一种智能手部运动功能评测及康复训练轮椅.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109199712A(43)申请公布日2019.01.15(21)申请号201811205612.9(22)申请日2018.10.15(71)申请人郑州大学地址450001河南省郑州市高新区科学大道100号(72)发明人刘艳红宋奇任海川曹桂州岳宗晓关元李庆明(51)Int.Cl.A61G5/00(2006.01)A61G5/10(2006.01)G06F3/01(2006.01)G06F3/0346(2013.01)G16H40/63(2018.01)A63B23/16(2006.01)A63B71/06(2006.01)权利要求书2页说明书4页附图2页(54)发明名称一种智能手部运动功能评测及康复训练轮椅(57)摘要本发明公开了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、数据采集模块、数据处理模块和人机交互模块，通过固定于康复轮椅上的嵌入式系统对采集到的数据进行滤波、补偿、计算与分析，能够准确、客观、方便地评测手部运动功能或进行康复训练，克服了传统评测及康复训练在时间、空间上的局限性；参照国际手外科学会推出的《手部功能损失评定》标准，人机交互模块依次显示指令，引导患者自主完成相应的动作；数据处理模块分析手部动作完成情况，得出评测结果及康复训练效果，并将评测结果、康复训练效果及检测数据实时显示和保存，方便患者与医师查询；本系统灵活度高，简单易用，鲁棒性强，便于推广。CN109199712ACN109199712A权利要求书1/2页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LeapMotion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LeapMotion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LeapMotion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LeapMotion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LeapMotion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LeapMotion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LeapMotion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LeapMotion体感控制器进行补偿，LeapMotion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LeapMotion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