿是将MYO臂环与Leap Motion体感控制器采集到的手部运动数据彼此间进行相互补偿，MYO臂环无法采集到的数据用Leap Motion体感控制器进行补偿，Leap Motion体感控制器无法采集到的数据用MYO臂环进行补偿，发挥接触式测量和非接触式测量各自间的优势，使数据能够更好地反映手部运动的情况；数据计算采用动态时间归整DWT算法和SVM分类算法，一方面将MYO臂环采集到的肌电信号和加速度信号进行分类，根据不同的肌电信号与加速度信号能够得到手掌和手腕在空间中的俯仰角、偏航角、滚转角、角速度，还可以进行手势识别；另一方面，将Leap Motion采集到的指尖及手指各关节在空间中的位置、俯仰角、偏航角、滚转角和角速度数据进行分类，实现手势识别的功能；数据分析是将得到的位置、俯仰角、偏航角、滚转角、角速度和手势等信息与业内相关评测及康复训练标准进行对比，分析得出患者手部运动功能评测结果及康复训练效果。

4.基于MYO臂环和Leap Motion体感控制器采集手部运动数据，将嵌入式评测及康复训练系统集成于康复轮椅上，使用体积较小、功耗低、性能好的开发板并植入Linux系统，一方面克服了评测及康复训练环节时空的局限性，系统还能够重复利用；另一方面，大大降低了评测及康复训练环节的成本、系统鲁棒性也得到提升；结合临床上《手部功能损失评定》标准制定评测及康复训练方案，使得整个评测流程更加规范、评测结果更具有说服力，康复效果更加显著。

5.根据权利要求1所述的智能手部运动功能评测及康复训练轮椅能够将评测结果、康复训练效果和相关检测数据实时显示与保存，便于患者和医师查询与追踪，可以很好地满足临床需求。