郑州大学
王一帆,孙嘉星,韩舒航,闫晓亭
本系统是基于ZigBee人体局域网与Fugl-meyer特征评估模型的下肢智能康复系统,可实现对下肢运动障碍患者的科学性指导和辅助治疗。本系统主要分为康复评估和康复训练两大部分。
康复评估部分由患者穿戴的下肢运动康复评估设备和云平台的特征评估模型组成。
康复评估设备的6个九轴姿态传感器分别分布在左右腿的脚踝、小腿、大腿处,MPU9250九轴传感器如图1所示。通过采集各部分的运动数据表征下肢运动障碍康复情况,同时各传感器节点实现ZigBee人体局域网组网,将终端采集的数据通过WiFi以MQTT协议上传至康复评估平台。载有ZigBee模块的姿态检测节点如图2所示。示意图如图3所示。
图1 MPU9250九轴传感器
图2 载有ZigBee模块的姿态检测节点(自主研发)
图3 人体动态三维可视化展示示意图
云平台对传感器采集的姿态数据进行智能化分析,通过算法比较患者与正常人各项指标的差异,使用Fugl-meyer特征评估模型进行康复评估,匹配符合患者康复程度的康复训练动作集。同时,客户端接收服务器发送的数据,并对数据进行虚拟人体模型的可视化展示。人体动态三维可视化展示
康复训练部分由下肢康复外骨骼机器人组成,该设备使用基于矢量控制方法的外骨骼无刷电机伺服控制方案,实时性好,精确度高,执行云平台发送的下肢康复动作集,带动患者的下肢进行相应的运动。
该下肢智能康复系统主要由MPU9250九轴传感器、Fugl-meyer特征评估模型、基于ZigBee的人体局域网、云平台数据及三维人体模型可视化展示技术实现。
MPU9250九轴传感器对传感器采集的原始数据进行九轴融合姿态解算,再经由 ZigBee网络将数据传输至网络协调器,然后基于MQTT协议发送至云平台。该项目的技术核心为Fugl-meyer特征评估模型,该模型将Fugl-meyer方法和神经网络相结合,利用FP-Growth算法对患者数据集进行挖掘,从而反馈匹配的治疗方案。下肢康复平台对数据进行处理和挖掘的同时建立由患者驱动的三维人体动态模型。项目总体流程示意图如图4所示。
图4 项目总体流程示意图
下肢运动康复评估系统包含多个传感器,采集数据量大,传输速率高,需结合 ZigBee无线通信技术,以实时匹配精准的康复治疗方案。同时采用了虚拟现实技术,创建虚拟人体三维模型,将采集的数据进行可视化展示,从而更加直观地判断患者的康复情况。载有下肢智能康复评估设备的下肢行走机器人如图5所示。
图5 载有下肢智能康复评估设备的下肢行走机器人
应用前景:患有脑卒中下肢障碍疾病的患者,病情多样,有时无法及时获得准确、科学的治疗方案,且目前治疗资源分布不均衡,现有康复医疗设备价格昂贵,而本产品具有便捷、场地灵活、匹配方案精准等优势,所以本系统的应用前景较为广阔。
市场:通过对技术的进一步技术完善,可实现人体组网,提出更多疾病的治疗方案。