基于AI辅助的偏瘫患者爬行训练系统

摘要: 本发明属于医疗康复机器人,具体涉及一种基于ai辅助的偏瘫患者爬行训练系统。背景技术:1、偏瘫作为脑血管意外最常见的后遗症之一,患者一侧肢体肌力严重下降甚至丧失,...
基于AI辅助的偏瘫患者爬行训练系统

本发明属于医疗康复机器人,具体涉及一种基于ai辅助的偏瘫患者爬行训练系统。

背景技术:

1、偏瘫作为脑血管意外最常见的后遗症之一,患者一侧肢体肌力严重下降甚至丧失,直接影响站立和步行能力;而爬行训练(手膝位四点支撑)能够有效激活核心肌群、促进患侧肢体的协同运动,并为后续站立和行走训练奠定基础。

2、现有爬行训练装置多采用被动机械支撑结构,如固定托架、连杆机构等,患者无法获得与自身实时状态相匹配的助力,训练参数固定,缺乏个性化和自适应调节能力。同时,传统装置缺少对患者生物信号(肌电、运动学)的实时感知与智能决策,康复进程评估依赖治疗师主观判断,难以实现精准量化。

3、因此,亟需一种能够感知患者状态、自主学习并动态调整训练策略的智能化爬行训练系统。

技术实现思路

1、本发明旨在解决现有偏瘫爬行训练装置缺乏智能感知与个性化自适应控制的问题,提供一种基于ai辅助的偏瘫患者爬行训练系统,实现爬行训练的智能化感知、自适应控制、量化评估与持续优化。

2、为实现上述目的,本发明提出了一种基于ai辅助的偏瘫患者爬行训练系统,包括:

3、支撑平台;

4、患侧上肢训练模块,包括第一可调节支架和第一柔性固定装置,所述第一可调节支架与所述支撑平台连接,所述第一柔性固定装置用于固定患者的患侧前臂,所述第一可调节支架内置第一多轴运动组件,用于带动患侧上肢在三维空间内模拟爬行轨迹;

5、患侧下肢训练模块,包括第二可调节支架和第二柔性固定装置,所述第二可调节支架与所述支撑平台连接,所述第二柔性固定装置用于固定患者的患侧大腿,所述第二可调节支架内置第二多轴运动组件,用于带动患侧下肢在三维空间内模拟爬行轨迹;

6、躯干姿态调整模块,包括腰部固定带和背部支撑板,所述腰部固定带和背部支撑板通过六自由度并联机构与所述支撑平台连接,用于调节患者躯干在空间中的倾斜角度与偏移量;

7、多模态感知单元,包括分布在所述支撑平台、所述第一柔性固定装置、所述第二柔性固定装置和所述躯干姿态调整模块上的力传感器、惯性测量单元和表面肌电电极,用于实时采集患者的肌电信号、关节角度、接触压力及躯干姿态数据;

8、ai控制器,所述ai控制器与所述患侧上肢训练模块、患侧下肢训练模块、躯干姿态调整模块和多模态感知单元通信连接,所述ai控制器内置有基于深度强化学习的康复策略模型,该模型根据实时采集的多模态感知数据,动态生成并输出针对当前患者的个性化运动辅助参数,并控制所述第一多轴运动组件、第二多轴运动组件和六自由度并联机构的运动轨迹与输出力矩。

9、可选地,所述ai控制器还包括患者姿态估计模块,所述患者姿态估计模块利用骨骼关键点检测算法,从设置于所述支撑平台周边的rgb-d相机中提取患者全身21个关键点的三维坐标,并计算患侧与健侧肢体的运动对称性指数。

10、可选地,所述ai控制器还包括康复进程评估模块,该模块基于长短时记忆神经网络,对连续多次训练中的所述肌电信号、所述运动对称性指数和所述关节角度进行时序分析,自动输出康复阶段评估等级,并据此调整训练任务的难度参数。

11、可选地,所述第一多轴运动组件包括依次串联的肩关节外展/内收电机、肩关节前屈/后伸电机和肘关节屈/伸电机,各电机均配备扭矩传感器和位置编码器,所述ai控制器根据患者主动发力意图采用阻抗控制策略输出辅助力矩。

12、可选地,所述第二多轴运动组件包括髋关节屈/伸电机和膝关节屈/伸电机,各电机同样配备扭矩传感器和位置编码器,所述ai控制器采用基于模型的预测控制,使患侧下肢运动轨迹与健侧下肢运动轨迹保持设定的相位差。

13、可选地,所述六自由度并联机构包括六根电动推杆,每根电动推杆的伸缩量由所述ai控制器根据躯干姿态解算算法独立控制,以模拟爬行过程中躯干的前倾、侧倾、旋转及上下浮动。

14、可选地,所述ai控制器还连接有虚拟现实显示设备,所述虚拟现实显示设备用于向患者展示爬行场景和实时运动反馈,所述ai控制器根据患者的运动表现动态调整场景的难度和交互方式。

15、可选地,所述支撑平台底部设有升降底座和全向移动轮,所述升降底座和全向移动轮由所述ai控制器根据患者的身高和训练模式自动调整平台高度和锁定状态。

16、可选地,所述ai控制器还包括异常检测模块,当检测到肌电信号中出现异常痉挛波或关节力矩突增超过安全阈值时,立即触发紧急停止并反向驱动各电机至安全位置。

17、可选地,所述ai控制器还通过无线网络连接云端数据库,所述云端数据库存储有多个偏瘫患者的匿名化训练数据,所述康复策略模型采用联邦学习架构定期从云端聚合更新模型参数。

18、本发明的有益效果在于:

19、(1)个性化自适应训练:通过多模态感知单元中的力传感器、惯性测量单元和表面肌电电极,实时采集患者的肌电信号、关节角度、接触压力及躯干姿态数据,使ai控制器能够全面感知患者的运动意图与身体状态;ai控制器内置基于深度强化学习的康复策略模型,以患侧与健侧肢体运动轨迹的相似度最大化和辅助力矩最小化为优化目标,根据实时感知数据动态决策并输出个性化的辅助力矩与运动轨迹。由此,系统能够随患者肌力恢复情况自适应地降低辅助力度、逐步增加主动参与成分,实现从被动牵引向主动辅助、进而向抗阻训练的平滑过渡,解决了传统装置训练参数固定、无法随患者状态动态调节的问题,实现真正的个性化自适应训练。

20、(2)康复进程的客观量化评估:通过设置于支撑平台周边的rgb-d相机提取患者全身21个骨骼关键点的三维坐标,ai控制器的患者姿态估计模块能够计算患侧与健侧肢体的运动对称性指数;康复进程评估模块进一步基于长短时记忆神经网络,对连续多次训练中的肌电信号、运动对称性指数和关节角度进行时序分析,自动输出康复阶段评估等级。由此,将传统依赖治疗师肉眼观察与主观判断的定性评估,转化为基于骨骼关键点空间几何度量和lstm时序趋势分析的定量指标,使康复进程评估客观化、精准化,并为训练难度的自适应调节提供了数据基础。

21、(3)主动参与促进与神经重塑:第一多轴运动组件和第二多轴运动组件的各关节电机均配备扭矩传感器和位置编码器,ai控制器根据患者主动发力意图采用阻抗控制策略输出辅助力矩——当患者主动发力增大时,辅助力矩自适应减小,使患者始终处于主动参与的训练状态;对于下肢,ai控制器采用基于模型的预测控制,使患侧下肢运动轨迹与健侧下肢运动轨迹保持设定的相位差,确保下肢运动节律与健侧协同。两者结合,在保证训练安全的前提下最大化地激励患者主动参与,有助于促进中枢神经系统的重塑。

22、(4)训练沉浸感提升与模型持续优化:ai控制器连接虚拟现实显示设备,根据患者的运动表现动态调整场景的难度和交互方式,将枯燥的重复训练转化为具有即时反馈和正向强化的沉浸式交互体验,有助于提升患者训练依从性和主动参与意愿;同时,ai控制器通过无线网络连接云端数据库,康复策略模型采用联邦学习架构定期从云端聚合更新模型参数,各终端设备仅上传匿名化的模型梯度而非原始训练数据,在汇集多中心临床数据以持续优化模型性能的同时,有效保护了患者的医疗数据隐私。

23、(5)多重安全保障:ai控制器还包括异常检测模块,当检测到肌电信号中出现频率8-12hz的异常痉挛波或关节力矩突增超过安全阈值时,立即触发紧急停止并反向驱动各电机至安全位置。痉挛波具有特定的频域特征,通过肌电频谱分析可早期识别痉挛发作前兆,力矩突增则直接反映机械过载风险,二者结合实现了神经源性异常与机械性异常的双重防护,保障了高危患者的使用安全。

24、本发明具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。