【技術實現步驟摘要】
本專利技術涉及智慧醫療領域，且更為具體地，涉及針對icu臥床患者骨骼肌肉訓練的交互控制方法和系統。
技術介紹
1、隨著醫療技術的發展，重癥監護病房(intensive?care?unit,icu)內長期臥床患者的康復問題日益受到關注。長時間臥床不動會導致患者出現肌肉萎縮、關節僵硬、骨質疏松等一系列并發癥，嚴重影響其康復進程和生活質量，導致危重癥患者產生獲得性神經肌肉功能障礙，即icu獲得性衰弱(icu?acquired?weakness，icu-aw)。傳統的物理療法往往依賴于人力操作，難以實現個性化、高強度的持續訓練，且在icu環境下，由于患者病情復雜，限制了傳統康復手段的適用性和效率。
2、近年來，虛擬現實(virtual?reality,vr)技術因其能夠提供沉浸式、可定制的康復環境而逐漸被引入康復醫學領域。通過模擬各種場景，vr技術能夠激發患者的運動興趣，提高訓練的趣味性和參與度。然而，現有技術大多側重于標準化的康復訓練程序，缺乏針對患者個體差異的動態適應能力，尤其是在識別和響應患者特定運動意圖方面存在不足，這限制了訓練方案的有效性和患者運動潛能的最大化發揮。
3、因此，如何在icu環境下，針對臥床患者設計一種既能準確識別運動意圖，又能根據患者實時狀態動態調整訓練強度的交互式康復訓練方法，成為了亟待解決的問題。
技術實現思路
1、為了解決上述技術問題，提出了本申請，以提供一種針對臥床患者設計一種既能準確識別運動意圖，又能根據患者實時狀態動態調整訓練強
2、第一方面，本專利技術提供了一種針對icu臥床患者骨骼肌肉訓練的交互控制方法，包括：在位于icu中的患者的肢體產生第一動作時，采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據；將所述第一動作數據輸入預設的第一神經網絡模型，通過所述第一神經網絡模型識別所述患者的運動意圖；根據所述患者的運動意圖構建虛擬現實情境，所述虛擬現實情境中具有多種元素，所述多種元素具有預設的屬性值，用于按照預設的誘導強度誘導所述患者進行與所述運動意圖對應的第二動作；采集所述患者進行所述第二動作時肢體對應的骨骼和/或肌肉的第二動作數據；查詢所述第二動作對應的標準動作數據，計算所述第二動作數據與所述第二動作對應的標準動作數據之間的差距，以用于反映所述患者進行所述第二動作時的運動障礙水平；將所述患者的肢體對應的骨骼和/或肌肉的動作數據與所述第二動作對應的標準動作數據之間的差距輸入預設的與所述虛擬現實情境對應的第二神經網絡模型，通過所述第二神經網絡模型計算所述虛擬現實情境的至少一種元素應具有的屬性值；按照所述虛擬現實情境的至少一種元素應具有的屬性值，對所述虛擬情境中的所述至少一種元素的屬性值進行調整以改變所述誘導強度；將所述虛擬現實情境提供給所述用戶，通過所述虛擬現實情境中的所述多種元素按改變后的所述誘導強度誘導所述患者再次進行所述第二動作。
3、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，所述采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據包括：在預設時間段內連續拍攝所述患者的肢體的連續多張圖像；識別所述患者的肢體上多個關節及其肌肉群在所述連續多張圖像中的位置；根據所述患者的肢體上多個關節及其肌肉群的位置變化，計算所述患者的肢體上多個關節的角速度向量和角加速度向量；計算所述患者的肢體上多個關節的關節力矩和功率輸出，所述多個關節中第m個關節的關節力矩τ＝im-1(ωmimωm+αm)-g，所述第m個關節的功率輸出p＝τωm，其中，ωm表示所述第m個關節的角速度向量，表示ωm對時間的導數，αm表示所述第m個關節的角加速度向量，im表示預設的轉動慣量矩陣，g表示預設的重力向量；將所述患者的肢體上多個關節的關節力矩、功率輸出作為用于輸入所述第一神經網絡模型的所述第一動作數據。
4、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，在所述計算所述患者的肢體上多個關節的關節力矩和功率輸出之前，還包括：從預設的為所述患者的肢體構建的骨骼及肌肉系統模型中提取所述患者的肢體上多個關節及其肌肉群的物質密度、質心和覆蓋區域；根據所述患者的肢體上多個關節及其肌肉群的物質密度、質心和覆蓋區域，以及所述多個關節及其肌肉群的覆蓋區域，為所述患者的肢體上多個關節計算所述轉動慣量矩陣，其中所述第m個關節對應的轉動慣量矩陣im＝∫ρ(r)(||r||2-rc)dv，v表示所述第m個關節及其肌肉群的覆蓋區域，r表示所述第m個關節及其肌肉群的覆蓋區域中的一點，c表示所述第m個關節及其肌肉群的質心，ρ(r)表示所述第m個關節及其肌肉群的物質密度。
5、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，所述采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據包括：通過預設的壓力傳感陣列，采集所述患者的肢體進行所述第一動作時產生的壓力；基于已知的所述患者的非目的性動作產生的壓力干擾，對所述患者的肢體進行所述第一動作時產生的壓力進行修正；將修正后的所述患者的肢體進行所述第一動作時產生的壓力作為所述第一動作數據。
6、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，在所述將所述第一動作數據輸入預設的第一神經網絡模型之前，還包括：在所述第一神經網絡模型進行訓練時，計算所述第一神經網絡模型的損失函數其中，e表示預設的運動意圖種類總數，表示所述第一神經網絡模型訓練時計算得到的第n種運動意圖對應的預測概率，yn表示所述第n種運動意圖對應的真實概率，wn為對應于所述第n種運動意圖的權重系數，基于已知的所述第n種運動意圖的稀缺程度進行設置；根據所述第一神經網絡模型的損失函數l的大小，對所述第一神經網絡模型的參數進行調整。
7、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，在所述根據所述第一神經網絡模型的損失函數l的大小，對所述第一神經網絡模型的參數進行調整之前，還包括：為所述第一神經網絡模型設置損失修正函數其中t表示當前完成的訓練次數，和分別表示所述第一神經網絡模型在第t次和第t+1次訓練時輸出的結果，當和不同時，的值為1，當和相同時，的值為0；基于所述損失修正函數lcor，對所述損失函數l進行修正。
8、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，在所述將所述患者的肢體對應的骨骼和/或肌肉的動作數據與所述第二動作對應的標準動作數據之間的差距輸入預設的與所述虛擬現實情境對應的第二神經網絡模型之前，還包括：為所述第二神經網絡模型中的任一參數設置原始變動步長so；在所述第二神經網絡模型完成第a次訓練時，計算對所述第二神經網絡模型中的任一參數的變動步長其中，d為預設的基準值；根據所述變動步長da，對所述第二神經網絡模型中的任一參數進行變動。
9、可選地，前述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，所述根據所述患者的運動意圖構建虛擬現實情境，還包括：從所述患者的歷史行為記錄，提取所述患者的偏好特征；本文檔來自技高網...
【技術保護點】
1.針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，包括：
2.根據權利要求1所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據包括：
3.根據權利要求2所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，在計算所述患者的肢體上多個關節的關節力矩和功率輸出之前，所述方法還包括：
4.根據權利要求1所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據包括：
5.根據權利要求1所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，在將所述第一動作數據輸入預設的第一神經網絡模型之前，所述方法還包括：
6.根據權利要求5所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，在根據所述第一神經網絡模型的損失函數L的大小，對所述第一神經網絡模型的參數進行調整之前，所述方法還包括：
7.根據權利要求1所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其
8.根據權利要求1所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，根據所述患者的運動意圖構建虛擬現實情境包括：
9.根據權利要求1所述的針對ICU臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，按照所述虛擬現實情境的至少一種元素應具有的屬性值，對所述虛擬情境中的所述至少一種元素的屬性值進行調整以改變所述誘導強度，包括：
10.針對ICU臥床患者骨骼肌肉訓練的交互控制系統，其特征在于，包括：
...【技術特征摘要】
1.針對icu臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，包括：
2.根據權利要求1所述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據包括：
3.根據權利要求2所述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，在計算所述患者的肢體上多個關節的關節力矩和功率輸出之前，所述方法還包括：
4.根據權利要求1所述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，采集所述患者的肢體對應的骨骼和/或肌肉的第一動作數據包括：
5.根據權利要求1所述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，在將所述第一動作數據輸入預設的第一神經網絡模型之前，所述方法還包括：
6.根據權利要求5所述的針對icu臥床患者骨骼肌肉訓練的交互控制方法，其特征在于，在...
【專利技術屬性】
技術研發人員：李勍，劉婷，王天龍，范隆，李穎，焦萌，
申請(專利權)人：首都醫科大學宣武醫院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。