动力外骨骼及基于动力外骨骼的康复评价方法

摘要

本发明涉及一种动力外骨骼及基于动力外骨骼的康复评价方法，基于动力外骨骼方法包括：获取患者的历史步态参数；获取康复师对所述患者的历史康复评价结果；根据得到的所述患者的历史康复评价结果和所述患者的历史步态参数，并利用预设的决策树算法建立预训练模型；获取所述患者的当前步态参数；根据得到的所述当前步态参数，并利用所述预训练模型得到所述患者当前步态参数对应的当前康复评价结果。上述基于动力外骨骼的康复评价方法，可使得患者在无法得到康复师现场评价的情况下及时了解自身康复训练的进步和需要改进之处，并且还可以给康复师针对患者后期的康复训练计划提供一定的参考意见。

说明书

技术领域

本发明涉及医疗机器人技术领域，尤其涉及一种动力外骨骼及基于动力外骨骼的康复评价方法。

背景技术

对于中风和脊柱损伤患者，及时有效的康复训练评价和指导可以使患者康复达到更好的康复效果，鉴于我国康复师严重短缺，以及患者在康复一定程度后需要在家中进行康复训练，导致患者因无法与康复师会面而得到及时有效的康复评价，从而影响到康复的效果。

发明内容

基于此，有必要提供一种能够实现对患者进行有效康复评价的动力外骨骼及基于动力外骨骼的康复评价方法。

一种基于动力外骨骼的康复评价方法，包括以下步骤：

获取患者的历史步态参数；

获取康复师对所述患者的历史康复评价结果；

根据得到的所述患者的历史康复评价结果和所述患者的历史步态参数，并利用预设的决策树算法建立预训练模型；

获取所述患者的当前步态参数；及

根据得到的所述当前步态参数，并利用所述预训练模型得到所述患者当前步态参数对应的当前康复评价结果。

在其中一个实施例中，所述建立预训练模型的步骤包括：

根据大量的所述患者的历史康复评价结果和历史步态参数建立训练集，并利用所述预设的决策树算法进行训练，生成所述预训练模型。

在其中一个实施例中，所述建立预训练模型的步骤还包括：

在没有大量的所述患者的历史康复评价结果和历史步态参数样本数据时，利用业务逻辑设置向量权重，以使业务逻辑控制匹配所述预设的决策树算法。

在其中一个实施例中，所述建立预训练模型的步骤还包括：

不断更新所述训练集对生成的所述预训练模型法进行训练，以获取不断更新和完善的所述预训练模型。

在其中一个实施例中，所述获取所述患者的当前步态参数的步骤之后还包括：

将得到的所述患者的当前步态参数与正常人行走时的步态参数进行对比评价，获得步态对比评价结果。

在其中一个实施例中，所述获取患者的步态参数的步骤包括：

采集所述动力外骨骼的外骨骼组件的运动数据；及

根据所述外骨骼组件的运动数据，并利用预设的步态识别算法得到所述患者的步态参数。

一种动力外骨骼，包括：

外骨骼组件，用于辅助患者的康复训练；

检测单元，设于所述外骨骼组件上，所述检测单元用于获取所述患者的步态参数；及

控制器，与所述检测单元通信连接，所述控制器用于根据康复师提供的所述患者的历史康复评价结果和所述检测单元提供的所述患者的历史步态参数，并利用预设的决策树算法建立预训练模型；所述控制器还用于根据所述检测单元提供的所述患者的当前步态参数，并利用所述预训练模型得到所述患者的当前步态参数对应的当前康复评价结果。

在其中一个实施例中，所述控制器还用于将所述检测单元提供的所述患者的当前步态参数与正常人行走时的步态参数进行对比评价，以获得步态对比评价结果。

在其中一个实施例中，还包括驱动组件，所述驱动组件与所述外骨骼组件连接，且与所述控制器通信连接，所述控制器还用于根据得到的所述步态对比评价结果生成控制指令并发送给所述驱动组件，从而以控制所述驱动组件输出相应的力矩驱动所述外骨骼组件运动。

在其中一个实施例中，所述检测单元包括传感器组件和微处理器，所述传感器组件设于所述外骨骼组件上，并用于采集所述外骨骼组件的运动数据，所述微处理器用于根据所述传感器组件提供的所述外骨骼组件的运动数据，并利用预设的步态识别算法得到所述患者的步态参数。

上述基于动力外骨骼的康复评价方法，首先通过将获取的患者的历史步态参数和康复师对患者的历史康复评价结果利用预设的决策树算法建立预训练模型，然后通过获取患者的当前步态参数，并利用预训练模型得到患者当前步态参数对应的当前康复评价结果，使得患者在利用动力外骨骼康复训练完成以后，可以及时获取到针对自身当前康复训练对应的康复评价结果，从而可使得患者在无法得到康复师现场评价的情况下及时了解自身康复训练的进步和需要改进之处，并且还可以给康复师针对患者后期的康复训练计划提供一定的参考意见。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一实施例中基于动力外骨骼的康复评价方法的流程框图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。

需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“内”、“外”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。

如图1所示，一实施例中的基于动力外骨骼的康复评价方法，包括以下步骤：

S100，获取患者的历史步态参数。

可以理解的是，人体在行走时，主要是通过髋、膝、踝、足趾的一系列连续活动，使身体沿着一定方向移动，而身体移动过程的行动姿态和行为特征则可以用步态参数来表征。例如，人体常用的步态参数包括步态周期、时间参数、距离参数、时间-空间参数等。其中，步态周期表示在人体在行走时一侧足跟着地到该侧足跟再次着地的过程，通常用时间秒(s)表示，行走中每个步态周期都包含着一系列典型姿位的转移，人们通常把这种典型姿位变化划分出一系列时段，称之为步态时相。一个步态周期可分为支撑相和摆动相，细分又可以分成8个时相，如首次触地期、承重反应期、支撑相中期、支撑相末期、摆动前期等。时间参数指与步行相关的时间事件，包括单步时间、跨步时间、步频、步速等。距离参数包括步长、跨步长、步宽、足夹角等。时间-空间参数是步行中髋、膝、踝关节的运动规律(角度变化或位移、速度、加速度等)。

S200，获取康复师对患者的历史康复评价结果。

具体的，康复师定期对患者进行康复评价并记录相应的评价结果，在一实施例中，可采用6分钟步行距离、功能性步行量表评分或下肢改良Ashworth评分作为对患者的康复评价结果。

S300，根据得到的患者的历史康复评价结果和患者的历史步态参数，并利用预设的决策树算法建立预训练模型。

通过将获取的患者的历史康复评价结果以及历史步态参数利用预设的决策树算法进行建模，从而得到针对患者的预训练模型。

S400，获取患者的当前步态参数。

S500，根据得到的当前步态参数，并利用预训练模型得到患者当前步态参数对应的当前康复评价结果。

在构建完预训练模型以后，将患者的当前步态参数输入预训练模型，即可计算得到该患者当前步态参数对应的当前康复评价结果。

上述基于动力外骨骼的康复评价方法，首先通过将获取的患者的历史步态参数和康复师对患者的历史康复评价结果利用预设的决策树算法建立预训练模型，然后通过获取患者的当前步态参数，并利用预训练模型得到患者当前步态参数对应的当前康复评价结果，使得患者在利用动力外骨骼康复训练完成以后，可以及时获取到针对自身当前康复训练对应的康复评价结果，从而可使得患者在无法得到康复师现场评价的情况下及时了解自身康复训练的进步和需要改进之处，并且还可以给康复师针对患者后期的康复训练计划提供一定的参考意见。

在一实施例中，建立预训练模型的步骤S300包括：S310，根据大量的患者患者的历史康复评价结果和历史步态参数建立训练集，并利用预设的决策树算法进行训练，生成预训练模型。在一实施例中，预设的决策树算法包括ID3、C4.5及C5.0中的任意一种。

在一实施例中，建立预训练模型的步骤S300还包括：S320，在没有大量的患者的历史康复评价结果和历史步态参数样本数据时，利用业务逻辑设置向量权重，以使业务逻辑控制匹配预设的决策树算法。

由于控制算法最终依托的是样本数据量，样本数据量越多，最终得到的预训练模型的结果会更精确，在没有大的样本数据量的时候，可以根据业务员逻辑设置那种向量的权重更高，以使得业务逻辑控制匹配预设的决策树算法，并且这种方式大数据量得到的预训练模型更精准一些。

在一实施例中，建立预训练模型的步骤S300还包括：S330，不断更新训练集对生成的预训练模型法进行训练，以获取不断更新和完善的预训练模型，从而提高预训练模型的准确性。

在一实施例中，获取患者当前的步态参数的步骤S400之后还包括：

S600，将得到的患者的当前步态参数与正常人行走时的步态参数进行对比评价，获得步态对比评价结果。如此设置，使得患者在利用动力外骨骼康复训练过程中，可以根据上述步态对比评价结果即时发现自己的行动姿态是否出现偏离或者异常，从而以便患者在没有康复师现场指导的情况下及时纠正自身错误的行动姿态，进而使得患者的康复训练达到更好的效果。

在一实施例中，获取患者的步态参数的步骤S100包括：S120，采集动力外骨骼的外骨骼组件的运动数据。S140，根据外骨骼组件的运动数据，并利用预设的步态识别算法得到患者的步态参数。

具体的，在建立步态识别算法时，传感器组件先采集正常人在平地行走、斜坡行走、上下楼梯时的运动数据，例如双侧下肢的运动轨迹、惯性、角速度和输出的力矩等，以及脚底的压力分布情况、人体重心分布情况等。然后对采集的运动数据进行模型训练操作，获得正常人对应的步态参数模型，并保存至微处理器。微处理器在接收传感器组件采集的外骨骼组件的运动数据之后，输入训练后的步态参数模型，即可确定出步态辅助设备使用者的步态参数。

在一实施例中，本发明还提供了一种动力外骨骼，动力外骨骼包括外骨骼组件、检测单元及控制器，外骨骼组件用于辅助患者的康复训练；检测单元设于外骨骼组件上，检测单元用于获取患者的步态参数；控制器与检测单元通信连接，控制器用于根据康复师提供的患者的历史康复评价结果和检测单元提供的患者的历史步态参数，并利用预设的决策树算法建立预训练模型；控制器还用于根据检测单元提供的患者的当前步态参数，并利用预训练模型得到患者的当前步态参数对应的当前康复评价结果。

上述动力外骨骼，控制器能够根据康复师提供的患者的历史康复评价结果和检测单元提供的患者的历史步态参数，并利用预设的决策树算法建立预训练模型；同时控制器还能够根据检测单元提供的患者当前的步态参数，并利用预训练模型得到患者的当前步态参数对应的当前康复评价结果，使得患者在利用动力外骨骼康复训练完成以后，可以根据控制器提供的反馈结果及时获取到针对自身当前康复训练对应的康复评价结果，从而可使得患者在无法得到康复师现场评价的情况下及时了解自身康复训练的进步和需要改进之处，并且还可以给康复师针对患者后期的康复训练计划提供一定的参考意见。

进一步地，控制器还用于将检测单元提供的患者的当前步态参数与正常人行走时的步态参数进行对比评价，以获得步态对比评价结果。如此设置，使得患者在利用动力外骨骼康复训练过程中，可以根据该控制器提供的自身当前的步态参数与正常人行走时的步态参数的对比评价结果，及时发现自己的行动姿态是否出现偏离或者异常，以便患者在没有康复师现场指导的情况下及时纠正自身错误的行动姿态，进而使得患者的康复训练达到更好的效果。

在一实施例中，外骨骼组件可采用穿戴式设计，也可以固定在患者的肢体上，并且还可以实现不同的下肢关节的组合，如简单地配置成双腿/单腿，或者单个的下肢关节，以适应不同病情的患者的实际使用需求。上述外骨骼组件可以用于中风患者的日常康复训练和行走辅助，在患者行走训练中提供助力或阻力，改善患者步态轨迹。另外，外骨骼组件可以调节伸缩长度，以此适应不同身高的患者的使用。

检测单元包括传感器组件和微处理器，传感器组件设于外骨骼组件上，并用于采集外骨骼组件的运动数据，微处理器用于根据传感器组件提供的外骨骼组件的运动数据，并利用预设的步态识别算法得到患者的步态参数。由于该步态参数能够与使用该动力外骨骼的患者的行动姿态和行为特征相匹配，因此有助于动力外骨骼根据患者的步态参数进行自适应调节，使得动力外骨骼的运行速度能够与患者的行走速度相匹配。

进一步地，上述动力外骨骼还包括驱动组件，驱动组件与外骨骼组件连接，且与控制器通信连接，控制器还用于根据得到的步态对比评价结果生成控制指令并发送给驱动组件，从而以控制驱动组件输出相应的力矩驱动外骨骼组件运动。

具体的，在确定使用该动力外骨骼的患者的当前步态参数之后，继续采集外骨骼组件的运动数据，然后以已确定的步态参数作为参照，分析外骨骼组件的运动数据，确定患者的行动姿态和行为特征是否出现偏离或者异常，如果有偏离或者异常，则控制器生成控制指令并发送给驱动组件，该控制指令用于控制驱动组件输出相应的力矩驱动外骨骼组件运动，以使外骨骼组件的运行轨迹与确定的步态参数相匹配，从而使得动力外骨骼的运行速度能够与患者的行走速度相匹配。

在一实施例中，驱动组件可以为柔性驱动组件，具体可以设置于外骨骼组件的一个或多个关节部位。例如，驱动组件可以设置于外骨骼组件的膝关节，由此来驱动使用者的小腿运动。

可以理解的是，上述驱动组件可采用阻抗控制的方式来对人体提供助力，该阻抗控制不同于传统的位置控制，强制人体下肢跟踪某特定的轨迹，而是仅在人体偏离了参照轨迹时才提供助力，且助力的大小与偏离的程度成正比。阻抗控制可以最大程度上激发患者的主动意愿，以此达到最优的康复效果。

在一实施例中，外骨骼组件包括腿部外骨骼组件，腿部外骨骼组件包括左侧大腿构件、左侧小腿构件、右侧大腿构件、右侧小腿构件中的至少一个；传感器组件包括第一传感器，第一传感器对应设置在腿部外骨骼组件的各构件上，运动数据包括第一传感器采集的腿部外骨骼组件的运动数据；驱动组件包括腿部骨骼驱动组件，腿部骨骼驱动组件与腿部外骨骼组件的各构件对应设置，用于分别驱动腿部外骨骼组件对应的各构件运动；控制指令包括用于控制腿部骨骼驱动组件力矩输出的第一控制指令。在一实施例中，第一传感器可以采用IMU(Inertial Measurement Unit，惯性测量单元)，用于采集腿部外骨骼组件在三维空间中的运动数据，例如角速度、加速度等。

进一步地，在一实施例中，外骨骼组件还包括脚部外骨骼组件，脚部外骨骼组件包括左脚构件、右脚构件中的至少一个；传感器组件包括第二传感器，第二传感器对应设置在脚部外骨骼组件的各构件上，运动数据包括第二传感器采集的脚部外骨骼组件的运动数据；驱动组件还包括脚部骨骼驱动组件，脚部骨骼驱动组件与脚部外骨骼组件的各构件对应设置，用于分别驱动腿部外骨骼组件对应的各构件运动；控制指令包括用于控制脚部骨骼驱动组件力矩输出的第二控制指令。

在一实施例中，第二传感器可以采用压力传感器，主要分布在脚掌与地面的着力点，如脚跟与脚前掌，通过分析压力传感器检测到的压力值即可确定使用者抬脚、落脚、站立等行动姿态和行为特征。当然，第二传感器也可以采用IMU或其他类型的传感器，总之，能实现采集脚部外骨骼组件的运动数据的传感器应当也都适用于本发明的实施例。

在一实施例中，外骨骼组件还包括膝关节组件、髋关节组件、踝关节组件中的至少一个，传感器组件还包括用于采集各关节组件旋转角度的第三传感器，微处理器可以根据第一传感器、第二传感器及第三传感器分别采集的对应参数中的一个或多个，利用预设的步态识别算法确定步态参数，该步态参数能够表征使用该动力外骨骼的患者的腿部、脚部以及各个关节的行动姿态和行为特征，从而更加有助于动力外骨骼根据患者的步态参数进行自适应调节，使得动力外骨骼的运行姿态能够与患者的行动姿态和行为特征更加协调。

进一步地，上述动力外骨骼还包括显示单元，显示单元与控制器通信连接，显示单元用于显示检测单元提供的患者的步态参数和/或控制器提供的患者的当前步态参数对应的当前康复评价结果，以便患者及时了解自身康复训练的情况。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。