面向脑卒中的居家康复数字化监测与评价系统
发布时间：2021-08-10 20:37
人口老龄化速度的加快,使因脑卒中等疾病造成的肢体运动障碍的患者增多。居家康复是脑卒中病人进行康复治疗的重要环节,能够有效的降低脑卒中病人的残疾率。随着无线体域网技术以及惯性动作捕捉技术的发展,越来越多的无线动作捕捉系统被用来监测病人的自主上肢训练过程、评价居家康复的训练效果。本文设计了一种面向脑卒中的居家康复数字化监测与评价系统,用以监测上肢康复训练过程,规范居家康复方法,提高恢复效果。主要的研究内容如下:首先,阐述脑卒中的发病原因和危害、居家康复的特点和需求以及监测与评价系统的技术背景;同时结合国内外发展现状,确定本课题研究的可行性。其次,分析设计需求,设计基于惯性传感器和ZigBee芯片的无线传感器网络以及基于Matlab的上肢动作监测评价上位机,并结合姿态解算算法搭建起系统平台。再次,以5自由度的仿真机械臂模型建立人体上肢姿态模型,应用相应的解算算法,实现多节点的数据融合、姿态还原,模拟上臂和前臂的运动轨迹、计算关节角度及位置,给动作完成度评价提供数据支持。最后,以设计的实验系统为平台,进行系统的可靠性验证,并设计实验方案进行康复训练的监测与评价实验,进行训练效果验证。
【文章来源】：南京邮电大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
节点坐标系统示意图
邮电大学硕士研究生学位论文 第一章 绪远高于其他测量角度产生的误差。原因是手腕和上臂处在不同的身体节段，当上臂在向上倾斜时，手腕有很大可能已经超越了垂直线。图 1.1 展示了左右手臂和手腕上计（红色）和磁力计（绿色）的坐标系统。图 1.2 展示了真实的人体受试者的八种运角度范围（a）屈伸，（b）内收/外展，（c）水平内收/外展，（d）内外旋转。图 1.1 节点坐标系统示意图
邮电大学硕士研究生学位论文 第一章 绪其核心分类算法采用支持向量机算法，支持向量机分类广泛应用于二元数据分类和，为了确定最大类别边缘间隔（超平面），必须最小化分类错误。由于各种康复活动数入到系统中，支持向量机处理遵循一对一的方法，即将结果分成 N 个类别，该研究包练习方式。在训练阶段，所收集的训练数据用于构建支持超平面。根据所识别的特征近一个类别时，数据点被标记为 1；否则，如果它们接近其他类别，则标记为-1。通过持超平面测试一段输入数据，然后将其分配给最合适的类别。图 1.3 展示了几种康复可以被检测的运动行为。
【参考文献】：
期刊论文
[1]可穿戴运动捕捉系统[J]. 陈晓,宋晓梅,张意华. 国外电子测量技术. 2017(10)
[2]基于MATLAB Robotic Toolbox的关节型机器人运动仿真研究[J]. 陆佳皓,平雪良,李朝阳. 机床与液压. 2017(17)
[3]脑卒中患者早期康复的疗效观察[J]. 莫林宏,聂忆秋,刘翠,刘爱贤. 中国妇幼健康研究. 2017(S2)
[4]用于机器人示教的人体手臂运动捕捉方法研究[J]. 朱桁序,姜文刚,林永才. 电子测量技术. 2016(07)
[5]医院-社区-家庭整体护理在脑卒中康复中的应用[J]. 袁修银,任俊翠,刘畅,张秀军,李娟. 中华全科医学. 2016(03)
[6]基于MEMS的帕金森病震颤实时评估系统[J]. 郄剑文,贾方秀,鲁鹏威. 电子技术应用. 2016(02)
[7]脑卒中患者居家康复护理研究进展[J]. 王昳丽,朱俞岚,倪英,吴毅. 护理学杂志. 2015(19)
[8]ZigBee网络性能测试系统研究[J]. 张冲,熊勇,房卫东,单连海,林奋波,陈长勇. 国外电子测量技术. 2015(08)
[9]发展中的中国康复医学[J]. 陈立典,励建安. 康复学报. 2015(01)
[10]一种基于平面约束的偏瘫恢复运动评价方法[J]. 张立国,赵金阁,金梅,于晓晶,郑龙江. 仪器仪表学报. 2015(02)
博士论文
[1]五自由度上肢康复训练机器人系统控制方法研究[D]. 康浩博.东北大学 2015
[2]五自由度上肢康复机器人训练系统的研究[D]. 李醒.东北大学 2012
[3]人体上肢运动学分析与类人肢体设计及运动规划[D]. 陈文斌.华中科技大学 2012
[4]人体上肢生物力学建模和典型运动的生物力学研究[D]. 张琳琳.上海交通大学 2009
[5]具有生理学特性的高精度人体肌肉疲劳建模及其在手臂屈伸运动中的应用研究[D]. 余慧杰.复旦大学 2008
硕士论文
[1]上海市老年医疗护理机构脑卒中护理质量评价指标体系构建[D]. 翁艳秋.第二军医大学 2017
[2]基于Kinect深度传感器的三维重建技术研究[D]. 郑传远.陕西师范大学 2016
[3]基于无线传输技术的惯性动作捕捉系统研究与设计[D]. 侯学辉.山东大学 2016
[4]基于直觉模糊集的上肢康复综合评价方法研究[D]. 吴思雨.东北大学 2014
[5]基于9轴传感器的姿态参考系统研究与实现[D]. 郑健.电子科技大学 2013
[6]康复训练机器人评价及实验研究[D]. 高祥波.重庆大学 2008
本文编号：3334740
【文章来源】：南京邮电大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
节点坐标系统示意图
邮电大学硕士研究生学位论文 第一章 绪远高于其他测量角度产生的误差。原因是手腕和上臂处在不同的身体节段，当上臂在向上倾斜时，手腕有很大可能已经超越了垂直线。图 1.1 展示了左右手臂和手腕上计（红色）和磁力计（绿色）的坐标系统。图 1.2 展示了真实的人体受试者的八种运角度范围（a）屈伸，（b）内收/外展，（c）水平内收/外展，（d）内外旋转。图 1.1 节点坐标系统示意图
邮电大学硕士研究生学位论文 第一章 绪其核心分类算法采用支持向量机算法，支持向量机分类广泛应用于二元数据分类和，为了确定最大类别边缘间隔（超平面），必须最小化分类错误。由于各种康复活动数入到系统中，支持向量机处理遵循一对一的方法，即将结果分成 N 个类别，该研究包练习方式。在训练阶段，所收集的训练数据用于构建支持超平面。根据所识别的特征近一个类别时，数据点被标记为 1；否则，如果它们接近其他类别，则标记为-1。通过持超平面测试一段输入数据，然后将其分配给最合适的类别。图 1.3 展示了几种康复可以被检测的运动行为。
【参考文献】：
期刊论文
[1]可穿戴运动捕捉系统[J]. 陈晓,宋晓梅,张意华. 国外电子测量技术. 2017(10)
[2]基于MATLAB Robotic Toolbox的关节型机器人运动仿真研究[J]. 陆佳皓,平雪良,李朝阳. 机床与液压. 2017(17)
[3]脑卒中患者早期康复的疗效观察[J]. 莫林宏,聂忆秋,刘翠,刘爱贤. 中国妇幼健康研究. 2017(S2)
[4]用于机器人示教的人体手臂运动捕捉方法研究[J]. 朱桁序,姜文刚,林永才. 电子测量技术. 2016(07)
[5]医院-社区-家庭整体护理在脑卒中康复中的应用[J]. 袁修银,任俊翠,刘畅,张秀军,李娟. 中华全科医学. 2016(03)
[6]基于MEMS的帕金森病震颤实时评估系统[J]. 郄剑文,贾方秀,鲁鹏威. 电子技术应用. 2016(02)
[7]脑卒中患者居家康复护理研究进展[J]. 王昳丽,朱俞岚,倪英,吴毅. 护理学杂志. 2015(19)
[8]ZigBee网络性能测试系统研究[J]. 张冲,熊勇,房卫东,单连海,林奋波,陈长勇. 国外电子测量技术. 2015(08)
[9]发展中的中国康复医学[J]. 陈立典,励建安. 康复学报. 2015(01)
[10]一种基于平面约束的偏瘫恢复运动评价方法[J]. 张立国,赵金阁,金梅,于晓晶,郑龙江. 仪器仪表学报. 2015(02)
博士论文
[1]五自由度上肢康复训练机器人系统控制方法研究[D]. 康浩博.东北大学 2015
[2]五自由度上肢康复机器人训练系统的研究[D]. 李醒.东北大学 2012
[3]人体上肢运动学分析与类人肢体设计及运动规划[D]. 陈文斌.华中科技大学 2012
[4]人体上肢生物力学建模和典型运动的生物力学研究[D]. 张琳琳.上海交通大学 2009
[5]具有生理学特性的高精度人体肌肉疲劳建模及其在手臂屈伸运动中的应用研究[D]. 余慧杰.复旦大学 2008
硕士论文
[1]上海市老年医疗护理机构脑卒中护理质量评价指标体系构建[D]. 翁艳秋.第二军医大学 2017
[2]基于Kinect深度传感器的三维重建技术研究[D]. 郑传远.陕西师范大学 2016
[3]基于无线传输技术的惯性动作捕捉系统研究与设计[D]. 侯学辉.山东大学 2016
[4]基于直觉模糊集的上肢康复综合评价方法研究[D]. 吴思雨.东北大学 2014
[5]基于9轴传感器的姿态参考系统研究与实现[D]. 郑健.电子科技大学 2013
[6]康复训练机器人评价及实验研究[D]. 高祥波.重庆大学 2008
本文编号：3334740
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3334740.html
