脑卒中患者上肢复杂时变状态及行为的分析理论与方法研究

Now,the naural human model is used as the basal data in programming trajectory and controlling movement in rehabilitation robot. Thus, there is notablely difference between the computed result and real movement of the limb with stroke.So the difference maybe leads to the misapplication syndrome or invalid rehabilitation.Here, the method of analysizing and describing the state and movement of the limb with stroke is studied. And the state and movement fo the limb with stroke are changed with time during rehabilitation..In this item, first,the rehabilitation is looked as colligated exercise of the unit on tendon-pulley with n degresses.And the unit is assembled by flexible muscle and rigid skelecton. By the technique extracting object from CT image, the geometric data of the unit is obtained. The study on the principle of transmitting muscle-tendon force is transferred into the study on how the unit moves on tendon-pulley. Thus, the parameter model is designed to describe the ability of muscle actuation.Then, the dynamic model of the unit is constructed..Bying the algorithm of dealing with the information and data-mining technique ,the study on the principle of describing actuation on muscle acted by running is transferred into constructing mapping model form the eigenvalue of EMG to the parameter of movement. And the the actuation model is acted on muscle by running. .Based on the aboved models, one algorithm of controlling movement on the logical-notwork and a commixed- ratiocinative model are presented. Under the constraint of the function of physiological data mining, one complex model descrbing the state and movement of the limb is construced, and parameters in the model change with the time. The result is computed and displayed in OpenSim. The research in this item proves the basis theoretics for rehabilitive robot and other related studying region.And the studying method can be used in rehabilitive robot and other related study region.The fruit is also used to predict the rehabilitation effect and promotes the development of rehabilition robot.

目前康复机器人轨迹规划及运动控制均以健康人体模型为基础，与患肢实际运动存在较大差异，容易导致"误用综合症"或无效康复。因此，项目对康复运动中患肢复杂时变状态及行为的分析和描述方法进行了研究。.项目将患肢康复运动考虑为柔性肌肉和刚性骨骼组合体在肌腱-滑轮上的多自由度综合运动，利用图像提取技术，获取几何数据，将肌腱力传递机制研究转化为肌腱-滑轮运动研究，并定义描述肌肉驱动能力的参数模型，创建动力学模型；利用信息处理和数据挖掘技术，将运动对肌肉的激励机制问题转化为肌电特征值与运动参数的映射规律模型创建问题，进而建立肌肉的运动激励模型；在上述模型基础上，提出基于逻辑网络的运动控制及混合推理模型，在生理消耗函数约束下，创建患肢状态及行为的复杂时变描述模型，在仿真平台上计算并提供视觉感知。本项目研究为康复机器人及相关领域提供基本理论和研究方法；成果可用于康复效果预测，为康复机器人开发起重要的推动作用。

申请人所在实验室主要是进行康复机器人的相关研究，本项目通过观测患者的日常运动和康复运动的轨迹及特点，对康复机器人的运动状态和行为进行分析及描述。希望能创建运动、力、肌电信息之间的关系模型，并能在此模型的基础上，对骨骼和肌肉的康复运动效果进行预测和评估。因此涉及到康复患者的运动监测，康复患者的骨骼模型创建，肌电信息获取、数据分析及对应关系模型及预测模型创建等任务。在项目研究过程中，发现对于儿童患者而言，患者的骨骼和正常骨骼存在较大差异，因此进行了儿童患者的骨骼分析，创建患者的骨骼模型；结合在实验室发现的患者运动目标定位问题，提出了基于视觉的患者瞳孔追踪算法，开发完成了初步的视觉监测平台，进而用于康复患者的运动控制与检测；完成了部分康复运动相关试验，获取了患者的各种运动数据，包括相同运动目标下不同模式的运动数据，不同运动目标下不同运动模型的不同运动数据等等；并利用数据挖掘技术，例如回归分析、时间序列等数据挖掘技术对获取的时间轴上同步肌电信息及运动信息进行分析，分析之间的对应关系；借助anybody商业软件的运动可视化和逆向力分析等技术，获取了力学信息，并和实际获取的数据进行比较，对数据进行修正，并将数据返回数据分析软件，结合肌电信息、人体骨骼及肌肉模型，实现了初步的时间轴空间轴上运动、力、肌电信息的对应关系分析，初步创建了运动预测模型。进而将对模型进行验证，并分析在长时间康复运动后人体肌肉骨骼的力学变化，希望可以提出肌肉骨骼变形、运动之间的关系模型，最后得到肌肉骨骼的复杂时变模型，可以在后期对康复运动效果进行定量的精确的预测。本项目对康复机器人的运动规划进行了大量的相关工作，其中瞳孔追踪、骨骼建模技术可以融合入康复仿真平台，同时通过对康复运动实验数据进一步处理，则可以对康复效果进行分析，为康复机器人推广提供数据依据。