基于Fugl-meyer特征評估模型的下肢智能康復系統

鄭州大學

王一帆，孫嘉星，韓舒航，閆曉亭

1 作品介紹

本系統是基于ZigBee人體局域網與Fugl-meyer特征評估模型的下肢智能康復系統，可實現對下肢運動障礙患者的科學性指導和輔助治療。本系統主要分為康復評估和康復訓練兩大部分。

1.1 康復評估部分

康復評估部分由患者穿戴的下肢運動康復評估設備和云平臺的特征評估模型組成。

康復評估設備的6個九軸姿態傳感器分別分布在左右腿的腳踝、小腿、大腿處，MPU9250九軸傳感器如圖1所示。通過采集各部分的運動數據表征下肢運動障礙康復情況，同時各傳感器節點實現ZigBee人體局域網組網，將終端采集的數據通過WiFi以MQTT協議上傳至康復評估平臺。載有ZigBee模塊的姿態檢測節點如圖2所示。示意圖如圖3所示。

圖1 MPU9250九軸傳感器

圖2 載有ZigBee模塊的姿態檢測節點（自主研發）

圖3 人體動態三維可視化展示示意圖

云平臺對傳感器采集的姿態數據進行智能化分析，通過算法比較患者與正常人各項指標的差異，使用Fugl-meyer特征評估模型進行康復評估，匹配符合患者康復程度的康復訓練動作集。同時，客戶端接收服務器發送的數據，并對數據進行虛擬人體模型的可視化展示。人體動態三維可視化展示

1.2 康復訓練部分

康復訓練部分由下肢康復外骨骼機器人組成，該設備使用基于矢量控制方法的外骨骼無刷電機伺服控制方案，實時性好，精確度高，執行云平臺發送的下肢康復動作集，帶動患者的下肢進行相應的運動。

2 技術原理

該下肢智能康復系統主要由MPU9250九軸傳感器、Fugl-meyer特征評估模型、基于ZigBee的人體局域網、云平臺數據及三維人體模型可視化展示技術實現。

MPU9250九軸傳感器對傳感器采集的原始數據進行九軸融合姿態解算，再經由 ZigBee網絡將數據傳輸至網絡協調器，然后基于MQTT協議發送至云平臺。該項目的技術核心為Fugl-meyer特征評估模型，該模型將Fugl-meyer方法和神經網絡相結合，利用FP-Growth算法對患者數據集進行挖掘，從而反饋匹配的治療方案。下肢康復平臺對數據進行處理和挖掘的同時建立由患者驅動的三維人體動態模型。項目總體流程示意圖如圖4所示。

圖4 項目總體流程示意圖

3 創新點

下肢運動康復評估系統包含多個傳感器，采集數據量大，傳輸速率高，需結合 ZigBee無線通信技術，以實時匹配精準的康復治療方案。同時采用了虛擬現實技術，創建虛擬人體三維模型，將采集的數據進行可視化展示，從而更加直觀地判斷患者的康復情況。載有下肢智能康復評估設備的下肢行走機器人如圖5所示。

圖5 載有下肢智能康復評估設備的下肢行走機器人

4 應用前景及市場

應用前景：患有腦卒中下肢障礙疾病的患者，病情多樣，有時無法及時獲得準確、科學的治療方案，且目前治療資源分布不均衡，現有康復醫療設備價格昂貴，而本產品具有便捷、場地靈活、匹配方案精準等優勢，所以本系統的應用前景較為廣闊。

市場：通過對技術的進一步技術完善，可實現人體組網，提出更多疾病的治療方案。