[发明专利]一种基于表面肌电信号的手功能康复训练方法有效

专利信息
申请号: 201910810901.X 申请日: 2019-08-30
公开(公告)号: CN110400619B 公开(公告)日: 2023-07-21
发明(设计)人: 杨帮华;程凯;孔德闻 申请(专利权)人: 上海大学
主分类号: G16H20/30 分类号: G16H20/30;G06F18/213;G06F18/24;A61B5/296
代理公司: 上海上大专利事务所(普通合伙) 31205 代理人: 何文欣
地址: 200444*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明涉及一种基于表面肌电信号的手功能康复训练方法。本方法采用的训练系统包括:Neuracle表面肌电信号采集模块、表面肌电信号在线分析模块和手工能康复训练模块,其中Neuracle表面肌电信号采集模块是通过Neuracle设备获取患者控制手前臂主动完成不同动作的表面肌电信号,然后通过TCP/IP通信协议传输该表面肌电信号至PC端公共缓存区;表面肌电信号在线分析模块对公共缓存区的表面肌电信号进行预处理,特征提取,分类之后,分析出表面肌电信号中的有效成分,并将其转换成控制命令,通过Qt特有的信号与槽机制传输给所述手工能康复训练模块;手工能康复训练模块接收到控制命令之后,根据预先选择好的康复模式进行康复训练。本发明提供了不同的康复动作与康复模式,让患者可以根据自身的情况主动进行有效的康复训练,且该方法具有用户主动参与和沉浸感强的特点,促进中枢神经的重塑,为手功能康复提供新的训练模式。
搜索关键词: 一种 基于 表面 电信号 功能 康复训练 方法
【主权项】:
1.一种基于表面肌电信号的手功能康复训练方法,其特征在于:采用由Neuracle表面肌电信号采集模块(1)经表面肌电信号在线分析模块(2)连接手工能康复训练模块(3)构成的手功能康复训练系统进行训练,所述Neuracle表面肌电信号采集模块(1)使用Neuracle设备获取患者控制手前臂主动完成不同动作的表面肌电信号,通过TCP/IP通信协议传输该表面肌电信号至PC端公共缓存区;表面肌电信号在线分析模块(2)从公共缓存区获得表面肌电信号之后,对其同步显示,保存,然后进行预处理、特征提取和分类识别,最终分析出不同手前臂动作对应表面肌电信号中的有效成分,并将其转换成控制指令,通过Qt特有的信号与槽机制传输给所述手工能康复训练模块(3);手工能康复训练模块(3)包括患者手功能康复部位的精细划分与康复模式的设计,通过接收到控制指令完成相应的康复训练;具体训练操作步骤如下:(一)对所述Neuracle表面肌电信号采集模块(1)采用Qt软件编写,并使用多线程编程以及TCP/IP通信协议技术;具体实现步骤为:(1‑1)参数设置:需要设置的信息包括采样通道的名称、采样通道数、TCP/IP传输协议的IP地址及端口号、文件保存时间;(1‑2) 由Neuracle表面肌电信号采集模块(1)实现表面肌电信号的实时采集、显示、保存,采用Qt编写:(1‑2‑1)采集:开启一个线程通过TCP/IP通信协议接收Neuracle设备采集的表面肌电信号数据,并将接收到的数据保存在公共的缓存区中,由表面肌电信号在线分析模块(2)对缓存区中的数据进行在线分析;(1‑2‑2)显示:当采集到的数据存储到公共的缓存区中后,在Qt GUI界面的显示控件中同步显示信号波形;(1‑2‑3)保存:将采集到的数据以文本形式存储到指定文件夹中;(二)对所述表面肌电信号在线分析模块(2)采用Qt和Matlab混合编程实现,识别函数采用Matlab编写;具体实现步骤为:表面肌电信号在线分析模块(2)对实时采集到的表面肌电信号进行在线识别,在Matlab环境中调用预处理、特征提取以及分类函数实现;(2‑1)调用Matlab预处理函数:在Matlab编译环境下,预处理函数iirFilter.m,对应IIR带通滤波器方法;(2‑2)滤除噪声:通过IIR滤波器方法,滤除掉人体皮肤干扰及工频噪声;(2‑3)调用Matlab特征提取函数:在Matlab编译环境下,自编特征提取函数time_domain.m和frequency_domain.m,分别对应时域模型和频域模型特征提取方法;(2‑4)获得初始特征数组:对信号通过选定的特征提取函数处理,获取对应特征,构建初始特征数组:time_domain.m特征提取函数对信号时域波形提取肌电积分值和过零点率;frequency_domain.m特征提取函数将信号转化到频域,提取中值频率和平均频率,共同组成初始特征数组;(2‑5)调用Matlab模式分类函数:在Matlab编译环境下,自编分类识别函数naiveBayes.m对应朴素贝叶斯分类方法;(2‑6)获得识别结果:将初始特征数组送入分类器分析识别,得到识别结果:naiveBayes.m分类函数将初始特征数组作为朴素贝叶斯分类器的输入,进行模式分类,输出识别结果,识别结果分为各种手前臂运动动作;(2‑7)将反映被试手前臂运动状态的识别结果通过Qt特有的信号与槽机制传输给手工能康复训练模块(3);(三)对所述手工能康复训练模块(3)采用Qt编程实现, 包括患者康复部位的精细划分与康复模式的设计;具体实现步骤为:(3‑1)康复部位精细划分:考虑到不同患者手功能损伤状况的不同,共设计包括手腕和手指在内的20种手部康复动作,患者可以根据自身情况合理的选择多种动作进行康复训练;(3‑2)康复模式设计:设计了普通康复模式和娱乐康复模式;(3‑2‑1)普通康复模式:在Qt GUI界面的康复结果展示区域根据接收的指令同步展示相应的手部动作视频;(3‑2‑2)娱乐康复模式:设置了简单的跑酷游戏,将患者选择的手部动作与游戏人物的左移、右移、上跳与下蹲相绑定,根据接收到控制指令,控制游戏人物的运动;(3‑3)手工能康复训练:通过Qt特有的信号与槽机制接收表面肌电信号在线分析模块(2)发送的控制指令,根据选择的康复模式进行康复训练。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海大学,未经上海大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910810901.X/,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top