本申請(qǐng)涉及腦電數(shù)據(jù)處理，具體涉及一種基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成、裝置和訓(xùn)練設(shè)備。

背景技術(shù)：

1、近年隨著醫(yī)療康復(fù)設(shè)備的發(fā)展，醫(yī)療康復(fù)設(shè)備對(duì)各種疾病都有顯著的幫助，例如使用上下肢外骨骼幫助運(yùn)動(dòng)障礙患者進(jìn)行康復(fù)訓(xùn)練，相比手工的康復(fù)訓(xùn)練，使用助力外骨骼可以達(dá)到重復(fù)性強(qiáng)，精確度高，效率高以及無(wú)需太多人力的介入即可自行進(jìn)行康復(fù)訓(xùn)練等優(yōu)勢(shì)，此外還能主動(dòng)記錄康復(fù)數(shù)據(jù)，通過(guò)設(shè)定康復(fù)訓(xùn)練周期生成評(píng)估，節(jié)約了醫(yī)生的時(shí)間。

2、現(xiàn)如今使用助力外骨骼的肢體康復(fù)訓(xùn)練主要分為主動(dòng)模式和被動(dòng)模式。主動(dòng)康復(fù)訓(xùn)練根據(jù)患者現(xiàn)有康復(fù)狀態(tài)結(jié)合康復(fù)類型進(jìn)行可控范圍、路徑以及力度的訓(xùn)練。而被動(dòng)則是通過(guò)設(shè)備自行軌跡的控制帶動(dòng)患者運(yùn)動(dòng)，但是根據(jù)不同的康復(fù)類型、不同患者或者不同康復(fù)期進(jìn)行康復(fù)訓(xùn)練，則需要進(jìn)行不同的康復(fù)訓(xùn)練軌跡范圍的規(guī)劃。此外對(duì)于已規(guī)劃好的路徑在訓(xùn)練過(guò)程如果并非最適路徑，那么可能會(huì)對(duì)患者進(jìn)行二次傷害。

技術(shù)實(shí)現(xiàn)思路

1、申請(qǐng)的技術(shù)目的在于針對(duì)目前缺少根據(jù)不同康復(fù)訓(xùn)練情況，生成相應(yīng)康復(fù)訓(xùn)練軌跡的方法，提供一種基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法、裝置和訓(xùn)練設(shè)備。

2、為實(shí)現(xiàn)上述技術(shù)目的，本申請(qǐng)采用以下技術(shù)方案。

3、第一方面，本申請(qǐng)實(shí)施例提供一種基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，包括：

4、將患者進(jìn)行康復(fù)訓(xùn)練過(guò)程采集的腦電數(shù)據(jù)，分為多個(gè)與疼痛相關(guān)的預(yù)設(shè)頻段數(shù)據(jù)；

5、基于各所述預(yù)設(shè)頻段數(shù)據(jù)分別提取時(shí)頻圖像；

6、基于采集所述腦電數(shù)據(jù)的同時(shí)采集的患者面部視頻，提取面部圖像；

7、基于各所述時(shí)頻圖像和所述面部圖像進(jìn)行歸一化，獲得歸一化特征圖；

8、將所述歸一化特征圖輸入預(yù)先構(gòu)建的疼痛監(jiān)測(cè)模型，獲得疼痛狀態(tài)；

9、根據(jù)所述疼痛狀態(tài)生成康復(fù)訓(xùn)練軌跡。

10、在一些實(shí)施方式中，基于各所述預(yù)設(shè)頻段數(shù)據(jù)分別提取時(shí)頻圖像，包括：

11、對(duì)每個(gè)所述預(yù)設(shè)頻段數(shù)據(jù)，利用拉普拉斯空間濾波器濾除各腦電通道的公共分量，獲得空間濾波后的數(shù)據(jù)；

12、利用連續(xù)小波變換對(duì)所述空間濾波后的數(shù)據(jù)進(jìn)行時(shí)頻分析，獲得尺度圖；

13、對(duì)所述尺度圖進(jìn)行可視化，獲得所述預(yù)設(shè)頻段數(shù)據(jù)對(duì)應(yīng)的時(shí)頻圖像。

14、在一些實(shí)施方式中，所述拉普拉斯空間濾波器的表達(dá)式如下：

15、

16、

17、其中為空間濾波后的第i個(gè)腦電通道的值；vier為第i個(gè)腦電通道對(duì)應(yīng)電極與參考電極之間的電位差；si表示第i個(gè)腦電通道對(duì)應(yīng)電極的相鄰電極集合，dij表示第i個(gè)腦電通道和第j個(gè)腦電通道之間的距離，gij為中間參數(shù)。

18、在一些實(shí)施方式中，基于各所述時(shí)頻圖像和所述面部圖像進(jìn)行歸一化，獲得歸一化特征圖，包括：

19、將各所述時(shí)頻圖像和所述面部圖像調(diào)整為相同像素尺寸，并分別進(jìn)行中心剪裁，獲得相同張量格式圖像；

20、基于所有相同張量格式圖像進(jìn)行歸一化，獲得所述歸一化特征圖。

21、在一些實(shí)施方式中，所述疼痛監(jiān)測(cè)模型被配置為利用殘差網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，利用卷積塊注意力模塊對(duì)輸入的特征圖進(jìn)行通道注意力加權(quán)和空間注意力加權(quán)，最后將通道注意力加權(quán)和空間注意力加權(quán)處理后的特征圖通過(guò)平均池化層和完全連接層，輸出分類結(jié)果以確定對(duì)應(yīng)的所述疼痛狀態(tài)。

22、在一些實(shí)施方式中，所述方法還包括利用疼痛腦電數(shù)據(jù)模型對(duì)所述疼痛監(jiān)測(cè)模型進(jìn)行訓(xùn)練，所述疼痛腦電數(shù)據(jù)模型包括患者疼痛狀態(tài)下的腦電數(shù)據(jù)和非疼痛狀態(tài)下的腦電數(shù)據(jù)。

23、在一些實(shí)施方式中，根據(jù)所述疼痛狀態(tài)生成康復(fù)訓(xùn)練軌跡，包括：

24、預(yù)先根據(jù)所述疼痛狀態(tài)劃分患者康復(fù)訓(xùn)練的臨界運(yùn)動(dòng)范圍；

25、基于所述臨界運(yùn)動(dòng)范圍進(jìn)行康復(fù)訓(xùn)練，同時(shí)根據(jù)疼痛監(jiān)測(cè)模型獲取的患者當(dāng)前疼痛狀態(tài)；根據(jù)當(dāng)前疼痛狀態(tài)對(duì)所述臨界運(yùn)動(dòng)范圍進(jìn)行調(diào)整，以生成所述康復(fù)訓(xùn)練軌跡。

26、第二方面，本申請(qǐng)實(shí)施例提供一種基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成裝置，包括：

27、腦電數(shù)據(jù)預(yù)處理模塊，被配置為將患者進(jìn)行康復(fù)訓(xùn)練過(guò)程采集的腦電數(shù)據(jù)，分為多個(gè)與疼痛相關(guān)的預(yù)設(shè)頻段數(shù)據(jù)；

28、時(shí)頻數(shù)據(jù)分析模塊，被配置為基于各所述預(yù)設(shè)頻段數(shù)據(jù)分別提取時(shí)頻圖像；

29、面部圖像處理模塊，被配置為基于采集所述腦電數(shù)據(jù)的同時(shí)采集的患者面部視頻，提取面部圖像；

30、圖像歸一化模塊，被配置為基于各所述時(shí)頻圖像和所述面部圖像進(jìn)行歸一化，獲得歸一化特征圖；

31、疼痛狀態(tài)識(shí)別模塊，被配置為預(yù)先構(gòu)建疼痛監(jiān)測(cè)模型，將所述歸一化特征圖輸入所述疼痛監(jiān)測(cè)模型，獲得疼痛狀態(tài)；

32、訓(xùn)練軌跡生成模塊，被配置為根據(jù)所述疼痛狀態(tài)生成康復(fù)訓(xùn)練軌跡。

33、在一些實(shí)施方式中，所述疼痛監(jiān)測(cè)模型包括：

34、主干網(wǎng)絡(luò)，所述主干網(wǎng)絡(luò)采用殘差網(wǎng)絡(luò)；

35、卷積塊注意力模塊，所述卷積塊注意力模塊包括通道注意力模塊和空間注意力模塊，所述卷積塊注意力模塊被配置為利用所述通道注意力模塊和所述空間注意力模塊對(duì)輸入的特征圖進(jìn)行通道注意力加權(quán)和空間注意力加權(quán)；

36、分類單元，被配置為將通道注意力加權(quán)和空間注意力加權(quán)處理后的特征圖通過(guò)平均池化層和完全連接層，輸出分類結(jié)果。

37、第三方面，本申請(qǐng)實(shí)施例提供一種康復(fù)訓(xùn)練設(shè)備，包括如第二方面任意可能的實(shí)施方式所提供的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成裝置。

38、與現(xiàn)有技術(shù)相比，本申請(qǐng)所提供的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法具有以下有益技術(shù)效果：通過(guò)分析患者在康復(fù)訓(xùn)練過(guò)程中的腦電數(shù)據(jù)和面部視頻，可以更加精確地評(píng)估患者的疼痛感知和反應(yīng)，進(jìn)而生成基于疼痛狀態(tài)的康復(fù)訓(xùn)練軌跡，可以確保訓(xùn)練過(guò)程中患者的疼痛水平保持在可接受的范圍內(nèi)，有助于制定更加個(gè)性化的康復(fù)訓(xùn)練計(jì)劃，以最大限度地提高訓(xùn)練效果并減少不必要的疼痛；并在可實(shí)時(shí)監(jiān)測(cè)患者的疼痛狀態(tài)，及時(shí)調(diào)整康復(fù)運(yùn)動(dòng)軌跡，避免了對(duì)患者的二次傷害。

39、相應(yīng)地，本發(fā)明實(shí)施例還提供了與上述基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法相對(duì)應(yīng)的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成裝置和訓(xùn)練設(shè)備，具有上述技術(shù)效果，在此不再贅述。

技術(shù)特征：

1.一種基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，基于各所述預(yù)設(shè)頻段數(shù)據(jù)分別提取時(shí)頻圖像，包括：

3.根據(jù)權(quán)利要求2所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，所述拉普拉斯空間濾波器的表達(dá)式如下：

4.根據(jù)權(quán)利要求1所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，基于各所述時(shí)頻圖像和所述面部圖像進(jìn)行歸一化，獲得歸一化特征圖，包括：

5.根據(jù)權(quán)利要求1所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，所述疼痛監(jiān)測(cè)模型被配置為利用殘差網(wǎng)絡(luò)作為主干網(wǎng)絡(luò)，利用卷積塊注意力模塊對(duì)輸入的特征圖進(jìn)行通道注意力加權(quán)和空間注意力加權(quán)，最后將通道注意力加權(quán)和空間注意力加權(quán)處理后的特征圖通過(guò)平均池化層和完全連接層，輸出分類結(jié)果以確定對(duì)應(yīng)的所述疼痛狀態(tài)。

6.根據(jù)權(quán)利要求1所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，所述方法還包括利用疼痛腦電數(shù)據(jù)模型對(duì)所述疼痛監(jiān)測(cè)模型進(jìn)行訓(xùn)練，所述疼痛腦電數(shù)據(jù)模型包括患者疼痛狀態(tài)下的腦電數(shù)據(jù)和非疼痛狀態(tài)下的腦電數(shù)據(jù)。

7.根據(jù)權(quán)利要求1所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法，其特征在于，根據(jù)所述疼痛狀態(tài)生成康復(fù)訓(xùn)練軌跡，包括：

8.基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡自適應(yīng)裝置，其特征在于，包括：

9.根據(jù)權(quán)利要求8所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成裝置，其特征在于，所述疼痛監(jiān)測(cè)模型包括：

10.一種康復(fù)訓(xùn)練設(shè)備，其特征在于，包括如權(quán)利要求8或9所述的基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成裝置。

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了基于疼痛監(jiān)測(cè)的康復(fù)訓(xùn)練軌跡生成方法、裝置和訓(xùn)練設(shè)備，方法包括將患者進(jìn)行康復(fù)訓(xùn)練過(guò)程中采集的腦電數(shù)據(jù)，分為多個(gè)與疼痛相關(guān)的預(yù)設(shè)頻段數(shù)據(jù)；基于各預(yù)設(shè)頻段數(shù)據(jù)分別提取時(shí)頻圖像；基于采集腦電數(shù)據(jù)的同時(shí)采集的患者面部視頻，提取面部圖像；基于各時(shí)頻圖像和面部圖像進(jìn)行歸一化，獲得歸一化特征圖；將歸一化特征圖輸入預(yù)先構(gòu)建的疼痛監(jiān)測(cè)模型，獲得疼痛狀態(tài)；根據(jù)疼痛狀態(tài)生成康復(fù)訓(xùn)練軌跡。本申請(qǐng)通過(guò)分析患者在康復(fù)訓(xùn)練過(guò)程中的腦電數(shù)據(jù)和面部視頻，可更加精確地評(píng)估患者的疼痛感知和反應(yīng)，進(jìn)而生成基于疼痛狀態(tài)的康復(fù)訓(xùn)練軌跡，可以確保訓(xùn)練過(guò)程中患者的疼痛水平保持在可接受的范圍內(nèi)，有助于制定更加個(gè)性化的康復(fù)訓(xùn)練計(jì)劃。

技術(shù)研發(fā)人員：魏家豪,李迎新,王薇
受保護(hù)的技術(shù)使用者：上海術(shù)理智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/24