平衡训练器模拟器系统和方法

1.本公开总体上涉及用于改善用户的平衡控制的一种平衡训练器模拟器系统以及使用该系统的方法，该平衡训练器模拟器系统利用固定式自行车，该固定式自行车在使用期间提供定制的意外扰动。
2.背景
3.在老年人中，有助于在失去平衡时保持平衡和防止跌倒的平衡控制和尤其是平衡反应响应受损。这会导致跌倒和伤害性跌倒的风险增加。改善平衡恢复响应是预防跌倒训练方案的目标之一。
4.老年人口比例的上升及其相关联的发病率对整体保健资源造成上行压力(national institute on ageing.growing older in america,2007)。严重的健康问题之一是跌倒，这是该人群中致命和非致命伤害的主要原因。30％以上的社区老年人每年至少跌倒一次，80岁及以上的老年人中大约50％每年至少跌倒一次(cdc,2016.rubenstein,2006)。跌倒的人中有20％-30％遭受急性损伤，如髋部骨折和创伤性脑损伤，这些损伤降低了行动能力和独立性，甚至导致死亡(cdc 2106,stevens ja.,2005)。2015年，在美国，老年人跌倒的医疗费用超过500亿美元(florence cs等人,2018)。平衡控制，特别是由意外的平衡扰动引起的平衡反应策略，在防止跌倒和保持功能独立性方面起着至关重要的作用(stevens ja.,2005)。
5.在社区生活的老年人中，由于意外失去平衡而产生的无效平衡反应性反应是导致跌倒的主要原因之一(maki,b.e.,&mcilroy,1997)。意外失去平衡(如滑倒或绊倒)触发自动姿势响应，这些响应起到恢复平衡的作用(nashner lm 1976,nashner lm 1977,nashner lm 1980)。这些平衡反应响应特定于扰动的大小、类型和方向(nashner lm 1976,nashner lm 1977,nashner lm 1980)。例如，固定的脚间距离策略(base-of-support strategy)(双脚保持原位)用于在轻微到中度扰动期间通过脚踝、臀部和躯干的移动来恢复平衡。而在较大的扰动中，使用脚间距离改变的策略(maki&mcilroy 1997)。最近发表的系统评价发现，扰动训练方案有效地改善了平衡恢复策略并降低跌倒发生率(mccrum等人，2017；gerards等人，2017)，甚至降低了跌倒的各种风险和跌倒率(mansfield等人，2015；okubo等人，2016)。
6.其他研究(rissel等人，2013；和batcir等人，2018)发现，经常在户外骑自行车的老年人比年龄匹配的对照组有更好的平衡控制(batcir等人，2018)，户外骑自行车的量与更好的平衡控制有关(rissel等人，2013)。
7.扰动训练干预方案由不同的机电系统进行，这些系统以各种方式提供在站立和行走位置中的外部扰动。这些训练装置被设计为在整个训练课程期间专门训练能够在没有外部支撑的情况下独立站立或行走的老年人的支撑变化(即迈步反应(stepping reaction))，通常每次持续20-45分钟。因此，不能在跑步机上独立行走的老年人(如虚弱前期的或虚弱的老年人)以及患有神经疾病的人基本不能参加这些训练方案。为了配合这些人的扰动训练方法，设计和开发提供包括坐着时的扰动的平衡训练的机电系统对于老年人
来说可能很有价值。
8.在站立或跑步机行走期间的扰动训练(其特别地挑战反应性平衡响应)表现出有益的效果，然而，只有能够独立行走的老年人才能利用这种训练制度。最近的横断研究发现，经常在户外骑自行车的老年人的平衡控制比匹配的对照组要好。然而，建议老年人在户外骑自行车可能是危险的。因此，有必要开发能够改善平衡反应策略以减少老年人跌倒的技术。
9.因此，本领域存在对用于训练和增强平衡控制的改进的系统和方法的需要，以防止有需要的受试者(特别是容易失去平衡的残疾受试者和老年人)跌倒。
10.概述
11.根据本公开的一些实施例，本公开的各方面涉及一种机电式扰动固定式自行车机器人系统(在本文中也称为perstbiro)，其在固定式自行车骑行或踩踏期间提供意外扰动。此外，perstbiro系统为受训者的躯干反应性平衡响应提供了隐式闭环反馈控制，这有助于对受训者的反应性平衡控制实施隐式学习。在一些实施例中，运动获取/捕捉单元用于获得与用户的训练和表现有关的信息和/或在骑自行车训练课程期间提供关于躯干和手臂反应性平衡响应的实时反馈。根据一些实施例，还提供了机器学习的相关计算机实现方法和人工智能(ai)工具，该人工智能(ai)工具用于获得与用户的训练和平衡表现相关的数据，分析相关数据并控制/调节训练课程和/或提供训练建议/训练方案。
12.根据一些实施例，本文公开的系统和方法是有利的，因为它们可以以安全、准确和个性化的方式具体地改善躯干、手臂和下肢平衡反应性响应。在一些实施例中，该系统和方法可以改善受试者(例如老年人、以及虚弱前期和虚弱的老年人、脑瘫患者、创伤性脑损伤患者和部分脊髓损伤患者以及不能参加包括跑步机行走的扰动项目的人)的平衡反应性响应。
13.根据一些实施例，因此提供了一种系统，其在固定式自行车骑行期间向用户提供编程和受控的小到中等且不可预测的平衡扰动。在一些实施例中，系统还被配置为在平衡扰动训练期间向受训者提供一个或更多个认知挑战。在一些实施例中，该系统还包括运动捕捉单元，该运动捕捉单元被配置为在扰动期间捕捉/获得/检测受训者的移动。在一些实施例中，系统的处理器单元尤其被配置为利用来自运动捕捉单元的数据和/或与受训者的表现相关的附加数据(例如与认知挑战表现相关的数据)，并基于此来提供定制的训练方案和/或调节训练课程。
14.根据一些实施例，提供了一种用于刺激受试者的平衡控制的机电式自行车模拟器系统，该系统包括：固定式训练自行车(stb)；移动平台；一个或更多个马达；以及中央控制单元；其中，该移动平台被构造成向stb提供外部扰动倾斜，从而刺激位于stb上的受试者的平衡。
15.根据一些实施例，stb包括踏板单元和座椅。
16.根据一些实施例，踏板单元和座椅的相对位置是可调节的。
17.根据一些实施例，踏板单元可以在高度、阻力、作用力、张力和/或速度上是可调节的。
18.根据一些实施例，座椅可以在高度和/或角度上是可调节的。
19.根据一些实施例，该系统可以包括被构造为在扰动期间固定受试者(受训者)的安
全系带。
20.根据一些实施例，移动平台可以安装在轴上，并且可以构造成处于固定状态或浮动状态。
21.根据一些实施例，系统可以被配置成当移动平台处于浮动状态时提供内在的自诱导扰动。在一些实施例中，自诱导扰动发生在骑自行车期间。
22.根据一些实施例，移动平台的浮动状态被配置成在外部扰动倾斜之间的时间段期间被启用。
23.根据一些实施例，该系统可进一步包括齿轮机构。
24.根据一些实施例，齿轮机构可以被构造成允许通过一个或更多个球轴承利用移动平台的旋转轴传递马达旋转，从而允许移动平台旋转和平衡外部扰动倾斜。
25.根据一些实施例，该系统可进一步包括运动控制单元。
26.根据一些实施例，该系统可进一步包括运动捕捉单元。
27.根据一些实施例，运动捕捉单元包括一个或更多个视频摄像机、网络摄像机、智能手机摄像机等。在一些实施例中，视频摄像机可以是任何类型的适当视频摄像机，具有任何类型的适当传感器，包括例如ccd传感器、cmos传感器、rgb传感器等。在一些实施例中，摄像机是深度视频摄像机。
28.根据一些实施例，中央控制单元可以被配置成控制运动控制单元和/或运动捕捉单元的操作参数。
29.根据一些实施例，该系统可进一步包括用户界面和/或显示器。
30.根据一些实施例，外部扰动倾斜选自：横向扰动(左倾斜扰动和右倾斜扰动)、前后扰动(向前倾斜扰动和向后倾斜扰动)、竖直扰动、围绕竖直轴的旋转或其任何组合。
31.根据一些实施例，横向扰动对于每一侧在约0
°‑
20
°
的范围内，和/或其中横向扰动的速度在约0-30度/秒的范围内，和/或其中加速度或减速度在约0-30度/秒2的范围内。
32.根据一些实施例，前后扰动对于每个方向在约0
°‑
15
°
的范围内，和/或其中前后扰动的速度在约0-30度/秒的范围内，和/或其中加速度或减速度在约0-30度/秒2的范围内。
33.根据一些实施例，横向扰动和/或前后扰动的频率在每分钟约1-15次的范围内。
34.根据一些实施例，竖直扰动在每个方向上在约0-15厘米的范围内，和/或其中竖直扰动的速度在约0-40厘米/秒的范围内，和/或其中加速度或减速度在约0-40厘米/秒2的范围内，和/或其中频率在约1-10次扰动/分钟的范围内。
35.根据一些实施例，旋转扰动在每个方向上在约0-10厘米的范围内，和/或其中旋转扰动的速度在约0-40厘米/秒的范围内，和/或其中加速度或减速度在约0-40厘米/秒2的范围内，和/或其中频率在约1-10次扰动/分钟的范围内。
36.根据一些实施例，中央控制单元还被配置成在扰动系统的至少一部分期间向受训者提供认知挑战。
37.根据一些实施例，认知挑战可以包括认知游戏和/或认知任务。在一些实施例中，认知挑战可以以各种级别的难度或复杂性提供。
38.根据一些实施例，中央控制单元可以包括处理单元，处理单元被配置为执行计算机程序，该计算机程序被配置为确定受试者在扰动期间的表现和/或确定进一步的扰动训练课程(训练计划)。
39.根据一些实施例，计算机程序可包括机器学习算法。
40.根据一些实施例，至少部分地基于与在扰动期间和可选地在认知任务期间受试者的平衡反应响应表现有关的数据，实时地执行对扰动期间受试者的表现的确定。
41.根据一些实施例，进一步的扰动训练课程(训练计划)的确定至少部分地基于与受试者在先前扰动课程期间的表现有关的数据。
42.根据一些实施例，运动控制单元被配置成基于训练计划指导马达操作。
43.根据一些实施例，对于每个扰动，外部扰动以三角形运动曲线(加速度-减速度)提供。
44.根据一些实施例，训练课程的操作参数可以包括：扰动的类型、扰动的最大加速度/减速度、扰动的最大速度、扰动的幅度、扰动的角度、扰动重复次数、扰动之间的延迟时间、座椅与踏板单元之间的相对位置、踏板单元的操作参数或其任意组合。
45.根据一些实施例，处理单元被配置为在扰动或扰动课程之后向受试者提供关于反应性平衡反应的实时反馈。
46.根据一些实施例，所提供的外部扰动中的一个或更多个是意外的。
47.根据一些实施例，中央控制单元被配置成允许训练者确定、选择或确认训练计划和/或控制一个或更多个平衡锻炼参数。
48.根据一些实施例，该系统可进一步包括可调节的抓握把手。
49.根据一些实施例，抓握把手包括心率传感器和/或压力传感器。
50.根据一些实施例，训练系统还包括通信单元，该通信单元被配置成允许有线和/或无线通信。
51.根据一些实施例，提供了一种用于训练或改进受试者的平衡控制的方法，该方法包括以下步骤中的一个或更多个：
52.使用本文公开的训练系统向受试者提供一个或更多个意外的外部扰动，
53.基于由系统的运动捕捉单元获取的数据，检测受试者对扰动的反应性平衡响应；
54.分析检测到的反应性平衡响应和主动平衡响应；和
55.如果确定平衡响应高于阈值，则向受试者提供反馈。
56.根据一些实施例，该方法可进一步包括向受试者提供认知挑战，并基于对认知挑战的响应来确定受试者的认知表现。
57.根据一些实施例，可以与意外的外部扰动同步地提供认知挑战。
58.根据一些实施例，针对受试者定制反应性平衡响应阈值。
59.根据一些实施例，可以基于校准和/或基于先前的训练课程来确定反应性平衡响应阈值。
60.根据一些实施例，反馈可以包括停止扰动并将移动平台返回到中立(即，竖直)位置。
61.根据一些实施例，对检测到的平衡响应和/或认知表现的分析可以由包括ai算法的计算机程序执行。
62.根据一些实施例，计算机程序可以被配置为向用户提供指示受试者在反应性平衡响应和/或认知刺激中的表现的反馈。
63.根据一些实施例，计算机程序还被配置成至少部分地基于所分析的反应性平衡响
应来调节训练课程的操作参数。
64.根据一些实施例，计算机程序可进一步配置成确定或推荐包括两个或更多个连续训练课程的随后训练课程和/或训练计划的操作参数。
65.根据一些实施例，提供了一种具有存储在其中的机器学习软件的计算机可读存储介质，机器学习软件可由一个或更多个处理器执行，用于执行如本文所公开的训练方法。
66.本公开的某些实施例可以包括上述优势中的一些、全部或不包含上述优势中的任何一个。对于本领域技术人员而言，根据本文包括的附图、描述和权利要求，一个或更多个其他技术优势可以是明显的。而且，尽管特定优势在上文中已经被列出，但是不同实施例可以包括所列举的优势的全部、一些或者不包含所列举的优势中的任何一个。
67.附图简述
68.在本文中参考附图描述了本公开的一些实施例。该描述与附图一起使本领域普通技术人员清楚可以如何实践一些实施例。附图是为了说明性描述的目的，并且没有试图比基本理解本公开所需更详细地示出实施例的结构细节。为了清楚起见，附图中描绘的一些对象不是按比例绘制的。此外，同一图形中的两个不同的对象可能被绘制成不同的比例。特别是，与同一图形中的其他对象相比，某些对象的比例可能被大大夸大。
69.在框图和流程图中，可选元件/部件和可选阶段可以包括在虚线框中。
70.在附图中：
71.图1根据一些实施例的机电式自行车模拟器系统的象形图。在图1中示出的是受试者(受训者)在训练者的监督下使用时的系统；
72.图2根据一些实施例的机电式自行车模拟器系统的齿轮机构的象形图；
73.图3a-图3d示出了根据一些实施例的示例性训练系统中各种类型的外部扰动的示意图。图3a-横向扰动；图3b-前-后扰动；图3c-竖直扰动；图3d-旋转扰动；
74.图4a-图4c示出了根据一些实施例的示例性训练系统中座椅和踏板单元的各种相对位置的示意图。图4a-皮划艇姿势；图4b-自行车姿势；图4c踩踏-站立姿势；
75.图5示出了根据一些实施例的用于评估平衡表现评估的站立姿势的示意图；
76.图6是根据一些实施例的各种系统部件之间的通信路径的流程图。箭头代表在每个部件及其所连接的部件之间的信息和数据的传播和方向。浅框代表也接收或发送通信的主要系统部分，而较深灰色框代表帮助连接或通信的中间部件；
77.图7示出了根据一些实施例的用户界面的示例性历史选项卡，显示训练课程的训练数据；
78.图8是根据一些实施例的平衡训练系统中使用的ai算法的步骤的流程图；
79.图9示出了表格，其详细说明了示例2的pertsbr干预训练方案。列出了训练课程的强度和进展级别。在22个潜在的训练课程期间，外部扰动、认知任务和自行车阻力的细节。缩写：deg＝度，sec＝秒，sec2＝秒*秒，vel.＝速度，acc.＝加速度；
80.图10a-图10c示出了训练系统上的受试者的上半身移动分析的样本。在校准阶段(图10b和图10c中的虚线左侧)和在平衡扰动锻炼阶段(图10a)期间，按时间的上半身移动(水平线)和perstbiro系统的固定式自行车(水平黑线)的样本，重点关注82岁的受训者在编程的20
°
右倾斜扰动(图10a以及图10b和图10c中的灰色时间线)后的上半身反应性平衡响应。肩线角——参与者的肩线与地面的角度(图10b，水平紫线)；头颈角——参与者的头
颈线与地面的垂直线的角度(图10b，水平绿线)。点1和2表示导致剧烈且大的上身平衡反应的外部扰动。时间范围1-2表示内部扰动，当骑在不稳定表面上时的上半身振动(如代表固定式自行车角度的水平黑线所见)并不完全在竖直0
°
位置上；
81.图11a-图11b示出了训练系统在86岁的受训者的训练课程期间监测和识别不用双手的踩踏的技能获得的能力的示例。图11a-第一次训练课程的约20秒的样本。86岁的受训者双手松开车把(训练课程约94秒)，在踩踏过程中立即伴有上半身不稳，即肩和头角度不稳[紫(α1)绿(α2)线]；图11b-第一次训练课程结束(训练课程的1,100-1,120秒)。在踩踏期间代表较好的上半身稳定性(即较低的幅度)的样本[紫色(α1)和绿色(α2)线]；和
[0082]
图12a-图12c示出了86岁的受训者在训练课程中在不用双手的踩踏期间对未通知的扰动作出反应性响应的能力。图12a-在2.5
°
倾斜的板块右-左训练(block right-left training)中的低幅度扰动(即黑色箭头)。26秒的样本，代表参与者对扰动作出持续反应的能力[肩线角度(紫线)在相反的方向上并与黑线扰动有关地进行反应]；图12b-在随机意外的中等幅度(6
°‑
10
°
倾斜)扰动训练期间的有效的受训者的反应性平衡响应的示例。30秒的样本，代表在不用双手踩踏期间通常有条理的和受控的肩部/躯干移动[肩线角度(紫线)]，且特别是有条理的和有效的上半身平衡响应(以紫线所表示的肩部的响应以适应扰动的方式上升)；图12c
–
在第十四次课程期间60秒的样本，其代表参与者对高幅度(8
°‑
12
°
倾斜)的随机的未通知的外部扰动作出反应性响应的能力(代表固定式自行车训练角度的黑线中的尖峰，黑色箭头)，以及在移动平台的“浮动”模式期间对自诱导的扰动作出主动反应的能力(固定式自行车训练黑线中温和的长驼峰，红色箭头)。一般来说，当自诱导的扰动发生时且通常也处于未通知的外部扰动的情况下，肩部的平衡响应表现出一种适合平衡挑战的有条理的响应，即肩部的紫线在相反方向上移动。
[0083]
详细描述
[0084]
参考所附描述和附图可以更好地理解本文中的教导的原理、用途和实施方式。在熟读本文呈现的描述和附图后，本领域的技术人员将能够实施本文的教导而无需过度努力或实验。在附图中，相同的参考数字始终指代相同的部分。
[0085]
在本技术的说明书和权利要求中，词语“包括”和“具有”及其各种形式不一定限于可以与这些词语相关联的列表中的构件。
[0086]
如本文所用，术语“约”可以用于将量或参数(例如，元件的长度)的值指定为在给定的(陈述的)值附近(并且包括该给定的(陈述的)值)的连续值范围内。根据一些实施例，“约”可以指定参数值在给定值的80％和120％之间。例如，“元件的长度等于约1m”的陈述相当于“元件的长度在0.8m和1.2m之间”的陈述。根据一些实施例，“约”可以指定参数值在给定值的90％和110％之间。根据一些实施例，“约”可以指定参数值在给定值的95％和105％之间。
[0087]
如本文所用，根据一些实施例，术语“大体上”和“约”可以是可互换的。
[0088]
如本文所用，术语“骑自行车”、“骑行”和“踩踏”可以互换地使用。这些术语涉及用户对相应踏板的操作(例如转动或踩下)。在一些实施例中，术语涉及固定式骑行。
[0089]
如本文所使用的，术语“自行车”涉及一种固定式骑行设备，其包括可转动踏板。在一些示例性实施例中，骑行设备可以是固定式自行车、固定式独轮车、座椅和相关联的踏板等的形式。
[0090]
如本文所使用的，术语“受试者”和“受训者”可互换地使用。这些术语涉及在模拟器系统上进行训练的用户。
[0091]
根据一些实施例，提供了一种机电式自行车模拟器系统(在本文中也称为扰动固定式自行车机器人系统(perstbiro)，其提供各种类型的预期和意外扰动，这些扰动挑战受试者(例如老年人)在骑自行车期间在安全坐姿下的主动和反应性平衡控制，适合于处于不同功能水平的受试者(例如老年人)。
[0092]
根据一些实施例，本文公开的系统包括在安全和可靠的环境中在(固定式)骑自行车期间提供意外平衡扰动的机电装置。
[0093]
在一些实施例中，如下文所述，扰动可以包括横向扰动(右和/或左倾斜)、前后扰动(向前和/或向后倾斜)、竖直扰动(向上和/或向下扰动)、围绕竖直轴的旋转或其组合。每种可能性都是单独的实施例。
[0094]
参考图1，其示出了根据一些实施例的机电式自行车模拟器系统的象形图。在图1中示出了正在被受试者(受训者24)使用的系统2，在该示例中，受试者在训练者(26)的监督下进行训练。如图1所示，系统2包括固定式训练自行车4，其位于/安装在/附接到移动平台6上。移动平台6被构造为通过使用齿轮和齿轮机构8以及球轴承12使其移动/倾斜来提供各种类型的外部扰动，该齿轮和齿轮机构8以及球轴承12由马达10(可以是任何类型的合适马达，例如伺服马达)提供动力并由运动控制单元18控制。在一些实施例中，传动比通过两个球轴承(在平台的每一侧上各一个球轴承)将伺服马达旋转与平台旋转轴结合起来，从而允许平台旋转并因此允许平衡扰动倾斜。根据一些实施例，移动平台是开放的铁框架，例如152cm长和64cm宽，其位于另一个固定式铁框架内，这些铁框架通过两个球轴承相互连接，允许在横向方向上的倾斜运动。固定式训练自行车(stb)安装在移动平台上，并由四个金属弧固定，这些金属弧将固定训练自行车的腿绑定到移动平台。移动平台框架从两端(后端和前端)连接到两个球轴承。前部球轴承连接到齿轮机构和伺服马达。在一些实施例中，如下文所述，移动平台可以放置在轴上并在两种状态之间转换：“固定状态”，在该状态下，移动平台可以提供外部扰动(即，其移动由运动控制系统经由齿轮机构控制)，或者“非固定”或“浮动”状态，在该状态下，平台是不稳定的(即，它不是固定式/固定的)，其通过迫使受训者在平台上平衡他/她自己来提供“内在”扰动。如图1中进一步所示，系统2包括运动捕捉单元16，其包括一个或更多个运动捕捉装置(例如视频摄像机)，其被配置为检测特别是在扰动期间受试者的运动。在一些示例性实施例中，运动捕捉摄像机可以在受试者坐姿前方约2.8m和3m的高度处以45
°
水平角安装，以便对躯干和上半身反应进行最佳的运动捕捉，而不会被stb的把手遮住。如图1所示，该系统还包括安全系带和/或带条，其被构造为固定受试者并拦住(prevent)或保持受试者，因此他在训练课程期间不会意外跌倒。受试者可以配备有附接到架空轨道的系带。对系带进行调节，以便在系带支撑全身重量的情况下，受试者的膝盖可以靠近平台，但不接触平台。在一些实施例中，仪表化的系带被构造成客观地评估/测量系带支撑，这也可以为训练者提供关于系带支撑被拉伸的情况的信息。在一些实施例中，系带支撑的截止水平(例如，约体重的20％)指示受训者未能适当地响应所提供的平衡刺激。该系统还包括控制单元22，其可包括一个或更多个显示器和/或处理器，该显示器和/或处理器被配置为控制系统的操作，从运动捕捉单元获得数据，分析与之相关的数据，向受试者和/或训练者提供实时反馈，评估受试者的表现，确定或建议训练课程或训练方案，向
受试者提供、呈现和/或评估认知任务等，或其组合。如图1中进一步示出的，系统2包括可用于帮助受试者坐着或休息的抓握把手(车把)20。在一些实施例中，在训练课程期间不使用抓握把手。如图1中进一步所示，stb 4包括踏板单元30以及座椅32，该踏板单元30具有构造成在训练期间转动/旋转的踏板，在训练期间受试者置于座椅32上。在一些实施例中，如下面进一步详细描述的，座椅和踏板单元的相对位置是可调节的。在一些实施例中，座椅的高度和/或角度是可调节的。
[0095]
根据一些示例性实施例，该系统可重约90kg，且其硬件包括以下部件中的一个或更多个：移动平台框架、固定式框架、stb、伺服马达、运动控制系统、齿轮和齿轮机构、两个球轴承以及运动捕捉单元，如图1所示。示例性部件的细节在下文的示例1中的表1中列出。
[0096]
根据一些实施例，stb可以以可逆或不可逆的方式安装在移动平台上、附连到移动平台、固定到移动平台或与移动平台相关联。
[0097]
现在参考图2，其示出了根据一些实施例的机电式自行车模拟器系统的齿轮机构的特写视图的象形图。如图2所示，齿轮机构50包括马达52、以及一组齿轮和变速器，该组齿轮和变速器被构造为移动该移动平台并由此向受试者提供扰动。如图2所示，齿轮机构50包括外部小齿轮54、气缸56、马达链和内部传动系统58以及外部大齿轮60。还示出了前球轴承62(在图1中示出为球轴承12)。在一些实施例中，移动平台连接到齿轮系列和具有大约2.5-4kw(例如，2.97-3.38kw)范围内的额定功率的伺服马达。在一些实施例中，传动比通过两个球轴承(在平台的每一侧上各一个球轴承)将伺服马达旋转与平台旋转轴结合起来，从而允许平台旋转并因此允许平衡扰动倾斜。在图2所示的齿轮机构50本身中，存在通过马达链(58)连接的两个外部齿轮(大齿轮(60)和小齿轮(54))，因此存在传动比约为1:5(例如，在1:10的范围内)的两个内部变速器。伺服马达(52)连接到圆柱形部件(56)，圆柱形部件可以焊接到外部小齿轮54上。在一些实施例中，马达可以具有1000-5000rpm的速度(例如，最大速度3000rpm)，以及在5-15nm范围内的峰值扭矩(例如，10.8nm)。
[0098]
根据一些示例性实施例，该系统可以提供在大约5-30
°
范围内(例如20
°
)的最大右扰动倾斜角和最大左扰动倾斜角(每侧)，加速度和减速度在20-40m/s^2范围内，最大速度在大约20-40m/s范围内(例如，30m/s^2的最大加速度和最大减速度，30m/s的最大速度)。马达可以由运动控制系统和可选的运动捕捉单元(其可以包括任何类型的视频摄像机，例如microsoft kinect系统、intel realsense
tm
深度摄像机、网络摄像机、智能手机摄像机等)来控制，两者都可以由执行一组指令(即，计算机程序)的主处理单元来控制。在一些实施例中，计算机程序可以在主机pc上执行，主机pc也可以用作用户界面。通过计算机程序命令，运动控制系统可以根据编程的训练计划引导马达旋转，该训练计划通常是针对每种扰动(加速-减速)的三角形运动曲线的训练计划。计算机程序可以允许受训者或训练者确定训练计划并控制平衡锻炼参数中的一个或更多个，例如但不限于：最大加速度/减速度、最大速度、扰动角度、右/左扰动重复次数、扰动之间的延迟时间等，或其任意组合。在一些实施例中，计算机程序还可以允许控制运动捕捉系统/单元(例如，视频摄像机、高清晰度视频摄像机、深度视频摄像机等)，其可以提供关于受训者在扰动之后的平衡反应的实时反馈。
[0099]
在一些实施例中，一旦给出了意外的平衡扰动，当由可由计算机程序配置的运动捕捉单元或由训练者(也称为健康护理提供者、治疗师)检测到适当的反应性平衡反应时，停止移动平台旋转(扰动)，并且马达通过马达反向旋转使系统返回到其竖直位置(其中立/
零位置)。在一些实施例中，用户(也称为受试者/受训者)可以被系到安全带条，例如，附接到天花板或臂的安全带条，如下所述。此外，该程序可被配置为保存/存储记录所执行的锻炼的文件，以用于训练后分析。
[0100]
根据一些实施例，perstbiro系统可用于实现平衡的运动学习(motor learning)。运动学习是指与练习特定移动相关联的人类内部过程，其会导致响应能力的相对永久的变化。运动学习过程随着练习多次重复运动表现而提高，从而提高人产生期望动作的能力。按随机顺序进行不同练习导致更好的运动学习。在一些实施例中，在定制的训练方案期间，期望的结果是受训者用躯干、上半身和手臂以及腿部肌肉组织执行有效的反应性平衡反应，以在骑自行车期间从扰动中恢复其平衡。
[0101]
在一些实施例中，perstbiro系统利用其计算机程序和运动控制单元，可用于通过将移动平台(stb和受训者)重复倾斜到不同的特定编程的倾斜角度来使受训者暴露于重复的随机意外平衡扰动，因此患者可更好地学习如何在训练课程中和在整个训练过程中更有效地恢复他们的平衡。为了进一步提高受训者获得有效的反应性平衡反应的运动学习过程，运动捕捉系统监测患者的全身关节，并在扰动后，检测受训者的反应性平衡反应，并确定响应是否足够有效。当执行了有效的平衡反应时，马达控制系统自动停止扰动，并立即将系统返回到其中立/竖直位置(0
°
)。这种任务内在反馈(即时的实时平衡响应反馈)为学习者(受训者)提供了成功的反应性平衡响应的隐含提示，并给出了最佳的可能的运动学习实施方式。
[0102]
根据一些实施例，perstbiro系统可以提供多方向的外部机器诱导的编程的未通知(意外)扰动。根据一些实施例，扰动可以是各种类型和方向的，并且可以包括任何组合。根据一些实施例，外部扰动可选自：横向扰动(右倾斜扰动和左倾斜扰动)、前后扰动(向后倾斜扰动和向前倾斜扰动)、竖直扰动(向上和向下)、围绕竖直轴旋转的扰动或其任何组合。在一些实施例中，扰动可以以三角形运动曲线(加速度-减速度)提供。在一些实施例中，每个训练课程可以包括以任何期望的顺序、以任何期望的长度、以任何期望的时间间隔和/或以任何期望的复杂度的一种或更多种类型的扰动。
[0103]
现在参考图3a-图3d，其示出了根据一些实施例的示例性训练系统中的各种外部扰动的示意图。如图3a所示，示例性系统70至少包括座椅76、踏板单元74和移动平台78，踏板单元和座椅(即，stb)安装/附接在移动平台78上。进一步示出了固定臂80，其被构造为保持运动捕捉单元72(以及显示器、用户界面、处理单元等)。图3a中示出的是横向(左-右)扰动82a(相对于轴线84a)。根据一些实施例，扰动的幅度在每侧可以处于约0
°‑
30
°
的范围内(例如，0-20
°
)。在一些实施例中，移动的速度可以在约0-30度/秒的范围内，或其任何子范围内。在一些实施例中，移动的加速度可以在约0-30度/秒2的范围内，或其任何子范围内。在一些实施例中，移动的减速度可以在约0-30度/秒2的范围内，或其任何子范围内。在一些实施例中，扰动的频率可以在约1-20(例如，1-15)次扰动/分钟的范围内，或其任何子范围内。
[0104]
参考图3b，其示出了示例性系统70中的前-后(左-右)扰动82b(相对于轴线84b)。根据一些实施例，扰动的幅度可以在每侧处于约0
°‑
30
°
的范围内(例如，0-20
°
)。在一些实施例中，移动的速度可以在约0-30度/秒的范围内，或其任何子范围内。在一些实施例中，移动的加速度可以在约0-30度/秒2的范围内，或其任何子范围内。在一些实施例中，移动的减
速度可以在约0-30度/秒2的范围内，或其任何子范围内。在一些实施例中，扰动的频率可以在约1-20(例如，1-15)次扰动/分钟的范围内，或其任何子范围内。
[0105]
参考图3c，其示出了示例性系统70中的竖直(上-下)扰动82c。根据一些实施例，在每个方向上，扰动的幅度可以在约0-30cm的范围内(例如，0-15cm)，或其任何子范围内。根据一些实施例，扰动的速度可以在约0-40厘米/秒的范围内，或其任何子范围内。在一些实施例中，扰动的加速度可以在约0-40厘米/秒2的范围内，或其任何子范围内。在一些实施例中，扰动的减速度可以在约0-40厘米/秒2的范围内，或其任何子范围内。在一些实施例中，扰动的频率可以在约1-10次扰动/分钟的范围内，或其任何子范围内。
[0106]
参考图3d，其示出了示例性系统70中的旋转扰动82d(围绕竖直轴84d)。根据一些实施例，扰动的幅度可以在处于非扰动状况下的座椅的零位置/竖直位置上方和下方约0-10cm的范围内。根据一些实施例，扰动的速度可以在约0-40厘米/秒的范围内，或其任何子范围内。在一些实施例中，扰动的加速度可以在约0-40厘米/秒2的范围内，或其任何子范围内。在一些实施例中，扰动的减速度可以在约0-40厘米/秒2的范围内，或其任何子范围内。在一些实施例中，扰动的频率可以在约1-10次扰动/分钟的范围内，或其任何子范围内。
[0107]
根据一些实施例，除了由马达提供的外部扰动之外，系统还可以提供内部自诱导扰动。根据一些实施例，扰动可以以两种形式提供，“内部”扰动和外部平衡扰动。如上所述，该系统被构造为提供外部机器诱导的编程的未通知的横向扰动。此外，该系统可以被构造为例如在不稳定的“浮动”可移动平台上踩踏期间提供内部自诱导扰动。在一些实施例中，移动平台可以在两种状态/模式之间转换：固定状态(由此其被构造为由运动控制单元移动并提供外部扰动)和浮动(非固定)状态，在浮动状态中，平台可以稍微不稳定，允许自诱导倾斜。根据一些实施例，在两次连续的外部扰动之间的时间间隔中，移动平台可以处于固定模式/状态或处于“浮动”模式/状态，在“浮动”模式/状态中，移动平台可以类似于浮动在水面上的冲浪板，并且在踩踏期间受到由受试者施加在其上的作用力。根据一些实施例，该不稳定模式/状态可由用户针对外部扰动之间的时间间隔进行编程。根据一些实施例，内部自诱导扰动因此可以由系统的移动平台的不固定(不稳定、浮动模式)提供。根据一些实施例，这种自诱导扰动模仿或模拟户外骑自行车，并且可以是主动平衡控制训练的一部分。根据一些实施例，对于高级受训受试者，可以包括这样的内部扰动。根据一些实施例，在不固定的“浮动”模式期间，例如，在外部扰动之间的时间间隔中，马达可以被释放(即，齿轮机构的至少一部分不与移动平台接合)。
[0108]
根据一些实施例，当校准系统时，定制的校准阶段可以在与训练期间预期使用的相同的固定或不固定的浮动状态下执行。在一些实施例中，固定模式/状态是当系统被竖直锁定/固定并用作常规固定式自行车单元时。在一些实施例中，“浮动”模式是当移动平台不固定且不稳定时，像冲浪板一样浮动并且受到由踩踏受试者作用在其上的作用力。
[0109]
根据一些实施例，系统的踩踏单元包括可由受试者和/或系统旋转的一组踏板。根据一些实施例，踩踏单元可被构造成监测各种踩踏相关参数，例如但不限于：踩踏时间、踩踏距离、踩踏阻力、基于距离确定的踩踏强度、心率和踩踏负荷等，或其任何组合。每种可能性都是单独的实施例。在一些实施例中，踩踏单元可以被构造成在扰动训练和/或认知训练期间监测各种踩踏相关参数。在一些实施例中，踩踏单元的速度、阻力、位置和/或高度可以自动或手动调节。在一些实施例中，踏板单元的高度可以在地面(地板)或移动平台上方约
2-60cm的范围内。在一些实施例中，踏板单元可以相对于座椅位于向前位置，其中踏板单元可以相对于座椅位于向前约5-150cm处。
[0110]
根据一些实施例，座椅和踏板单元的位置可以是可调节的。在一些实施例中，座椅和踏板单元的相对位置可以是可调节的。根据一些实施例，平衡扰动训练可以在有或没有踩踏的情况下根据增加的难度以各种身体姿势执行。在一些实施例中，可以调节移动座椅和/或踏板单元。因此，座椅和/或踏板单元可以适合/适配各种尺寸的受试者和/或大腿和膝盖具有不同运动范围的受试者。在一些实施例中，座椅可以在地板或移动平台上方约20-90cm的范围内上下调节。在一些实施例中，踏板单元可以在地板或移动平台上方约5-50cm的范围内上下调节。在一些实施例中，踏板单元还可以在与移动座椅的竖直位置相关的约20-120cm的范围内向前和向后调节。根据一些实施例，可以根据用户的舒适度和根据训练的难度级别来定制座位位置。
[0111]
根据一些示例性实施例，坐姿或训练姿势可以例如包括但不限于：“皮划艇姿势”(其具有简单难度级别)、“自行车姿势”(其具有中等难度级别)和“踩踏-站立姿势”(其具有高难度级别)等，或其组合。
[0112]
现在参照图4a-图4c，其示意性地示出了根据一些实施例的在示例性训练系统中座椅和踏板单元的各种相对位置。如图4a所示，示例性系统100至少包括座椅106、踏板单元104和移动平台108，踏板单元和座椅安装/附接在移动平台108上。进一步示出了固定臂110，其被构造为保持运动捕捉单元102(以及显示器、用户界面、处理单元等)。进一步示出了系带112，其被固定/连接/附接到躯干110，并且被构造成固定使用该系统的受试者(示出为示例性受试者114)。在系统100中，座椅-踏板单元以示例性的“皮划艇姿势”放置。在这样的设置中，角度120a(躯干-大腿角度)可以在大约90
°‑
110
°
的范围内。角度122a(大腿-膝盖角度)可以在大约170
°‑
90
°
的范围内。在一些实施例中，在这样的设置中，座椅高度可被调节到地板或移动平台上方约20-50cm。在一些实施例中，在这样的设置中，踏板单元可以被调节到地板或移动平台上方5-20cm，并且可以放置成相对于座椅向前约70-120cm。在一些实施例中，皮划艇姿势模仿在皮划艇中的坐姿，该坐姿靠近地板，躯干-大腿角度约为90-110度，大腿-膝盖角度约为170
°‑
90
°
。在一些实施例中，在该姿势中，踏板单元用作搁脚的地方。
[0113]
参考图4b，在系统100中，座椅-踏板单元以示例性的“自行车姿势”放置。在这样的设置中，角度120b(躯干-大腿角度)可以在大约110
°‑
145
°
的范围内。角度122b(大腿-膝盖角度)可以在大约170
°‑
60
°
的范围内。在一些实施例中，在这样的设置中，座椅高度可被调节到地板或移动平台上方约45-90cm。在一些实施例中，在这样的设置中，踏板单元可以被调节到地板或移动平台上方约15-50cm，并且可以放置成相对于座椅向前约20-60cm。在一些实施例中，自行车姿势模仿各种标准坐姿，例如坐在标准自行车上，使得当执行扰动时，座椅与踏板单元一起移动。
[0114]
参考图4c，其中在系统100中，座椅-踏板单元以示例性的“踩踏-站立姿势”放置。在这样的设置中，角度120c(躯干-大腿角度)可以在大约145
°‑
180
°
的范围内。角度122c(大腿-膝盖角度)可以在大约180
°‑
70
°
的范围内。在一些实施例中，在这样的设置中，座椅高度可以旋转并用作后方的后座。在一些实施例中，在这样的设置中，踏板单元可以被调节到地板或移动平台上方约5-50cm，并且可以放置成相对于座椅向前大约20-60cm。在一些实施例
中，踩踏-站立姿势模仿在踩踏时站在踏板上。
[0115]
根据一些实施例，该系统可以包括抓握把手。在一些实施例中，抓握把手可以是可拆卸的且根据例如座椅的高度可调节，并且可以位于移动座椅的前方或一侧。根据一些实施例，抓握把手可用于受训者的定位，也可由害怕不用双手的踩踏(例如，在训练课程开始时)的人或其初始平衡能力水平对于不用双手的踩踏太低的人使用。在一些实施例中，该级别的训练对于姿势控制系统来说几乎没有实际挑战。该级别的训练目标对于受训者来说主要是针对关于锻炼的认知理解和自信心的提高。然而，受训者被要求/请求在没有外部支撑或极少外部支撑的情况下进行训练(即不握持把手)。根据一些实施例，抓握把手可进一步用于心率监测。根据一些实施例，压力传感器可以位于抓握把手上。压力传感器可以被配置为在训练期间监测用于握持把手的手，这可以被用作训练成功的度量(例如，可以要求80％的训练时间的不用双手的踩踏前进到下一个级别)。在一些实施例中，压力传感器还可用于创建训练课程，该训练课程包括用手抓握和不用手抓握的组合训练间隔。
[0116]
根据一些实施例，该系统可以包括通信单元。通信单元可以配置为用于有线通信或无线通信(使用例如蜂窝网络、wi-fi和/或蓝牙)。根据一些实施例，通信单元可以允许与一个或更多个服务器、远程服务器、远程控制站、其他训练单元等进行通信。在一些实施例中，通信单元允许信息的传输或共享，例如与服务器之间的传输或共享、与其他刺激系统之间的传输或共享、与远程训练者的单元之间的传输或共享、与远程中央控制单元之间的传输或共享等等。在一些实施例中，通信单元在功能上和/或物理上与控制单元相关联。
[0117]
根据一些实施例，该系统可进一步允许或用于提供训练评估。根据一些实施例，评估课程可用于使用户/受训者能够在平衡扰动训练方案(可选地与认知任务结合，如本文详述的)之后跟踪和监测他/她的反应性平衡、功能平衡和/或认知进展。
[0118]
根据一些实施例，受训者的平衡表现评估可以以各种形式执行，例如包括：通过在专用移动平台上的反应性平衡检查(即，评估控制质心运动的能力——较低的质心移动表明较好的反应性平衡能力)；或者通过将运动捕捉单元旋转向房间空间中并在家庭环境中执行功能平衡检查(包括，例如，坐立任务、评估步态分析时的步行任务、单腿站立时间)。在一些实施例中，这样的评估选项可以持续大约2-30分钟(例如，15分钟)，并且受试者被指示遵循由系统控制单元在显示器上呈现的指令。在一些实施例中，评估课程的分数可以呈现在显示器(屏幕)上，并且可选地存储在存储器中。在一些实施例中，反应性平衡分数和/或功能平衡分数可由系统的计算机程序使用(特别是，如本文详述的，利用人工智能算法)来调节未来的训练课程。在一些实施例中，还可以在显示器前方以坐姿执行认知评估。在一些示例性实施例中，用户可以执行屏幕上显示的认知任务。在一些示例性实施例中，认知任务可以包括各种类型的任务，例如但不限于：两个图片之间的差异、找出与众不同的一个、识别世界位置、执行有色stroop测试等，或其任何组合。在一些实施例中，这种课程可持续约5-60分钟(例如，约15分钟)。在一些实施例中，正确答案的数量、记忆能力和用于回答的响应时间可以被评估，并被用来为特定评估课程提供认知分数。
[0119]
现在参考图5，其示意性地示出了根据一些实施例的用于评估平衡表现评估的站立姿势。站立姿势选项适用于高级受训者或评估课程，此时受训者可以在特定评估课程中监测他/她的反应性平衡进展。如图5所示，受试者200可以站在站立平台186上。受试者通过系带184固定到躯干188。进一步示出了运动捕捉单元182。为了获得站立选项，踩踏单元可
以被拆卸和安置，站立平台被附接/放置/安装在轴上。站立姿势允许不同方向的扰动。因为它是非常高水平的平衡训练，并且出于安全考虑，每种类型的扰动的经调节的参数都被降低。在一些实施例中，外部扰动可以包括横向扰动(右倾斜和左倾斜)、前-后扰动、竖直扰动和/或绕轴旋转的扰动。在一些实施例中，横向扰动的扰动参数可以为：每侧的幅度约为0
°‑
10
°
；速度约为0-20度/秒；加速度约为0-20度/秒2；减速度约为0-20度/秒2；频率约为1-6次扰动/分钟。在一些实施例中，前后扰动参数可包括：在每个方向上幅度约为0
°‑
10
°
；速度约为0-20度/秒；加速度约为0-20度/秒2；减速度约为0-20度/秒2；频率约为1-6次扰动/分钟。在一些实施例中，竖直扰动参数(上和下)可以包括：在每个方向上幅度约为0-5cm范围内；速度约为0-30厘米/秒；加速度约为0-25厘米/秒2；减速度约为0-25厘米/秒2；频率约为1-6次扰动/分钟。在一些实施例中，围绕垂直轴旋转的参数可以包括：每个方向上幅度约为0-15度范围内；速度约为0-20厘米/秒；加速度约为0-20厘米/秒2；减速度约为0-20厘米/秒2；频率约为1-6次扰动/分钟。
[0120]
根据一些实施例，该系统还被配置为向用户提供各种类型的认知挑战，这些挑战将与扰动一起执行。根据一些实施例，在平衡扰动训练期间以坐姿(或在某些情况下站立姿势)进行不用双手的踩踏时，认知并行任务可以在用户屏幕上显示，并且可以由处理单元提供。在一些实施例中，可提供/包括并行的认知视觉任务以分散受训者的注意力，从而促进反应性平衡响应的隐式学习和自动化，类似于意外失去平衡的日常情况。根据一些实施例，认知任务的级别和/或类型可以根据用户的身体和/或认知能力来调节，从而允许定制的训练方案。
[0121]
根据一些实施例，可以提供各种类型的认知挑战(认知刺激)，例如包括：
[0122]
a)与身体平衡任务无关的认知任务。这样的任务可以包括，例如，找出两张图片之间的差异，找出与众不同的一个，识别世界上著名的地方，有色stroop测试等等，或者其任何组合。这种类型的任务可以提供给初学受试者或那些平衡技能较低的人。在这些任务中，可以确定和存储/记录正确和不正确的答案以及回答时间。当用户在x％(例如，80％)的任务中成功并且他/她的平均回答时间低于y秒(例如，大约10-20秒)时，可以针对下一个训练课程建议或实施下一个难度级别。在一些实施例中，下一级别可以包括与身体平衡任务无关但是测量和记录用于响应的反应时间的认知任务。这样的示例性任务包括例如在发票系列中找到下一个数字、找到所呈现单词的同义词短语等任务。这些任务也可以提供给具有中等平衡技能的初学受试者。当用户在x％(例如，80％)的任务中成功并且他/她的平均回答时间低于y秒(例如，大约3-10秒)时，可以针对下一个训练课程建议或实施下一个难度级别。
[0123]
b)平衡游戏-另一种类型的认知任务包括与身体平衡任务相关的任务。这些任务可以是游戏的形式，这取决于平衡训练期间的坐姿，并且专为具有中等平衡技能及以上的用户而设计。平衡游戏以各种级别训练快速平衡响应、记忆能力、信息处理、运动规划等或其任何组合。每种可能性都是单独的实施例。在一些实施例中，可以为平衡表现提供实时反馈。在一些实施例中，游戏包括诸如在骑自行车或划皮划艇时避开障碍物或沿途突然出现的障碍物的游戏。在一些实施例中，当处于站立姿势时，游戏可以包括在不用双手划皮划艇时避免(通过躯干和手臂平衡移动)在河里的原木，或者当在公园跑步的人之间骑自行车时进行操纵控制，或者当海浪冲击用户时保持站在冲浪板上。在这些情况下，机械平衡扰动可
以同时地和分别地提供给在用户屏幕上呈现的认知平衡游戏。根据一些实施例，另一个游戏选项是连接到街景或预先扫描的环境，使得受训者可以在扰动训练期间在虚拟环境中划皮划艇(低坐姿)或骑自行车(常规坐姿)或冲浪(站立姿势)，例如在公园中的不用双手的自行车骑行。在一些实施例中，虚拟现实(vr)眼镜可由用户佩戴。
[0124]
根据一些实施例，在扰动训练时对受训者的响应和表现的反馈可以以各种方式提供，包括例如语音反馈、视觉反馈和/或触觉反馈，优选地是实时的。根据一些实施例，反馈可以是基于语音的反馈。这种反馈可以包括系统和受训者之间的语音通信，使得系统被构造成识别受训者的语音并提供语音反馈。例如：用户能够回答大声提出的认知任务，系统识别他的语音并对给出的答案打分，还会对答案是否正确给出语音反馈。根据一些实施例，反馈可以是触觉的。在这样的设置中，受训者可以握持无线按钮，并且可以响应于屏幕/显示器上显示的认知任务而通过按下按钮进行响应。可以测量认知反应时间和正确答案的数量，并且基于此，可以在训练课程结束时提供认知分数。在一些实施例中，反馈可以通过例如以标记或分数的形式呈现在屏幕上的视觉反馈来实时提供。在一些实施例中，可以利用眼跟踪器眼镜来提供反馈，眼跟踪器眼镜被配置成响应于屏幕/显示器上显示的认知任务来识别受试者正在观看的屏幕位置。基于该位置，可以确定认知反应时间和正确答案的数量。
[0125]
现在参考图6，其示出了根据一些实施例的训练系统的各个部件的通信流程图。图6中所示的箭头代表信息和数据在每个部分之间的传播和方向，以及它们之间的互连。浅色阴影框代表接收或发送通信的主要系统部分。较深色阴影框代表帮助连接或通信的中间元件(部件)。图6中所示的流程图描述了训练系统的单元和元件之间的通信。根据一些实施例，perstbiro系统可以包括编程模式(编辑模式)和工作模式。这些模式由马达的运动控制系统确定，该系统检查安全销微动开关是否被按下，并将此数据发送给主计算机程序。当安全销闭合(按下微动开关)时，伺服马达不接收电流，且用户可以编辑或创建新的训练方案或通过用户界面(在主机pc上)选择自动计算机程序(基于ai的程序)，但不能开始运行该程序。当安全销断开(未按下微动开关)时，伺服马达接收电流，用户可以开始训练方案，但不能改变其上的数据。因此，为了运行训练方案，用户首先用程序用户界面创建定制的训练方案并将其保存在计算机上(编程模式)，或者为当前训练课程选择自动的基于ai的程序。第二，在工作模式下，计算机程序通过利用马达的运动控制系统和运动捕捉摄像机单元运行/执行训练方案。计算机程序与马达的运动控制系统以及在整个训练课程中监测受训者移动的运动捕捉摄像机进行通信。运动控制单元分析从计算机程序和伺服马达接收的数据，以根据训练方案(无论它是手动编程的还是基于ai计算机程序自动编程的)确定马达将进行的下一步移动。为了执行扰动命令，根据训练方案，马达的运动控制系统将电流传导到伺服马达，伺服马达以适当的传动比(例如，1:2至1:7，例如，大约1:6传动比)连接到移动平台/移动座椅，以增加平台/座椅上施加的力矩。移动平台/座椅与踩踏单元和踩踏受试者一起根据所执行的编程扰动而被扰动。在所执行的扰动期间，一旦运动捕捉摄像机检测到适当的有效的上半身平衡反应(基于ai平衡训练可执行指令)，就立即停止平台倾斜(即，扰动)，并且马达通过马达反向旋转将移动平台/座椅、踏板单元和用户/受训者返回到竖直零位置。在一些实施例中，受训者的心率和抓握这些抓握把手可由位于抓握把手上的传感器监测。在整个方案的训练课程中，一些或全部相关数据可以呈现在用户屏幕上。在训练方案之
后，用户可以查看任何相关数据，包括例如视频片段、移动图形和在所选训练课程期间收集的任何附加数据。在一些实施例中，计算机程序可以使用一些或全部数据来确定下一个训练课程。在一些实施例中，在训练课程之后，训练者可以回顾视频片段、受训者的移动图形和/或收集的数据，以便确定下一个训练课程。
[0126]
根据一些实施例，运动控制系统基于运动控制器，并且通过计算机程序经由诸如modbus的接口进行通信。计算机程序利用运动控制单元与伺服马达通信，伺服马达又执行具有stb的移动平台的扰动。根据计算机程序，运动控制器可以接收所需的方向、倾斜角度、最大速度和最大加速度/减速度的信息。该运动控制器包括产生梯形速度曲线的内部运动曲线生成器。由于加速度在提供意外扰动和用于平衡反应的实时隐含反馈方面具有重要意义，因此使用了扰动旋转和反馈反向旋转的三角形速度曲线。当检测到平衡响应或未检测到平衡响应时，移动平台/stb加速以产生所需的外部扰动，然后减速到零速度。
[0127]
根据一些实施例，运动捕捉单元/系统(例如，microsoft kinect传感器、intel realsense摄像机或类似的视频运动捕捉装置)与系统相关联或与系统集成。运动捕捉单元被配置成实时捕捉身体姿态，即线条图(stick figure)，并且由于两个主要原因被包括在系统中。第一，运动捕捉单元允许识别受训者(受试者)是否尝试在外部扰动之后执行反应性/补偿性平衡反应，这样的反应试图将perstbiro系统拉直至其0
°
中立位置。第二，动作捕捉单元允许在整个试验过程中捕捉上部骨骼姿态，即线条图，包括肩部、手臂、头部和手。然后，收集有关受训者相对于当前系统状态的平衡移动的信息，并分析受训者对正在进行的事件的响应。在一些实施例中，发现了对于反应性/补偿性腿部移动，在microsoft kinect
tm
和3d运动分析之间的相关性很高(r＝0.75-0.78，p＝0.04)。因此，当在临床中评估反应性平衡响应时，使用诸如microsoft kinect
tm
系统的运动捕捉单元提供与基于视频的3d运动分析系统相当的数据。
[0128]
在一些实施例中，可以只使用运动捕捉单元界面提供的身体关节中的一些，因为下部身体关节有时可能被stb隐藏。在一些实施例中，关于这样的关节的运动信息是偶然的、不太准确的，并且非常嘈杂。给定被捕捉的上半身关节，计算几个角度(α1-α6)，在计算机程序中考虑这些角度：α1)肩部角度：参与者的两肩之间的线与地面之间的角度；α2)头-颈角度：参与者的头部到颈部的线与垂直于地面的线之间的角度；α3)头-肩底角度：参与者的头部至颈下脊椎(spineshoulder)关节的线与垂直于地面的线之间的角度；α4)头-计算的肩部中心的角度：(定义：计算的肩部中心位于运动捕捉单元给出的两个肩部关节的中间。)参与者的头部到计算的肩部中心的线与垂直于地面的线之间的角度；α5)左肘角度：参与者的左肘关节至左肩关节的线与垂直于地面的线之间的角度；α6)右肘角度：参与者的右肘关节至右肩关节的线与垂直于地面的线之间的角度。在计算中可以使用所述角度的一个或更多个或任何组合。
[0129]
在一些实施例中，角度α1和α2可以在实时训练过程中用于识别受训者相对于stb的身体位置，以便计算显示有效平衡响应的时刻和向后倾斜stb的时刻。在一些实施例中，角度α3-α6不一定在实时训练过程中使用，而是在训练后的图中示出，用于高级的训练后分析。在一些实施例中，所有的身体部分位置都记录在由kinect系统拍摄的每个帧中，用于这些角度的训练后计算。
[0130]
根据一些实施例，训练系统包括用户界面。在一些实施例中，用作系统用户界面的
计算机程序可以在主机pc上运行/执行。在一些示例性实施例中，用户界面应用可以是windows格式的，并且可以包括三个选项卡：选择和运行训练方案、创建新的训练方案、以及用于保存捕捉的数据和训练后数据的弹出退出窗口和视频剪辑选项卡。在一些实施例中，运行训练方案选项卡是允许用户选择受训者的训练方案的主选项卡，无论其是手动编程还是选择了自动选项，并开始运行/执行对用户/受训者施加一系列扰动的锻炼序列。该选项卡允许创建或加载受训者的详细信息(例如，姓名)、打开训练历史记录、选择和加载训练方案(例如，从菜单中)。在一些实施例中，创建新的训练方案按钮允许打开设置参数选项卡、开始/暂停训练、选择运动捕捉单元、选择是否利用运动反馈、控制紧急停止按钮(其配置为立即锁定马达并停止移动平台)、控制释放制动按钮(其配置为从马达释放闩锁以便移动平台可以自由地向所有可选方向移动)。另外的可选选项卡可以包括显示由运动捕捉单元的运动捕捉摄像机记录的实时帧、标记摄像机在系统识别的受训者身体关节上的圆圈位置的屏幕；显示所选训练方案的扰动细节、先前和剩余的扰动的列表并标记即将到来的扰动的屏幕；用于当前训练方案中花费的总时间的计时器；移动座椅角度，从马达接收到的实时移动平台角度；身体角度，从运动捕捉摄像机系统接收到的实时的受训者的肩部角度；上次扰动时的身体角度，在用户做了期望的平衡移动以触发系统自动停止扰动时的肩部角度；以及对于运动捕捉摄像机系统、马达和移动平台/座椅以及整个系统的连接性检查。
[0131]
根据一些实施例，创建训练方案选项卡使得能够创建新的定制训练方案。在一些实施例中，新训练方案的编程可以是手动的，并且可以允许手动编程，包括例如控制所有扰动参数(幅度、速度、加速度、频率)、控制马达模式(在外部扰动之间稳定或“浮动”)、确定板块或随机扰动训练等。在设置过程中，每个扰动可以单独编程，并按时间顺序添加到构成定制训练方案的扰动列表中。对于每个扰动，用户可以设置运动曲线参数的最大期望值，只要运动捕捉摄像机系统没有检测到平衡响应(加速度、减速度、速度和扰动角)。当检测到平衡反应时，马达将不完成其预定操作，因此，将不必根据编程的最大值执行运动曲线。也可以选择在单个实验或训练期间每两个连续扰动之间的延迟时间、倾斜方向和扰动的数目。此外，还可以选择平衡响应阈值参数。这个参数确定了在何种程度的平衡响应下，受训者将收到立即将移动平台返回到其中立位置的形式的生物反馈。此参数基于自动校准阶段和通过基于过去训练研究同一受训者的平衡响应行为为每个受训者定制。这个唯一参数的结果就是定制的训练方案。因此，平衡响应阈值参数是用户/训练者在执行用于获得更好的生物反馈和更好的运动学习过程的训练方案时可以实时校准的唯一设置参数。在一些实施例中，新训练方案的编程可以是自动编程。在某些设置中，计算机软件基于ai先前获得的数据(训练)根据上次训练课程的表现、上次训练的频率和持续时间，同时考虑上次训练的日期和与前一次和当前训练课程的校准数据相结合的平衡表现，调节受训者的下一次训练课程。根据难度程度(从低坐姿-简单难度级别，到站姿-困难高级级别)、训练的持续时间、每分钟扰动的频率、扰动的幅度和速度等或其任意组合，可以在训练中对坐姿或站姿进行训练的调节。
[0132]
根据一些实施例，另外，用户界面选项卡可以包括例如保存数据选项卡，其允许用户保存或丢弃由运动捕捉摄像机单元拍摄的训练课程数据和视频帧。在一些实施例中，表现历史选项卡可以显示训练数据，包括例如有多少次扰动受训者超过了反应性平衡响应阈值、整个训练和上半身响应(即，肩线移动、躯干移动和手臂移动)的图。此选项卡使训练者/
用户能够分析特定训练课程中特定平衡反应的运动学数据。在一些实施例中，可以呈现与由运动捕捉摄像机单元拍摄的每个帧中的移动平台/座椅位置有关的计算角度(α1-α6)的两个不同的运动学图。可选地，还呈现在训练课程期间由运动捕捉摄像机单元获取的其他图，包括例如受训者的骨骼图像(身体线条图)和移动座椅的位置的每一帧。此外，可以呈现可移动的时间线，从而允许训练者在每个时间戳处观察α1-α6(肩线颈线、躯干线、手臂移动)角度和身体线条图，与在该时间戳处的移动座椅的角度位置进行比较。在一些实施例中，计算机程序还允许把训练课程作为影片观看，可选地，同时在特定帧处暂停。图7中示出了显示训练课程的训练数据的用户界面的历史选项卡的示例性说明。
[0133]
根据一些实施例，系统的控制单元包括一个或更多个处理器(例如，以主机pc的形式)，该处理器被配置为执行计算机程序(可执行指令)，该计算机程序被配置为控制训练系统的操作，并且尤其向受试者提供关于反应性平衡反应和/或认知任务的成功的实时反馈和/或确定下一次训练课程。在一些实施例中，计算机程序中的至少一些包括机器学习和人工智能(ai)算法，其可以：向受训者提供对反应性平衡反应和/或认知任务的成功的实时反馈和/或b)构建下一个平衡训练。
[0134]
现在参考图8，其是根据一些实施例的在平衡训练系统中使用的ai算法的步骤的流程图。所使用的ai算法包括在线处理和/或离线处理。根据一些实施例，在线处理可由本地处理单元执行。在一些实施例中，在线处理被配置为在平衡锻炼期间向受训者提供对反应性平衡反应的实时反馈。首先，执行校准阶段(例如，长度为60-180秒，例如90秒)。在校准阶段结束时，ai计算机程序和运动捕捉摄像机单元可以通过计算以下内容自动为当前受训者定制perstbiro系统：1)在没有扰动的情况下在踩踏期间个体上半身摇摆幅度，和/或2)受训者-移动座椅零点。接下来，在定制过程期间，在校准阶段的第二部分期间，分别记录相对于水平线的肩线角度和相对于竖直线的颈线角度一段时间(例如，60-180秒，例如，90秒)，校准阶段的第二部分可以持续例如总共2-5分钟(例如，3分钟)。在这一阶段结束时，针对两个角度(肩线和颈线)计算个体上半身摇摆幅度和受训者-移动座椅零点。此后，通过将移动座椅(即，移动平台上的座椅)返回到其竖直位置，自动选择表现出更稳定和更少噪声的参数的角度作为ai算法(软件)所依赖的角度，以便设置平衡阈值参数并为有效的平衡反应提供实时感觉运动反馈。此后，在平衡锻炼阶段期间，受训者暴露于各种重复的随机意外扰动，如上文所述。当执行每个扰动时，ai计算机程序分析(检查)受训者的上半身角度(肩线和颈线)与移动座椅角度之间的差异，并考虑用户的身体幅度和受训者-移动座椅零点，以确定是否检测到除了常规的划桨移动之外的显著的平衡反应性恢复响应。如果perstbiro系统检测到由运动捕捉摄像机系统识别的有效反应性平衡反应(高于平衡阈值参数)，则立即停止移动座椅倾斜旋转(即，扰动)，并且马达通过马达反向旋转将移动座椅返回到其竖直位置(即，其中立/零位置)。在当前训练课程结束时，可以向用户提供当前锻炼课程的总结。该总结可以包括各种参数，包括例如有效平衡响应的数目和百分比、受试者为了辅助而握持把手的时间的量和百分比、认知任务的成功和/或踩踏数据(例如，时间、距离和设置阻力)。在当前训练课程结束时，可能会呈现下一个训练课程。在一些实施例中，还可以呈现训练方案(例如，双周方案)。
[0135]
根据一些实施例，离线处理可以在数据库服务器(本地或远程服务器)上执行。在一些实施例中，在每个训练课程之后，ai程序被配置成从马达的运动控制系统、运动捕捉单
角(α1或α2)，计算机程序自动选择用其上半身摇摆幅度和受训者-stb零点来确定参与者所做的移动是对扰动的反应还是仅仅是划桨的效果。2)平衡锻炼阶段(老年参与者约17分钟)包含随机和意外的平衡扰动。当执行新的扰动时，计算机程序检查参与者的角度(在校准阶段之后，通过所选公式计算的α1或α2，参见图10b、10dd)和stb的角度(使用α1或α2的受训者-stb零点计算的，并且参与者作为该计算的锚点)之间的差异，并考虑参与者的身体幅度，以查看是否有除了划桨移动之外的显著移动。
[0139]
根据一些实施例，编程了用于将恢复平衡反应与扰动之后的正常划桨移动分开的两个选项：选项a-检查stb是否在与身体移动相反的方向上倾斜超过阈值角度。阈值是受训者的身体幅度和编程的预定偏差的总和。这种额外的选择偏差要求受训者进行更大的明显的平衡反应，来恢复他们的平衡，以超过响应阈值，并通过将stb转回其零位置来停止扰动。此选项处理那些在锻炼课程期间相对于校准阶段表现出较大身体幅度的受试者。该总和阈值表示为“diffallowed”。如果stb和受训者的身体朝向相反方向倾斜，则计算机程序检查当前的身体角度是否大于[受训者-stb零点 (diffallowed/2)]。如果是这样，那么参与者执行两项操作，在stb的相反方向上移动，并经过其受训者-stb零点。然后会发出停止扰动并返回stb的命令。选项b-检查参与者是否向stb的相反方向倾斜，而不考虑受训者-stb零点。
[0140]
根据一些实施例，训练过程包括记录由运动捕捉单元骨骼关节识别获得的数据并捕捉rgb帧以用于训练后分析。训练后分析应用显示乘坐perstbiro系统的受训者的影片和运动学图，这些图示出了在每个时间戳处的α1和α2角(α3-α6角可以通过选择显示)，与该时间戳处的stb的角度相比较。这允许物理治疗师/训练者确定如何在接下来的课程中继续进行训练，并且还允许研究人员分析受训者对扰动的平衡行为。在一些实施例中，如本文所详述的，训练后分析由计算机可执行指令执行。
[0141]
根据一些实施例，提供了一种训练后分析软件：该软件使训练者或受试者能够分析特定训练课程中特定受训者的运动学数据。例如，可以显示与由运动捕捉单元拍摄的每个帧中的stb位置相关的计算角(α1-α6)的两个不同的运动学图。该窗口还可以呈现另外两个图：运动捕捉单元拍摄的受训者的骨骼图像(身体线条图)和stb的位置，在训练课程期间的每一帧。此外，可移动的时间线被呈现，并允许训练者在每个时间戳处观察α1-α6角和身体线条图，与stb在该时间戳处的角位置相比较。该软件还允许训练者将训练课程作为影片来观看，并在特定帧处暂停。
[0142]
根据一些实施例，安全性是一个重要的问题，因为意外扰动被施加到老年人并且可能导致perstbiro系统随后倒塌。在perstbiro锻炼课程期间，移动平台意外地受到扰动，以挑战他们的平衡。受试者被指示尽可能快地用上半身移动从扰动中恢复，这是训练制度的最重要的部分。运动跟踪单元跟踪他们的导致平台移动回到起始位置的恢复平衡移动响应(例如，躯干的侧弯)。在发明者进行的一项研究中，发现年轻个体通过与扰动相反的方向的躯干响应做出响应，以迅速将上半身的质心移向stb坐椅提供的支撑的基底。以防受试者无法恢复并从他/她的椅子上跌落，患者佩戴可以在患者从他/她的椅子上跌落之前阻止跌落的安全系带。这种安全系带的例子是skylotec g-0904或pn12系带。安全系带可以通过患者上方的两根绳子从天花板悬挂(例如，图1)，或者可以从系统的臂悬挂(例如，图4a-图4d所示)。出于稳定性的原因，绳子不一定直接从天花板或臂悬挂，而是以对角线方式悬挂，使
得天花板或臂上的两根绳子的连接点之间的距离约为2m。当绳子以对角线方式悬挂时，其能够施加更大的水平作用力，以将患者保持且稳定在中心。
[0143]
根据一些实施例，本文公开的训练系统可以是便携式的。在一些实施例中，训练系统可以由受试者在家使用。在一些实施例中，训练系统可以供机构使用。
[0144]
在一些实施例中，例如在家庭使用中，该系统可以由受试者自行操作。在一些实施例中，对于这种家庭操作，训练器站可以移动，使得用户界面直接显示在系统的显示器上。因此，受训者自己操作该系统，并可以自己在系统上进行训练。
[0145]
根据一些实施例，本文公开的系统和方法允许受试者的隐式学习以改善平衡。
[0146]
根据一些实施例，本文公开的系统和方法有利地允许双重任务训练，由此向用户提供身体训练(扰动)和心理训练(认知挑战/刺激(例如，通过认知任务和/或认知游戏))两者，并且用户的表现进一步配置为由系统评估。双重任务训练可以协同作用，从而提高受试者的平衡。
[0147]
在一些实施例中，本文公开的机器学习算法可以有利地用于评估表现(身体和心理)、向用户提供实时反馈、调节训练级别和/或确定训练课程。
[0148]
根据一些实施例，提供了一种机电式自行车模拟器系统，其包括：固定式训练自行车(stb)；移动平台；一个或更多个马达；以及中央控制单元；其中，移动平台被构造为向stb提供扰动倾斜，从而刺激位于stb上的用户的平衡。
[0149]
根据一些实施例，该系统可进一步包括齿轮机构。
[0150]
根据一些实施例，齿轮机构可构造成允许通过一个或更多个球轴承利用移动平台的旋转轴传递马达旋转，从而允许移动平台旋转和平衡扰动倾斜。
[0151]
根据一些实施例，倾斜角在每侧高达20度。根据一些实施例，该系统被配置成允许大约30米/秒2的加速度和减速度。根据一些实施例，该系统被配置成允许大约30米/秒的速度。
[0152]
根据一些实施例，该系统可进一步包括运动控制单元。
[0153]
根据一些实施例，该系统可进一步包括运动捕捉单元。在一些实施例中，运动捕捉系统包括microsoft kinect单元
tm
。
[0154]
根据一些实施例，中央控制单元被配置成控制运动控制单元和/或运动捕捉单元。
[0155]
根据一些实施例，中央控制单元包括被配置为执行计算机程序(可执行指令)的处理单元。
[0156]
根据一些实施例，该系统可进一步包括用户界面和/或显示器。
[0157]
根据一些实施例，运动控制单元可被配置成基于预定的(编程的)训练计划来指导马达旋转。
[0158]
根据一些实施例，训练计划可以包括针对每个扰动的三角形运动曲线(加速度-减速度)。
[0159]
根据一些实施例，中央控制单元可以允许训练者或受试者确定训练计划并控制一个或更多个平衡锻炼参数。
[0160]
根据一些实施例，平衡锻炼参数可选自：最大加速度/减速度、最大速度、扰动角、右/左扰动重复次数、扰动之间的延迟时间或其任意组合。
[0161]
根据一些实施例，处理单元可以被配置为向用户提供在扰动之后受训者的反应性
平衡反应的实时反馈。
[0162]
根据一些实施例，所提供的扰动是预期的或意外的。
[0163]
根据一些实施例，提供了一种用于训练受试者的平衡的方法，该方法包括以下步骤：
[0164]
将受试者置于本文公开的系统的stb上；
[0165]
为受试者系上系带；
[0166]
向stb提供一个或更多个扰动；和
[0167]
检测扰动后的受试者反应性平衡反应。
[0168]
根据一些实施例，该方法可进一步包括向用户提供反馈。
[0169]
根据一些实施例，该方法还可被配置成至少部分地基于所分析的平衡响应来调节训练课程的操作参数。
[0170]
根据一些实施例，方法可进一步配置为确定或推荐包括两个或更多个连续训练课程的后续训练课程和/或训练计划的操作参数。
[0171]
根据一些实施例，提供了一种存储用于执行本文公开的训练方法的计算机程序指令的非暂时性计算机可读介质。
[0172]
除非另有定义，否则本文使用的所有技术和科学术语具有与本公开所属领域的普通技术人员通常理解的相同含义。如发生冲突，以专利说明书(包括定义)为准。如本文所使用的，除非上下文另外明确指出，否则不定冠词“一个(a)”和“一个(an)”意指“至少一个”或“一个或更多个”。
[0173]
除非另有明确说明，如从本公开中明显的，应理解，根据一些实施例，诸如“处理”、“运算”、“计算”、“确定”、“估计”、“评估”、“测量”等的术语可以涉及计算机或计算系统或类似的电子计算装置的动作和/或过程，该计算机或计算系统或类似的电子计算装置将计算系统的寄存器和/或存储器内的被表示为物理(例如电子的)量的数据操纵和/或转换成在计算系统的存储器、寄存器或其他此类信息存储、传输或显示装置内的被类似表示为物理量的其他数据。
[0174]
本公开的实施例可以包括用于执行本文中操作的设备。该设备可以被专门地构造用于预期的目的或可以包括一个或更多个通用计算机，该通用计算机由存储在计算机中的计算机程序选择性地被激活或被重新配置。这种计算机程序可以被存储在计算机可读存储介质中，诸如但不限于任何类型的盘，包括软盘、光盘、cd-rom、磁光盘、只读存储器(rom)、随机存取存储器(ram)、电可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)、磁卡或光卡，或者任何其他类型的适于存储电子指令并且能够被联接到计算机系统总线的介质。
[0175]
本文呈现的过程和显示不是固有地与任何特定的计算机或其他设备相关。各种通用系统可以与根据本文的教导的程序一起使用，或者其可以证明构造更加专用的设备以执行预期方法是方便的。各种这些系统的预期结构出现在下面的描述中。此外，没有参照任何特定的编程语言来描述本公开的实施例。应理解，可以使用各种编程语言来实施如本文描述的本公开的教导。
[0176]
本公开的各方面可以在被计算机执行的计算机可执行指令(诸如程序模块)的一般上下文中被描述。通常，程序模块包括例程、程序、对象、部件、数据结构等等，它们执行特
定的任务或实现特定的抽象数据类型。公开的实施例也可以在分布式计算环境中实践，其中任务由通过通信网络被链接的远程处理装置来执行。在分布式计算环境中，程序模块可以位于本地和远程计算机存储介质(包括存储器存储装置)两者中。
[0177]
应当理解，为了清楚起见，在单独实施例的上下文中描述的本公开的某些特征也可以在单个实施例中以组合方式提供。相反，为了简洁起见，在单个实施例的上下文中所描述的本公开的各种特征也可以分开地提供或以任何合适的子组合方式提供，或适合于本公开的任何其他所描述的实施例。在实施例的上下文中描述的特征不被认为是该实施例的必要特征，除非明确地如此指定。
[0178]
尽管可以以特定顺序描述根据一些实施例的方法的阶段，但是本公开的方法可以包括以不同顺序执行的所描述阶段中的一些或全部。本公开的方法可以包括所描述的一些阶段或者所描述的所有阶段。除非明确地如此指定，否则公开的方法中的任何特定阶段不被认为是该方法的必要阶段。
[0179]
虽然已结合本公开的特定实施例描述了本公开，但是十分明显，对于本领域技术人员而言明显的许多替代、修改和变化可以存在。因此，本公开涵盖落入所附权利要求的范围内的所有此类替代、修改和变化。应理解，本公开没有必要将其应用限制于本文中所阐述的部件的构造和布置和/或方法的细节。其他实施例可以被实践，并且实施例可以以各种方式被执行。
[0180]
本文中所采用的措辞和术语是为了描述的目的，而不应该被认为是限制性的。在本技术中任何参考资料的引用或识别不应被解释为承认此类参考资料可用作本公开的现有技术。本文所使用的章节标题是为了便于理解该说明书，而不应被解释为必要的限制。
[0181]
示例
[0182]
示例1：perstbiro系统的示例性部件
[0183]
典型的perstbiro系统(如图1所示)重约90kg，并且硬件包括以下部件：移动平台框架、固定式框架、stb、伺服马达、运动控制系统、齿轮和齿轮机构、两个球轴承和kinect运动捕捉单元。部件的详细信息在表1中列出。
[0184]
表1
[0185][0186]
示例2-测试自行车模拟器训练系统对老年人的预期和补偿性姿态控制的影响
[0187]
方法与分析
[0188]
该示例描述了遵循spirit 2013的建议的平行单盲随机对照试验(rct)。老年人被随机分配到以下两组中的一组：1)不用双手的固定式自行车骑行期间的扰动训练
(pertsbr)，或2)无扰动的固定式自行车骑行训练(tsbr)。两组均通过相同的perstbiro系统(如图1所示)以坐姿进行训练，每周两次，持续12周(关于平衡训练的幅度和进展的详细情况在表2中呈现)。在以色列内盖夫本古里安大学的健康科学学院物理治疗系的schwartz移动分析和康复实验室(movement analysis&rehabilitation laboratory)，在训练前和训练后测量了在站立和行走期间的补偿性(反应性)和预期性(主动性)平衡控制、功能平衡、功能、对摔倒的恐惧和有氧耐力。干预措施是在参与者的社区中心或其受保护的住房中提供的。
[0189]
参与者：招募了68名居住在社区的老年人的方便样本。资格标准为：70岁或以上，有能力独立行走而无需辅助装置，能独立进行日常生活活动，并提供由其初级保健医师签署的允许参加需要每周骑两次或三次固定式自行车的身体训练的医疗豁免。在报名时通过面对面访谈完成病史问卷后，如果志愿者患有以下疾病，他们将被排除在外：(a)限制锻炼的缺血性心脏病，(b)慢性阻塞性肺病，(c)不受控血压，(d)严重视力问题(失明)，或(e)认知障碍，在简易精神状态检查中得分低于24分。进一步的排除标准包括：(f)髋关节或膝关节置换手术后或下肢骨折后不到一年的时间，(g)下肢截肢，(h)神经系统疾病或中风后，(i)不能独立走动，和/或(j)体重》120kg(超过安全系带的重量限制)。
[0190]
干预措施：训练有素的物理治疗师进行个体化训练。他们接受了操作perstbiro系统的训练(图1所示)，并亲身体验了它，以便能够确定参与者面临的挑战并调节训练的难度。相同的perstbiro系统用于训练pertsbr组和tsbr组两者。每组接受24次训练课程，每周两次，持续12周。
[0191]
每节课程持续20分钟，且包括三个部分：阶段1)热身-3分钟的自定步速踩踏，其中两组的自行车阻力相同，对应于训练方案级别，没有扰动和认知任务；阶段2)主要锻炼-15分钟的不用双手的固定式自行车骑行期间的扰动训练(pertsbr)。有关细节，请参见有扰动的“实验组干预措施”和无扰动的“对照组干预措施”(tsbr)，并结合两组同时进行的视觉认知任务。两组的自行车阻力和认知任务的分级难度级别是相同的，并根据训练方案确定(详见图9中的表)；以及阶段3)缓和运动-2分钟的自定步速踩踏，没有自行车阻力、没有扰动和认知任务。在阶段2期间，参与者被指示“以你喜欢的步速骑自行车并试图使自己稳定。在认知任务中也尽量做到最好”。认知双重任务锻炼使用microsoft power point在踩踏受训者的头部前方2.5米的屏幕上呈现。它包括诸如“找出与众不同的一个”，“找到图片中的特定对象”，以及“找到两张图片之间的差异”等任务。对于所呈现的所有任务，参与者必须大声说出对象在哪里，然后由训练者检查，如果答案正确，则呈现下一个任务。在训练课程期间，受训者佩戴松散的安全系带，安全系带可以使用perstbiro系统防止摔倒，但在没有系带悬挂的情况下仍允许舒适地踩踏和执行利用上半身的平衡恢复反应。在这两组中，每个参与者的活动都被记录在每一次课程中。
[0192]
实验组干预措施：pertsbr实验组的参与者在双任务条件下在不用双手骑自行车期间接受内部和外部的中间侧向(ml)倾斜扰动的组合。这是由滚转角(roll-angle)(倾斜)平衡扰动提供的，目的是唤起躯干和手臂平衡恢复响应。倾斜枢转轴低于受训者的质心(com)，该质心位于自行车座椅上方的骨盆中。因此，当迅速将受训者的com倾斜到一边时，受训者被迫用躯干和手臂移动做出反应性响应。perstbiro系统提供的最大左和右扰动倾斜角为20
°
(每侧)，其中最大加速度和最大减速度为30m/s2，最大速度为30m/s，对于每个扰
动(加速度-减速度)通常为三角形运动曲线。计算机程序允许治疗师训练者确定扰动训练计划，并控制所有平衡锻炼参数：最大加速度/减速度、最大速度、扰动角、右/左扰动重复次数，以及每对连续扰动之间的延迟时间。在未通知的平衡扰动之后，对每个受训者的有效平衡响应进行诊断是为受训者提供实时定制的感觉运动提示的基础。这些提示导致受训者的成功的躯干和手臂平衡恢复反应的内部感觉运动反馈的改善，因此，更好地实施平衡反应控制的运动学习。因此，需要校准阶段。在校准阶段(图10b和图10c，黑色虚线左侧)，计算机程序通过捕捉上半身关节计算出两个角度：1)肩线角度-参与者的肩线与地面的角度(图10b，水平紫线)，和2)头-颈角度-参与者的头颈线与地面的垂直线的角度(图10b，水平绿线)。保持更稳定且更少噪声的信号的角度序列被自动选择为关键因素角度，该程序依赖于这些关键因素角度来确定受训者的就坐姿态，并在踩踏期间区分上半身振荡(图10b，校准阶段，水平紫线和绿线)和在训练课程后期外部扰动后的显著反应性平衡响应(图10b，平衡锻炼阶段，水平黑线显示的驼峰的点处的水平紫线和绿线)。然后，依靠这个关键因素角度，通过将perstbiro系统的训练自行车返回其竖直位置，给出有效平衡反应的实时感觉运动提示。例如，在图4中，受训者在训练课程的第206秒处暴露在编程的20
°
右倾斜扰动中，如图4b和图4c中的灰色时间线所示。然而，当perstbiro系统的训练自行车在大约14
°
(图10b，水平黑线上的驼峰)时，有效的剧烈且大的上半身平衡响应(图10a)已经被识别到；因此，扰动立即停止，装置返回其竖直位置。此外，肘部角度也被记录，以监测手臂反应(图10c)。
[0193]
所有扰动参数以及受训者的肩线角度、头颈角度和肘部角度都实时显示在主机-pc屏幕上。此外，一旦运动捕捉单元(microsoft kinect
tm
系统)检测到有效的平衡响应，就会实时显示扰动角度。因此，治疗师可以将编程的扰动角度与实际的扰动角度进行比较(一旦检测到有效的平衡响应)，并监测患者在整个训练课程中从扰动中恢复的能力。
[0194]
在训练课程的第一阶段期间，即热身阶段，perstbiro系统校准受训者的上半身移动以及他们的体形和姿势。在特定训练期间，定制的校准是在perstbiro系统预期处于的相同的固定模式或不固定和不稳定的“浮动”模式下进行的。固定模式是指perstbiro系统竖直锁定并用作常规固定式自行车时，而“浮动”模式是指移动平台不固定且不稳定，像冲浪板一样浮动，并受到踩踏受训者作用在其上的作用力时。校准对于识别培训课程后期的有效反应性平衡响应是必要的。训练课程的第二阶段(即主要训练阶段)具有在双任务条件下在自定步速的不用双手的踩踏时的内部平衡扰动锻炼和未通知的外部平衡扰动锻炼。perstbiro系统在其不固定和不稳定的“浮动”模式下进行踩踏会导致类似于户外骑自行车的自诱导扰动，并挑战主动平衡控制。这些内部扰动是从训练级别5开始的。编程的未通知的外部扰动的范围从低受控的、意外的机器诱导的ml倾斜扰动到高受控的、意外的机器诱导的ml倾斜扰动，这会引起快速的上半身反应性平衡响应(即躯干、臀部、头部和手臂移动)。这些扰动可以被编程并作为板块或随机(在起始、幅度和方向上)训练类型来传递。在扰动锻炼期间，perstbiro系统为受训者提供实时的视觉或感觉运动外部提示(从训练级别3给出提出)：1)初学受训者的视觉提示是通过在屏幕上实时自我观察其平衡表现(如镜像视图)来获得的。2)对于高级受训者，通过向受训者在扰动之后的平衡反应提供实时感觉运动提示来获得感觉运动提示。一旦给出意外平衡扰动，当检测到适当的平衡反应时，倾斜平台(扰动)立即停止，并且perstbiro系统返回其竖直位置。这种感觉运动提示导致改善受训者的内部感觉运动反馈，从而更好地实现反应性平衡控制的运动学习。此外，在perstbiro
系统的屏幕上显示并行的视觉认知任务。训练课程的第三阶段(即缓和运动)包括没有自行车阻力且没有认知任务和外部编程扰动的自定步速踩踏。然而，固定或“浮动”的perstbiro系统模式保持其在特定训练期间的状态，因此受训者可能受到自诱导的内部扰动。
[0195]
扰动训练级别的难度根据受训者的能力进行调节，从第一次训练课程时的最低级别开始。如果受训者能够在课程期间从所有扰动中恢复(即，受训者在课程期间没有握持自行车把手或掉入安全系带系统，并认为他们可以进一步挑战)，那么下一次课程将引入更高级别的扰动。如果受训者无法恢复，则再次引入相同级别的扰动，直到参与者能够在整个课程中成功恢复平衡。对在训练初期感到不舒服的受训者会提供帮助和支持。然而，鼓励他们在没有外部支撑或极少外部支撑的情况下进行锻炼。
[0196]
训练方案(图9)包括22个潜在的训练级别，其包含在运动学习、力量、耐力且特别是平衡控制方面的几个锻炼组成部分中难度的逐渐增加：1)训练从不用双手的骑自行车练习开始，以避免把手上的外部支撑显著降低姿态响应，并校准软件以识别平衡恢复响应；2)扰动幅度增加(即，增加倾斜平移的位移、速度和加速度)；3)训练类型从开始时的板块pbbt方法转变，其中参与者知道扰动的方向(右-左-右等)，在扰动之间有类似的时间间隔，因此这些是预期的扰动。然后引入通知的随机pbbt(在扰动的起始、方向和倾斜幅度上都是随机的)；4)只有当模拟器系统在最初课程中固定且稳定时，扰动类型才以外部扰动开始，然后变为外部扰动和内部扰动相结合，平台为受到当受训者以增加的强度踩踏时施加在平台上的作用力影响的不固定且不稳定的表面；5)外部提示(反馈)类型也从根本没有提示变成视觉提示，该视觉提示就像在锻炼期间在屏幕上实时观看真实反映，然后变成外部感觉运动提示，从而改善内在的感觉运动反馈。一旦给出意外的平衡扰动，当检测到适当的平衡反应时，倾斜扰动停止，且模拟器系统返回其竖直位置。这种内在的任务反馈为学习者(受训者)提供了成功平衡响应的隐含提示，并提供了最佳可能的运动学习实施方式。此外，在训练级别12、16和20处，没有给出外部提示，以最大限度地提高受试者的上半身移动，以提高他们的上半身运动范围(尤其是躯干)；6)踩踏强度；以及7)认知任务难度也随训练过程而增加。
[0197]
对照组干预措施：对照组(tsbr)在整个训练方案(用作常规固定式自行车)中以其固定模式在perstbiro系统上接受20分钟的自行车骑行，没有任何内部或外部扰动，但提供双任务训练。踩踏强度和认知任务与干预组相同，并遵循训练方案中报告的难度级别(图9)。选择这种训练方法是为了匹配除平衡挑战之外的所有其他训练组成部分(即，课程时间和训练周期，以及踩踏和认知需求)。
[0198]
主要结果度量-由于这项研究涉及学习能力和将坐姿下获得的反应性平衡响应概括为站立和行走情况下的跌倒风险因素和平衡控制表现的目标背景的能力，因此评估自行车骑行期间pbbt效果的主要结果度量来自站立和行走期间在补偿迈步执行测试中从意外外部扰动中恢复的能力。代表反应性(补偿性)平衡响应的最佳观察和运动测量是：单步和多步阈值(观察参数)以及第一步恢复初始持续时间、第一步持续时间、总平衡恢复持续时间以及总com位移(运动学参数)。观察分析：使用vicon运动系统(vicon motion system)(英国牛津)验证在失去平衡后针对ap和ml方向的单步和多步阈值水平，该vicon运动系统允许图像暂停、慢动作和来回运行图像。单步阈值水平被定义为对于至少两个连续的扰动幅度一致地引起单个补偿迈步的最小扰动幅度。多步阈值被定义为一致地引起一系列恢复迈步的最小扰动幅度。在分析期间，在整个方案期间在所有单步和多步试验期间探索了迈
步恢复策略(step recovery strategy)。运动学分析：3d运动学数据通过光学运动捕捉(vicon运动系统，英国，牛津)收集，提供了运动序列的运动学分析。
[0199]
次要结果度量-次要结果包括平衡和有氧耐力度量，其通过以下测试在干预前(t1)和干预后(t2)进行评估：1)姿态稳定性测试通过直立站立时的身体摇摆测量平衡姿态控制；2)自愿迈步执行测试通过执行快速迈步的能力来测量预期(主动)平衡控制；3)berg平衡量表(bbs)是评估平衡和跌倒风险的临床功能平衡工具；4)六分钟步行测试(6mwt)是有氧能力的次最大测试(sub-maximal test of aerobic capacity)，其测量一个人在六分钟内可以步行的最大距离；晚年生活功能和残疾量表(llfdi)是一项自我报告的功能，其测量执行基本和高级日常体力任务的难度；6)跌倒功效量表-国际版(fes-i)，其评估在进行室内和室外社交和体力日常活动时对跌倒的恐惧。
[0200]
结果：
[0201]
本文介绍了可行性研究的结果，该研究旨在探索86岁的受试者在具有增加的扰动幅度的perstbiro系统上进行的14次自行车训练课程期间进行训练和对未通知/意外的扰动的有效反应的能力。这位86岁的受试者报告在过去的六个月里很少摔倒，非常害怕摔倒。他的上半身平衡反应响应是由肩线和头颈角度来呈现的。这些参数呈现了上半身平衡反应性响应。86岁男性在训练期间的技能习得和运动学习在图11a-图11b和图12a-图12c中展示。
[0202]
在第一次训练课程中，参与者在不受扰动的情况下，握持自行车把手然后不握持自行车把手(即，不用双手)踩踏持续20分钟。这次课程中的锻炼对平衡控制系统几乎没有实际挑战。这次训练课程的目标主要是对锻炼的认知理解，以及提高对更高级别训练的自信心。图4示出了perstbiro软件的监测和识别参与者对不用双手的踩踏的感觉运动适应过程的能力。第一个阶段是在训练大约94秒后把手从把手上松开，这会导致大量和嘈杂的上半身移动(图11a)。第二个技能习得阶段通过在第一次课程结束时非常有条理和减少的上半身移动(图11b)来展示。这代表了改进的平衡控制能力。
[0203]
在图12a中，来自第3次培训课程的示例，其中参与者在不用双手踩踏期间在板块式左右训练中暴露于低幅度、低速度和低加速度的低频率的通知扰动(2.5
°
倾斜)。图12a示出了尽管在没有外部支撑(不用双手)的情况下踩踏，受试者在暴露于未通知的平衡扰动时反应性响应良好。倾斜扰动引起平衡反应性的躯干、头部和手臂移动总是处于扰动的相反方向，以迅速将上半身的com移向固定式自行车座椅提供的支撑的基底(图12a)。在训练课程开始时，perstbiro软件无法准确识别平衡反应性响应，尽管参与者主动且反应性地作出了响应以平衡这些扰动响应。在同一训练课程中的后期，perstbiro软件能够检测主动平衡响应和反应性平衡响应，从而控制perstbiro马达。
[0204]
在第八次训练课程中(图12b)，受训者在不用双手踩踏期间暴露于随机的中等幅度、速度和加速度的未通知的外部扰动(6
°‑
10
°
倾斜)。图12b示出了老年受试者对不同难度的扰动作出反应性响应的能力有所增加，而且perstbiro软件能够监测和识别反应性平衡响应，并为受训者提供他的有效响应的感觉运动反馈。尽管这在第八次训练课程中，但是扰动的幅度增加了受训者的平衡反应性响应。受试者能够有效地应对这些挑战，很可能是由于他过去的经验。
[0205]
在第十四次训练课程中(图12c)，在移动平台的不固定且不稳定模式(“浮动”模
式)下，受试者暴露在不用双手踩踏期间提供的随机的高幅度、高速度和高加速度的未通知的外部扰动(8
°‑
12
°
倾斜)中。图12c表明，主动的上半身平衡响应(红色箭头表示)和反应性的上半身平衡响应(黑色箭头表示)在大多数情况下适用于不同的扰动挑战，因此反映了在过去的训练课程中获得的上半身平衡反应性响应的有效运动学习。
[0206]
结论：本文提供的结果表明，老年人可以被唤起和改善平衡反应性响应，且老年受试者能够在高级训练课程(第8次和第14次课程)中进行训练，并仍然对更高级别的扰动作出有效的反应。
[0207]
参考文献
[0208]
anderson-hanley c,arciero pj,westen sc,nimon j,zimmerman e.neuropsychological benefits of stationary bike exercise and a cybercycle exergame for older adults with diabetes:an exploratory analysis.j diabetes sci technol.2012年7月1日；6(4):849-57.
[0209]
bergen g,stevens mr,burns er.falls and fall injuries among adults aged≥65years—united states,2014.mmwr morb mortal wkly rep 2016；65:993
–
998.doi:http://dx.doi.org/10.15585/mmwr.mm6537a2.
[0210]
buchner dm,cress me,de lateur bj,esselman pc,margherita aj,price r,wagner eh.a comparison of the effects of three types of endurance training on balance and other fall risk factors in older adults.aging(milano).1997年2月-4月；9(1-2):112-9.pubmed pmid:9177594.
[0211]
centers for disease control and prevention,national center for injury prevention and control.web
–
based injury statistics query and reporting system(wisqars)[在线].https://www.cdc.gov/injury/wisqars/index.html(2016年8月5日访问的).
[0212]
florence cs,bergen g,atherly a,burns er,stevens ja,drake c.medical costs of fatal and nonfatal falls in older adults.journal of the american geriatrics society,2018年3月,doi:10.1111/jgs.15304.
[0213]
gerards mhg
1,2
,mccrum c
1,3
,mansfield a
4,5,6,7
,meijer k1.perturbation-based balance training for falls reduction among older adults:current evidence and implications for clinical practice.geriatr gerontol int.2017年12月；17(12):2294-2303.doi:10.1111/ggi.13082.epub 2017年6月16日.
[0214]
gillespie ld,robertson mc,gillespie wj,sherrington c,gates s,clemson lm,lamb se.interventions for preventing falls in older people living in the community.cochrane database syst rev.2012年9月12日；(9):cd007146.
[0215]
harvey s,rissel c,pijnappels m.associations between bicycling and reduced fall-related physical performance in older adults.j aging phys act.2018年7月1日；26(3):514-519.doi:10.1123/japa.2017-0243.epub 2018年6月22日.pubmed pmid:29182418.
[0216]
howe te,rochester l,neil f,skelton da,ballinger c.exercise for improving balance in older people.cochrane database syst rev.2011年11月9日；
(11):cd004963.
[0217]
maki be,mcilroy we.the role of limb movements in maintaining upright stance:the"change-in-support"strategy.phys ther.1997年5月；77(5):488-507.
[0218]
mansfield a,wong js,bryce j,knorr s,patterson kk.does perturbation-based balance training prevent falls？systematic review and meta-analysis of preliminary randomized controlled trials.phys ther.2015；95(5):700-9.
[0219]
mary e.tinetti,mark s,sandra f.ginter,r.n.risk factors for falls among elderly persons living in the community n engl j med 1988；319:1701-1707.
[0220]
mccrum c,gerards mhg,karamanidis k,zijlstra w,meijer k.asystematic review of gait perturbation paradigms for improving reactive stepping responses and falls risk among healthy older adults.eur rev aging phys act.2017年3月2日；14:3.doi:10.1186/s11556-017-0173-7.ecollection 2017.review.
[0221]
nadeau a,lungu o,duchesne c,robillard m
è
,bore a,bobeuf f,plamondon r,lafontaine al,gheysen f,bherer l,doyon j.a 12-week cycling training regimen improves gait and executive functions concomitantly in people with parkinson's disease.front hum neurosci.2017年1月12日；10:690.
[0222]
nashner lm:adapting reflexes controlling the human posture.exp brain res 1976,26:59-72.
[0223]
nashner lm:balance adjustments of humans perturbed while walking.j neurophys 1980,44(4):650-663.
[0224]
nashner lm:fixed patterns of rapid postural responses among leg muscles during stance.exp brain res 1977,30(1):13-24.
[0225]
national institute on aging.growing older in america:the health and retirement study.washington,dc:u.s.department of health and human services,2007.
[0226]
okubo y,schoene d,lord sr.step training improves reaction time,gait and balance and reduces falls in older people:a systematic review and meta-analysis.br j sports med.2016；0:1-9.
[0227]
rissel,c.,passmore,e.,mason,c.,&merom,d.(2013).two pilot studies of the effect of bicycling on balance and leg strength among older adults.journal of environmental and public health,2013,1
–
6.pubmed id:23690805doi:10.1155/2013/686412.
[0228]
rubenstein,l.z.(2006).falls in older people:epidemiology,risk factors and strategies for prevention.age and ageing,35suppl 2,ii37-ii41.doi:35/suppl_2/ii37[pii].
[0229]
shani g1,shapiro a2,oded g1,dima k1,melzer i3.validity of the microsoft kinect system in assessment of compensatory stepping behavior during standing and treadmill walking.eur rev aging phys act.2017年3月7日；14:4.doi:10.1186/
s11556-017-0172-8.ecollection 2017.
[0230]
sherrington c,whitney jc,lord sr,herbert rd,cumming rg,close jc.effective exercise for the prevention of falls:a systematic review and meta-analysis.j am geriatr soc.2008年12月；56(12):2234-43.
[0231]
smart na,dieberg g,giallauria f.functional electrical stimulation for chronic heart failure:a meta-analysis.int j cardiol.2013年7月15日；167(1):80-6.
[0232]
stevens ja.falls among older adults—risk factors and prevention strategies.j saf res.2005；36(4):409
–
11.
[0233]
verney j,kadi f,saafi ma,piehl-aulin k,denis c.combined lower body endurance and upper body resistance training improves performance and health parameters in healthy active elderly.eur j appl physiol.2006年6月；97(3):288-97.
[0234]
schmidt,r.a.(1988).motor control and learning:a behavioral emphasis,2
nd edn.champaign,il:human kinetics.
[0235]
schmidt,r.a.和wrisberg,c.a.(2008).motor learning and performance:a situation-based learning approach,4th edn.champaign,il:human kinetics.
[0236]
schmidt,r.a.和lee,t.d.(2005).motor control and learning:a behavioral emphasis,4th edn.champaign,il:human kinetics。