基于振动触觉反馈的VR中风神经康复训练系统及方法

本发明涉及于医疗康复，具体是一种基于振动触觉反馈的vr中风神经康复训练系统及方法。

背景技术：

1、手部运动功能障碍是中风后最常见的症状之一，严重影响患者的生活质量。尽管进行了物理和专业治疗，但大约55％的中风幸存者在康复3至6个月后仍患有手部残疾。即使在康复后4年，仍有近70％的卒中幸存者未使用或停用受伤手臂。目前传统的康复训练如物理治疗、中医针灸等，费用昂贵，中风患者不仅需要去康复训练中心进行训练，而且训练效率无法保证，且离开专业医师之后，患者无法得到及时反馈，无法进行个性化训练，训练效果较差。

2、虚拟现实技术是一种以互联网技术为基础，融合虚拟现实、智能可穿戴、大数据分析等技术，使用户能够与虚拟环境互动，像置身于现实世界中，其基本实现方式是以计算机技术为主，综合利用三维图形技术，仿真技术，显示技术等，借助计算机设备产生一个逼真的虚拟世界，随着社会生产力的发展，虚拟现实技术取得了巨大的发展，为各行业提供了新的可能性。

3、在虚拟现实系统中，常常会提供给用户视听反馈，用户可以看到手部的动作转变为触摸虚拟环境中的物体以及听到背景提示音等，但往往用户并未感受到触摸物体的触觉反馈，不能真正地感受到物体的存在，未实现真正的沉浸式体验。

4、在传统的中风康复训练中，医生只能通过观察患者的日常的活动能力、肢体控制能力来进行评定中风患者的康复训练效果，这种评估方法是基于医生的主观观察和判断，容易受到主观偏见的影响，缺乏客观性的生理学指标，而且仅仅关注了中风患者的当前状态，忽略了康复过程中的变化，康复是一个动态的过程，仅仅根据当前状态无法全面了解患者的情况和需求。

技术实现思路

1、为解决上述问题，本发明提供一种基于振动触觉反馈的vr中风神经康复训练系统及方法，为运动功能的康复提供一套创新解决方案。中风患者可以通过训练动作与虚拟环境进行交互，通过环境设置，系统可以及时为中风患者提供振动触觉反馈。此系统可以使患者无需去专业康复训练中心即可进行每日训练，根据患者情况提供个性化训练方案和难度，通过游戏闯关设置，增加训练过程中的趣味性，让中风患者积极参与康复训练，由被动转为主动。

2、为了实现上述的技术目的，本发明所采用的技术方案为：

3、一种基于振动触觉反馈的vr中风神经康复训练系统，包括康复手、传感器、振动反馈设备、vr头盔、中央控制器和人机交互设备；

4、所述人机交互设备，用于展示中风患者训练过程中的脑电波信号以及训练结果信息；

5、所述康复手上集成多个传感器和多个振动反馈设备；所述传感器，用于采集中风患者手部运动数据；所述振动反馈设备，用于带动康复手振动；

6、vr头盔，用于显示中央控制器传输的数据；

7、所述康复手、传感器、振动反馈设备、vr头盔、人机交互设备均与中央控制器通信连接或电性连接。

8、作为一种可能的实施方式，进一步，所述中央控制器包括3d情景模拟模块、游戏闯关模块、数据处理模块、康复训练结果诊断模块和脑电波采集模块；

9、所述情景模拟模块，用于生成游戏3d模拟场景并发送到所述vr头盔中进行显示；

10、所述游戏闯关模块，用于设置多种手部康复训练的闯关游戏，并发送到所述vr头盔中进行显示，并根据患者训练的积分结果判断是否闯关成功，若成功，则进入下一级难度，并将积分结果发送到康复训练结果诊断模块；

11、所述康复训练结果诊断模块，用于接收所述游戏闯关模块发送的积分结果，接收积分结果后诊断患者训练情况，并将患者训练情况发送到所述人机交互设备进行展示；

12、所述数据处理模块，用于接收康复手上传感器所采集的手部动作数据(其中，手部动作有触摸物体，拿起物体，持物行走，放下物体，扔掉物体等，)并进行处理分析，接着根据数据处理分析后的结果触发振动反馈设备进行振动反馈；

13、所述脑电波采集模块，用于采集中风患者训练过程中的脑电波信号，并将采集好的脑电波信号发送到所述人机交互设备进行展示。

14、作为一种可能的实施方式，进一步，所述游戏闯关模块，用于设置多种手部康复训练的闯关游戏，闯关游戏按照难度等级从低到高进行划分，闯关游戏包括使用小球进行目标投掷，操控小木块进行隔板间的移动，做出对应手势等小游戏来获得对应积分，预先设定在规定时间内所要获得的积分阈值，若超过预先设定的积分值，则闯关成功，否则闯关失败。

15、作为一种可能的实施方式，进一步，根据不同的动作为患者提供不同程度的振动反馈。中风患者还可手动调整振动反馈参数，以满足个性化需求。

16、作为一种可能的实施方式，进一步，接收康复手上传感器所采集的手部动作数据并进行处理分析，接着根据数据处理分析后的结果触发振动反馈设备进行振动反馈；具体包括：

17、1)患者佩戴康复手做出相应的康复训练动作，由设备中的传感器采集手部动作数据x＝{x1，x2....xn}，表示n个连续手势序列，每一个xn均为一维时间序列xn＝[x1，x2....xi]；

18、2)上述连续手势序列xn＝[x1，x2....xi]包含多个动态手势，基于能量阈值对其进行手势分割，准确的寻找每段手势的起止点；

19、3)基于卡尔曼滤波算法预处理所述已切割好的手部动作数据，得到去噪后的手部动作数据集

20、4)基于shaplet transform对去噪后的手部动作数据进行特征提取，在数据集中提取出部分子集作为该序列的特征；

21、5)基于对上述所提取的特征进行归一化，y为归一化后的特征序列值，x为所提取的特征序列值，xmin为特征序列中的最小值，xmax为特征序列中的最大值，将归一化后的数据集代入分类器中进行分类训练，其中，每一个均为一维时间序列

22、6)根据分类结果，判断患者的手部动作，给予患者不同的振动反馈。

23、作为一种可能的实施方式，进一步，步骤2)具体步骤如下：

24、对于一维时间序列xn＝[x1，x2....xi]计算其加速度能量e[t]，计算公式如下：

25、

26、其中，e[t]表示加速度能量，a[i]表示在时刻t的加速度信号，w是时间窗口的半宽度；

27、其中，a[i]的表达式如下：

28、a[i]＝vi+i-vi

29、v[i]＝xi+1-xi

30、其中，v[i]代表速度，xi+1-xi表示对手势序列xn＝[x1，x2....xi]进行一阶差分运算，得到新序列vn＝[v1，v2....vi]，a[i]表示加速度，vi+1-vi表示对vn＝[v1，v2....vi]进行一阶差分运算，得到加速度序列an＝[a1，a2....ai]；

31、将每个时刻t对应的加速度能量值e[t]组成一个序列，得到加速度能量曲线；

32、基于信息熵的迭代确定最佳分割能量阈值；

33、当能量e(t)大于阈值时，则判定为动态手势的开始，当能量e(t)小于阈值时，则判定为动态手势的结束；

34、基于检测到的开始和结束点，将原始连续的手部动作数据切割成独立的样本，便于后续处理。

35、作为一种可能的实施方式，进一步，步骤4)具体步骤如下：

36、从训练数据集中生成一组候选shapelet，shapelet表示在时间序列中有代表性的子序列；

37、对于每个序列用欧式距离计算其与每个候选shapelet之间的距离；

38、对于每个序列选择与之最为相似的shapelet，即选择与之距离最小的shapelet将其作为该序列的特征。

39、作为一种可能的实施方式，进一步，根据手部运动识别结果，给予患者触觉反馈，不同的手势所设置得触觉反馈程度不同，触摸物体触觉反馈程度为1，拿起物体触觉反馈程度为2，持物行走触觉反馈程度为3，放下物体触觉反馈程度为2，扔掉物体触觉反馈程度为3，患者也可以自行调整反馈程度，进行个性化的设置，反馈程度会按照比例依次自行增加。

40、本发明还提供一种基于振动触觉反馈的vr中风神经康复训练方法，其特征在于，所述训练方法应用上述基于振动触觉反馈的vr中风神经康复训练系统，包括如下步骤：

41、步骤一：操作者穿戴vr头盔，并且穿戴好康复手，调整合适的站姿或者坐姿；

42、步骤二：开启人机交互设备、vr头盔和康复手，并用无线网将其进行连接，操作者用手势选择所需训练的游戏；

43、步骤三：操作者根据游戏提示进行操作，多个传感器将采集到的手部动作信息发送到中央控制器，触发振动反馈设备进行相应振动反馈，并且中央控制器根据接收到的积分结果和脑电波信号数据分析操作者康复训练情况，发送到人机交互设备进行显示；

44、步骤四：操作者完成当日康复训练，拆卸vr头盔和康复手。

45、采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：

46、本发明不仅能够帮助中风患者在家就能进行每日的康复训练，而且提供了振动触觉反馈机制，具有更加沉浸式的vr体验，除此之外，以游戏闯关拿积分的模式提高了患者对康复训练的积极性，同时能实时的反映患者每天的康复训练情况，使医护人员能够准确掌握中风患者情况，非常适合于中风患者进行康复训练，促进患者神经康复。