本發(fā)明涉及醫(yī)療，具體為基于人工智能的帕金森病的腦控步態(tài)訓(xùn)練方法和系統(tǒng)。

背景技術(shù)：

1、帕金森病是一種以靜止性震顫、肌強直、運動遲緩以及步態(tài)障礙為主要特征的中樞神經(jīng)系統(tǒng)變性疾病。帕金森病早中期，步態(tài)障礙主要表現(xiàn)在手臂擺動減少、步速及步幅下降，并無明顯特異性。隨著疾病進展，帕金森病晚期，出現(xiàn)慌張步態(tài)、凍結(jié)步態(tài)等較嚴重及具有特征性的步態(tài)障礙。大腦基底核與次級運動皮質(zhì)相互作用是運動控制的重要環(huán)節(jié)，帕金森患者步態(tài)障礙的一個主要原因是基底核內(nèi)部節(jié)律紊亂。目前，針對帕金森患者的步態(tài)訓(xùn)練，有研究側(cè)重于對異常步態(tài)，特別是晚期慌張步態(tài)、凍結(jié)步態(tài)的檢測，進而通過外界節(jié)律性提示、虛擬現(xiàn)實等手段，緩解異常步態(tài)、改善步行功能。但是現(xiàn)有的步態(tài)訓(xùn)練方法或者系統(tǒng)，其訓(xùn)練過程缺乏患者大腦的主動參與，使得步態(tài)訓(xùn)練的效果以及效果的持續(xù)性方面仍然存在一定的局限；因此，不滿足現(xiàn)有的需求，對此我們提出了基于人工智能的帕金森病的腦控步態(tài)訓(xùn)練方法和系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供基于人工智能的帕金森病的腦控步態(tài)訓(xùn)練方法和系統(tǒng)，通過腦電波檢測設(shè)備采集患者的腦電信號，通過腦機接口技術(shù)識別患者的運動意圖并轉(zhuǎn)換為控制指令，使得步態(tài)訓(xùn)練設(shè)備根據(jù)控制指令執(zhí)行相應(yīng)的動作，從而幫助患者進行步態(tài)訓(xùn)練，而利用傳感器收集患者的步態(tài)數(shù)據(jù)，可以對患者的步態(tài)進行評估，并且不斷積累患者的腦電信號、步態(tài)數(shù)據(jù)以及訓(xùn)練效果評估數(shù)據(jù)，可以根據(jù)患者的步態(tài)特點提供訓(xùn)練方案，解決了上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于人工智能的帕金森病的腦控步態(tài)訓(xùn)練方法，包括以下步驟：

3、通過腦電波檢測設(shè)備采集患者的腦電信號，并對采集到的腦電信號進行預(yù)處理；

4、通過腦機接口技術(shù)對預(yù)處理后的腦電信號進行實時分析，以識別患者的運動意圖，并將識別出的運動意圖轉(zhuǎn)換為控制指令；

5、將控制指令通過無線或者有線方式傳輸給步態(tài)訓(xùn)練設(shè)備，步態(tài)訓(xùn)練設(shè)備根據(jù)接收到的控制指令執(zhí)行相應(yīng)的動作；

6、利用傳感器收集患者的步態(tài)數(shù)據(jù)，通過對患者的步態(tài)數(shù)據(jù)進行分析，包括步態(tài)周期分析、步態(tài)動力學(xué)分析以及步態(tài)生物力學(xué)分析，進而對患者的步態(tài)進行評估；

7、積累患者的腦電信號、步態(tài)數(shù)據(jù)以及訓(xùn)練效果評估數(shù)據(jù)，利用人工智能算法對積累的數(shù)據(jù)進行處理和分析，通過機器學(xué)習(xí)技術(shù)，識別出有效的步態(tài)模式，進而根據(jù)患者的步態(tài)數(shù)據(jù)提供訓(xùn)練方案，以幫助用戶改善步態(tài)?。

8、進一步地，通過腦機接口技術(shù)對預(yù)處理后的腦電信號進行實時分析，具體包括以下流程：

9、在采集到患者的腦電信號之后，對腦波信號進行預(yù)處理和特征提?。?/p>

10、將腦波信號進行預(yù)處理和特征提取后，通過計算機算法進行數(shù)據(jù)分析和標識；

11、通過分析和標識來識別患者的運動意圖，并將運動意圖轉(zhuǎn)換為可讀的指令信息，最終得到控制指令。

12、進一步地，通過腦機接口對預(yù)處理后的腦電信號進行實時分析，還包括在對腦波信號進行預(yù)處理之后，對預(yù)處理后的腦波信號的數(shù)據(jù)質(zhì)量進行異常監(jiān)控，包括：

13、提取預(yù)處理后的每個腦波信號對應(yīng)的信噪比和偽影；

14、根據(jù)所述預(yù)處理后的每個腦波信號對應(yīng)的信噪比和偽影獲取數(shù)據(jù)質(zhì)量評價系數(shù)；其中，所述數(shù)據(jù)質(zhì)量評價系數(shù)通過如下公式獲?。浩渲?，p表示信號數(shù)據(jù)評價系數(shù)；snr表示每個腦波信號對應(yīng)的信噪比；psd（f）表示功率譜密度（power?spectral?density）函數(shù)，用于描述信號在各個頻率成分上的功率分布；r表示調(diào)節(jié)因子，并且，調(diào)節(jié)因子取值范圍為0.37-1.32；nf表示奈奎斯特頻率；w表示偽影影響系數(shù)，并且，所述偽影影響系數(shù)通過如下公式獲?。浩渲校瑆表示偽影影響系數(shù)；a和b表示預(yù)設(shè)的權(quán)重系數(shù)；pt表示腦波信號對應(yīng)的頻率處于預(yù)設(shè)頻率參考范圍之外的信號時間占比；a0表示預(yù)設(shè)的偽影所占面積閾值；a表示偽影所占面積數(shù)值；fc表示腦波信號中的非生理信號的占比；

15、將所述數(shù)據(jù)質(zhì)量評價系數(shù)與預(yù)設(shè)的評價系數(shù)閾值進行比較；

16、當(dāng)所述數(shù)據(jù)質(zhì)量評價系數(shù)不低于預(yù)設(shè)的評價系數(shù)閾值時，則判定預(yù)處理后的腦波信號的數(shù)據(jù)質(zhì)量符合數(shù)據(jù)質(zhì)量要求；

17、當(dāng)所述數(shù)據(jù)質(zhì)量評價系數(shù)低于預(yù)設(shè)的評價系數(shù)閾值時，則判定預(yù)處理后的腦波信號的數(shù)據(jù)質(zhì)量不符合數(shù)據(jù)質(zhì)量要求；

18、當(dāng)所述預(yù)處理后的腦波信號的數(shù)據(jù)質(zhì)量不符合數(shù)據(jù)質(zhì)量要求時，對每個電極通道進行信號質(zhì)量測評，并提取測評質(zhì)量不符合預(yù)設(shè)要求的電極通道。

19、進一步地，當(dāng)所述預(yù)處理后的腦波信號的數(shù)據(jù)質(zhì)量不符合數(shù)據(jù)質(zhì)量要求時，對每個電極通道進行信號質(zhì)量測評，并提取測評質(zhì)量不符合預(yù)設(shè)要求的電極通道，包括：

20、依次提取每個電極通道的信號幅度參數(shù)；

21、提取所述每個電極通道的信號幅度參數(shù)中的信號最高值和信號最低值；

22、根據(jù)所述信號最高值和信號最低值獲取每個電極通道的最大幅度差值；

23、將所述每個電極通道的最大幅度差值與預(yù)設(shè)的幅度差值閾值進行比較；

24、當(dāng)所述電極通道的最大幅度差值超過預(yù)設(shè)的幅度差值閾值時，則表明電極通道的最大幅度差值超過預(yù)設(shè)的幅度差值閾值對應(yīng)的電極通道不符合預(yù)設(shè)要求；

25、當(dāng)所述電極通道的最大幅度差值未超過預(yù)設(shè)的幅度差值閾值時，則調(diào)取電極通道的最大幅度差值未超過預(yù)設(shè)的幅度差值閾值對應(yīng)的電極通道的信號最高值和信號最低值之間的信號數(shù)據(jù)值獲取信號數(shù)據(jù)評價系數(shù)；其中，所述信號數(shù)據(jù)評價系數(shù)通過如下公式獲?。浩渲校琿表示信號數(shù)據(jù)評價系數(shù)；fm表示最大幅度差值；fm0表示預(yù)設(shè)的幅度差值閾值；n表示信號最高值和信號最低值之間的信號數(shù)據(jù)值的個數(shù)；fi表示第i個信號對應(yīng)的幅度值；fz表示信號最高值和信號最低值之間的對應(yīng)的幅度中間值；fb表示信號最高值和信號最低值之間的幅度放差值；x表示調(diào)節(jié)系數(shù)，并且，所述調(diào)節(jié)系數(shù)的取值范圍為0.83-2.18；l表示腦波信號分析對應(yīng)的lyapunov指數(shù)；

26、將所述信號數(shù)據(jù)評價系數(shù)與預(yù)設(shè)的信號數(shù)據(jù)評價系數(shù)閾值進行比較；

27、當(dāng)所述信號數(shù)據(jù)評價系數(shù)低于預(yù)設(shè)的信號數(shù)據(jù)評價系數(shù)閾值時，則判定信號數(shù)據(jù)評價系數(shù)低于預(yù)設(shè)的信號數(shù)據(jù)評價系數(shù)閾值的電極通道不符合預(yù)設(shè)要求；

28、對不符合預(yù)設(shè)要求的電極通道進行標記和預(yù)警。

29、進一步地，通過機器學(xué)習(xí)技術(shù)識別出有效的步態(tài)模式，具體包括以下流程：

30、積累以往患者的腦電信號、步態(tài)數(shù)據(jù)以及訓(xùn)練效果評估數(shù)據(jù)；

31、根據(jù)積累的數(shù)據(jù)選擇機器學(xué)習(xí)模型，例如，卷積神經(jīng)網(wǎng)絡(luò)或者循環(huán)神經(jīng)網(wǎng)絡(luò)；

32、使用選定的模型并通過積累的數(shù)據(jù)進行訓(xùn)練，以調(diào)整模型參數(shù)；

33、將訓(xùn)練好的模型部署到實際應(yīng)用中，通過模型識別出有效的步態(tài)模式，進而根據(jù)患者的步態(tài)數(shù)據(jù)提供訓(xùn)練方案；

34、隨著數(shù)據(jù)的變化與更新，持續(xù)監(jiān)控模型的性能，并根據(jù)數(shù)據(jù)的變化與更新，不斷對模型進行更新和改進。

35、基于人工智能的帕金森病的腦控步態(tài)訓(xùn)練系統(tǒng)，用于實施基于人工智能的帕金森病的腦控步態(tài)訓(xùn)練方法，包括：

36、腦電信號采集單元，包括腦電波檢測設(shè)備，用于：

37、通過腦電波檢測設(shè)備采集患者的腦電信號，并對采集到的腦電信號進行預(yù)處理和特征提取，再通過計算機算法識別患者的運動意圖，并將運動意圖轉(zhuǎn)換為控制指令，而轉(zhuǎn)換得到的控制指令采用無線或者有線方式傳輸給步態(tài)訓(xùn)練控制單元；

38、步態(tài)訓(xùn)練控制單元，包括步態(tài)訓(xùn)練設(shè)備，用于：

39、接收腦電信號采集單元傳輸?shù)目刂浦噶?，通過控制指令控制步態(tài)訓(xùn)練設(shè)備，以幫助患者進行步態(tài)訓(xùn)練；

40、訓(xùn)練效果評估單元，用于：

41、利用傳感器收集患者的步態(tài)數(shù)據(jù)并進行分析，以分析出患者步行的節(jié)奏、步幅與穩(wěn)定性參數(shù)，進而對患者的步態(tài)進行評估；

42、優(yōu)化改進單元，用于：

43、積累患者的腦電信號、步態(tài)數(shù)據(jù)以及訓(xùn)練效果評估數(shù)據(jù)，利用人工智能算法對積累的數(shù)據(jù)進行處理和分析，通過機器學(xué)習(xí)技術(shù)識別出有效的步態(tài)模式，進而根據(jù)患者的步態(tài)數(shù)據(jù)提供訓(xùn)練方案。

44、進一步地，所述腦電信號采集單元，包括：

45、信號采集模塊，用于：

46、通過腦電波檢測設(shè)備獲取患者的神經(jīng)信息，進而采集到腦電信號；

47、信號處理模塊，用于：

48、對采集到的腦電信號進行濾波和去噪預(yù)處理操作，并對預(yù)處理后的腦電信號進行特征提??；

49、信號分析模塊，用于：

50、通過計算機算法對腦電信號進行數(shù)據(jù)分析和標識，以識別患者的運動意圖，并識別到的運動意圖轉(zhuǎn)換為控制指令，再采用無線或者有線方式將控制指令傳輸傳輸至步態(tài)訓(xùn)練控制單元。

51、進一步地，所述信號處理模塊，具體為：

52、濾波：用于去除噪聲，以提高腦電信號的質(zhì)量和可分析性；

53、去噪：用于消除與腦電活動無關(guān)的干擾噪聲；

54、特征提?。河糜趶哪X電信號中提取特征，腦電信號中的特征分為時域特征、頻域特征和時頻域特征。

55、進一步地，所述訓(xùn)練效果評估單元，包括：

56、數(shù)據(jù)收集模塊，用于：

57、在患者進行步態(tài)訓(xùn)練時，通過傳感器收集患者的步態(tài)數(shù)據(jù)，其中，步態(tài)數(shù)據(jù)包括步長、步速和關(guān)節(jié)角度；

58、數(shù)據(jù)分析模塊，用于：

59、對步態(tài)數(shù)據(jù)進行分析，包括步態(tài)周期分析、步態(tài)動力學(xué)分析以及步態(tài)生物力學(xué)分析，以分析出患者步行的節(jié)奏、步幅、穩(wěn)定性；

60、效果評估模塊，用于：

61、依據(jù)數(shù)據(jù)分析模塊的分析結(jié)果，對患者的步態(tài)進行評估，以評估患者步態(tài)的對稱性、穩(wěn)定與協(xié)調(diào)性。

62、進一步地，所述優(yōu)化改進單元，包括：

63、數(shù)據(jù)積累模塊，用于：

64、對患者以往的腦電信號、步態(tài)數(shù)據(jù)以及訓(xùn)練效果評估數(shù)據(jù)進行積累；

65、訓(xùn)練方案模塊，用于：

66、根據(jù)積累的數(shù)據(jù)選擇機器學(xué)習(xí)模型，并使用選定的模型并通過積累的數(shù)據(jù)進行訓(xùn)練，而通過訓(xùn)練好的模型識別出有效的步態(tài)模式，進而根據(jù)患者的步態(tài)數(shù)據(jù)提供訓(xùn)練方案；

67、持續(xù)改進模塊，用于：

68、隨著數(shù)據(jù)的變化與更新，持續(xù)監(jiān)控模型的性能，并隨著數(shù)據(jù)的變化不斷執(zhí)行數(shù)據(jù)積累模塊與訓(xùn)練方案模塊的操作，進而根據(jù)數(shù)據(jù)的變化不斷對模型進行更新和改進。

69、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

70、本發(fā)明通過腦電波檢測設(shè)備采集患者的腦電信號，基于已采集的腦電信號，通過腦機接口技術(shù)識別患者的運動意圖并轉(zhuǎn)換為控制指令，使得步態(tài)訓(xùn)練設(shè)備根據(jù)控制指令執(zhí)行相應(yīng)的動作，從而幫助患者進行步態(tài)訓(xùn)練，而利用傳感器收集患者的步態(tài)數(shù)據(jù)，并對步態(tài)數(shù)據(jù)進行分析，從而可以對患者的步態(tài)進行評估，通過對患者的步態(tài)評估，可以了解患者步態(tài)訓(xùn)練的效果，并可以依據(jù)評估結(jié)果為患者提供訓(xùn)練方案，同時，不斷積累患者的腦電信號、步態(tài)數(shù)據(jù)以及訓(xùn)練效果評估數(shù)據(jù)，并利用人工智能算法對積累的數(shù)據(jù)進行處理和分析，從而可以通過機器學(xué)習(xí)技術(shù)識別出有效的步態(tài)模式，進而根據(jù)患者的步態(tài)數(shù)據(jù)向患者提供訓(xùn)練方案，進一步幫助用戶改善步態(tài)，并且，隨著數(shù)據(jù)的變化與更新，持續(xù)監(jiān)控模型的性能，因數(shù)據(jù)的變化需不斷執(zhí)行數(shù)據(jù)積累與分析操作，進而根據(jù)數(shù)據(jù)的變化不斷對模型進行更新和改進，從而能夠不斷優(yōu)化訓(xùn)練方案，以適應(yīng)不同階段的患者需求和能力。