一种基于多源信息耦合反馈的电刺激康复训练系统

摘要

本发明公开了一种基于多源信息耦合反馈的电刺激康复训练系统，包括虚拟现实模块、信息采集模块、信息处理分析模块、任务评估模块、电刺激开关模块、反馈模块、电刺激控制模块和电刺激模块。本发明结合了神经信息检测手段及其响应机制，强化了各反馈环节的耦合效应，提升了脑‑肌‑肢体多源信息反馈与电刺激辅助康复训练的匹配效率，从而实现了最优运动康复反馈训练效果。

权利要求

1.一种基于多源信息耦合反馈的电刺激康复训练系统，包括虚拟现实模块、信息采集模块、信息处理分析模块、任务评估模块、电刺激开关模块、反馈模块、电刺激控制模块和电刺激模块，其特征在于：虚拟现实模块用于根据患者的临床评估结果提供患者的康复训练任务；信息采集模块用于采集患者的康复训练过程中的脑功能、电生理和运动图像信息；信息处理分析模块用于处理和分析从采集模块同步采集到的脑功能、电生理和运动图像信息；任务评估模块用于根据信息处理分析模块得到的信息对患者在虚拟现实任务下的任务完成情况进行评估，任务评估模块根据患者在康复训练过程中脑功能连接度、专注度和任务评分，建立患者任务完成度评估模型；电刺激开关模块用于根据患者的任务完成评估情况启动或关闭电刺激；反馈模块用于反馈电刺激过程中的脑功能与心电、肌电的耦合情况；

电刺激控制模块用于根据反馈模块反馈的耦合信息进行电刺激控制参数的调整；电刺激模块用于根据电刺激开关模块输出的启动或关闭指令启动或关闭，根据电刺激控制模块输出的具体参数指令进行参数调整；

任务评估模块按如下方式建立患者任务完成度评估模型：

对预处理后的患者在康复训练过程中的脑氧近红外光神经信号进行复小波变换、小波相位相干性计算，计算各通道光神经信号间的皮尔逊相关系数和显著性水平，若两个通道的光神经信号显著相关，则定义存在功能连接，从而计算健侧和患侧脑区的功能连接通道数量，并基于患侧功能连接指标计算规则，得出患侧脑功能连接指标Li：其中，CI为健侧脑区存在的功能连接数量，TI为健侧脑区总通道数量，CC为患侧脑区存在的功能连接的通道数量，TC为患侧脑区总通道数量，Lgh为两两通道之间的最短路径，用来表征信息传递的效率和速率，Lgh中的g、h表示不相同的两个脑区通道；

对预处理后的患者在康复训练过程中的心电信号，提取心率变异性指标，并对其进行时域和频域分析，建立基于心电的专注度指标Za：jw

其中，LF、HF分别为心率变异性指标的低频功率和高频功率，Pi(e )为心率变异性信号jw在某个采样周期内的平均功率谱，δ(e )为脉冲函数功率谱，SDNN是心率变异性的时域特征标准差，PNN是心率变异性信号RR间期大于50毫秒的数量占RR数量总数的百分比，α、β为权重系数，e为自然常数，w为心率变异性信号的中心频率，j为复数的虚部；

对预处理后的患者在康复训练过程中的运动图像信号和肌电信号，进行患者运动轨迹和虚拟现实实际任务的运动轨迹对比分析，建立虚拟现实环境下的任务评分指标Pc：其中，Q为运动轨迹完整性系数，Rc为系统给出的与虚拟现实任务轨迹的对比评分，Xi为预处理后肌电信号，N为肌电信号对应的时间窗长度，n为肌电信号的采样点数，θ、为深度摄像机图像信号中肩关节和肘关节的关节活动最大角度；

任务评估模块基于数据驱动的权重分析机制，从脑功能连接指标、专注度指标和任务评分指标三方面建立患者康复训练任务完成度指标F：F＝C1*Li+C2*Za+C3*Pc

其中，C1、C2、C3权重系数；

数据驱动的权重分析机制如下：

其中，Cj表示第j个特征的权重系数，pj表示第j个特征在所收集的关于患者康复训练任务完成度样本数据库中的波动程度，即第j个特征的标准差，设第j个特征的n个样本值为xj(1)、xj(2)...xj(n),wj表示偏差系数，可由下式获得：

其中，wj表示偏差系数，λ为门限值。

2.根据权利要求1所述的基于多源信息耦合反馈的电刺激康复训练系统，其特征在于：

信息采集模块包括：近红外脑功能设备，用于采集患者在康复训练过程中的脑氧近红外光神经信号；肌电信息采集仪，用于采集患者在康复训练过程中的肌电信号；心电采集仪，用于采集患者在康复训练过程中的心电信号；深度摄像机，用于采集患者在康复训练过程中的肢体运动图像信息。

3.根据权利要求1所述的基于多源信息耦合反馈的电刺激康复训练系统，其特征在于信息处理分析模块用于对信息采集模块采集到的信号进行预处理：信息处理分析模块用于对信息采集模块采集到的信号进行预处理，即：对脑氧近红外光神经信号进行滤波以去除长距离的基线漂移和干扰噪声；对肌电信号使用高斯滤波器处理以去除肌电信号的工频噪声；对心电信号使用带通滤波器处理以去除心电信号的伪迹；对肢体运动图像信息进行图像预处理。

说明书

一种基于多源信息耦合反馈的电刺激康复训练系统

技术领域

[0001] 本发明涉及肢体运动康复训练领域，尤其涉及一种基于多源信息耦合反馈的电刺激康复训练系统。

背景技术

[0002] 功能性电刺激属于神经肌肉电刺激类物理技术，是通过预先设计的低频序列脉冲电流以特定的波形、强度和重复频率，按照既定程序刺激特定肌群，诱发肌肉模拟正常自主运动或依据治疗方案完成特定动作，能够加速脑卒中患者神经可塑性转变进程，并逐渐恢复肢体运动功能。目前，功能性电刺激在临床康复中大多以被动训练为主，以固定的频率、时间等进行刺激，缺乏脑‑肌‑体等多源信息的反馈和实时调整，难以充分发挥功能电刺激的最大行为增益。而脑卒中后运动功能障碍是由脑部血管病变引起神经肌肉通路损伤及肌群协调功能异常导致，往往伴随有大脑不同脑区间的振荡、大脑与肢体肌肉间的信息传递、肢体肌肉间的协同作用、神经血管间的功能耦合等多层次的信息交互特性变化，其康复过程需大脑、肌肉、肢体、生理信息等多级单元共同参与及协调作用，不同运动下交互作用关系也体现一定的时变、双向、非线性耦合特征。尽管现在多模态运动神经反馈训练研究在一定程度上有效克服了上述局限性，但各反馈模式间的同步性与协同性方面仍有待加强。

[0003] 为此，本发明提出了一种基于多源信息耦合反馈的电刺激康复训练系统。结合了神经信息检测手段及其响应机制，强化了各反馈环节的耦合效应，提升了脑‑肌‑肢体多源信息反馈与电刺激辅助康复训练的匹配效率，从而实现了最优运动康复反馈训练效果。

发明内容

[0004] 为实现本发明之目的，采用以下技术方案予以实现：

[0005] 一种基于多源信息耦合反馈的电刺激康复训练系统，包括虚拟现实模块、信息采集模块、信息处理分析模块、任务评估模块、电刺激开关模块、反馈模块、电刺激控制模块和电刺激模块，其中：虚拟现实模块用于根据患者的临床评估结果提供患者的康复训练任务；信息采集模块用于采集患者的康复训练过程中的脑功能、电生理和运动图像信息；信息处理分析模块用于处理和分析从采集模块同步采集到的脑功能、电生理和运动图像信息；任务评估模块用于根据信息处理分析模块得到的信息对患者在虚拟现实任务下的任务完成情况进行评估；电刺激开关模块用于根据患者的任务完成评估情况启动或关闭电刺激；反馈模块用于反馈电刺激过程中的脑功能与心电、肌电的耦合情况；电刺激控制模块用于根据反馈模块反馈的耦合信息进行电刺激控制参数的调整；电刺激模块用于根据电刺激开关模块输出的启动或关闭指令启动或关闭，根据电刺激控制模块输出的具体参数指令进行参数调整。

[0006] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中：信息采集模块包括：近红外脑功能设备，用于采集患者在康复训练过程中的脑氧近红外光神经信号；肌电信息采集仪，用于采集患者在康复训练过程中的肌电信号；心电采集仪，用于采集患者在康复训练过程中的心电信号；深度摄像机，用于采集患者在康复训练过程中的肢体运动图像信息。

[0007] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中信息处理分析模块用于对信息采集模块采集到的信号进行预处理：信息处理分析模块用于对信息采集模块采集到的信号进行预处理，即：对脑氧近红外光神经信号进行滤波以去除长距离的基线漂移和干扰噪声；对肌电信号使用高斯滤波器处理以去除肌电信号的工频噪声；对心电信号使用带通滤波器处理以去除心电信号的伪迹；对肢体运动图像信息进行图像预处理。

[0008] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中：任务评估模块根据患者在康复训练过程中脑功能连接度、专注度和任务评分，建立患者任务完成度评估模型。

[0009] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中：任务评估模块按如下方式建立患者任务完成度评估模型：

[0010] 对预处理后的患者在康复训练过程中的脑氧近红外光神经信号进行复小波变换、小波相位相干性计算，计算各通道光神经信号间的皮尔逊相关系数和显著性水平，若两个通道的光神经信号显著相关，则定义存在功能连接，从而计算健侧和患侧脑区的功能连接通道数量，并基于患侧功能连接指标计算规则，得出患侧脑功能连接指标Li：

[0011]

[0012] 其中，CI为健侧脑区存在的功能连接数量，TI为健侧脑区总通道数量，CC为患侧脑区存在的功能连接的通道数量，TC为患侧脑区总通道数量，Ljk为两两通道之间的最短路径，用来表征信息传递的效率和速率，Ljk中的j、k表示不相同的两个脑区通道；

[0013] 对预处理后的患者在康复训练过程中的心电信号，提取心率变异性指标，并对其进行时域和频域分析，建立基于心电的专注度指标Za：

[0014]

[0015] 其中，LF、HF分别为心率变异性指标的低频功率和高频功率，Pi(ejw)为心率变异性jw信号在某个采样周期内的平均功率谱，δ(e )为脉冲函数功率谱，SDNN是心率变异性的时域特征标准差，PNN是心率变异性信号RR间期大于50毫秒的数量占RR数量总数的百分比，α、β为权重系数，e为自然常数，w为心率变异性信号的中心频率，j为复数的虚部；

[0016] 对预处理后的患者在康复训练过程中的运动图像信号和肌电信号，进行患者运动轨迹和虚拟现实实际任务的运动轨迹对比分析，建立虚拟现实环境下的任务评分指标Pc：

[0017]

[0018] 其中，Q为运动轨迹完整性系数，Rc为系统给出的与虚拟现实任务轨迹的对比评分，Xi为预处理后肌电信号，N为肌电信号对应的时间窗长度，n为肌电信号的采样点数，θ、为深度摄像机图像信号中肩关节和肘关节的关节活动最大角度。

[0019] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中：任务评估模块基于数据驱动的权重分析机制，从脑功能连接指标、专注度指标和任务评分指标三方面建立患者康复训练任务完成度指标F：

[0020] F＝C1*Li+C2*Za+C3*Pc

[0021] 其中，C1、C2、C3权重系数。

[0022] 数据驱动的权重分析机制如下：

[0023]

[0024] 其中，Cj表示第j个特征的权重系数，pj表示第j个特征在所收集的关于患者康复训练任务完成度样本数据库中的波动程度，即第j个特征的标准差，设第j个特征的n个样本值为xj(1)、xj(2)...xj(n),

[0025]

[0026] wj表示偏差系数，可由下式获得：

[0027]

[0028] 其中，wj表示偏差系数，λ为门限值。

[0029] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中反馈模块根据功率谱计算方法通过计算不同信号的相干性来表示不同信号的耦合强度：

[0030] 脑‑脑耦合强度：

[0031]

[0032] 其中，Cnn为不同通道的脑区耦合强度，m为电刺激后的患侧功能连接的通道数量，CPij(w)为不同通道的脑氧信号的功率谱，CPii(w)为通道i的脑氧信号的自功率谱，CPjj(w)为通道j的脑氧信号的自功率谱；

[0033] 心‑脑耦合强度：

[0034]

[0035] 其中，Cnx为不同通道的脑血氧信号与心率变异性的耦合强度，m为电刺激后的患侧功能连接的通道数量，CPix(w)为不同通道的脑氧信号和心率变异性时间序列的功率谱，CPii(w)为通道i的脑氧信号的自功率谱，CPxx(w)为心率变异性时间序列的自功率谱；

[0036] 脑‑肌耦合强度：

[0037]

[0038] 其中，Cnz为不同通道的脑血氧信号与肌电的耦合强度，m为电刺激后的患侧功能连接的通道数量，CPiz(w)为不同通道的脑氧信号和肌电信号时间序列的功率谱，CPii(w)为通道i的脑氧信号的自功率谱，CPzz(w)为肌电信号的自功率谱。

[0039] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中：当患者第一次使用电刺激摸模块时，电刺激控制模块预先设定电刺激模块的频率、脉宽、幅值，并判断脑‑脑耦合强度指标是否超出阈值M1，如果没有超出，则将电刺激模块的频率增加；如果超出正常阈值，则将电刺激模块的频率调低；再判断心‑脑耦合强度指标是否超出阈值M2，如果没有超出，则将电刺激模块的脉宽增加；如果超出正常阈值，则将电刺激模块的脉宽调低；则再判断脑‑肌耦合强度指标是否超出阈值M3，如果没有超出，则将电刺激模块的幅值增加；如果超出正常阈值，则将电刺激模块的幅值调低。

[0040] 所述的基于多源信息耦合反馈的电刺激康复训练系统，其中：电刺激控制模块不断的收集患者基本信息、脑‑脑耦合强度指标、心‑脑耦合强度指标以及脑‑肌耦合强度和对应的最优电刺激参数等数据指标建立电刺激参数调整数据库，并利用人工智能算法，智能地输出电刺激参数的具体数值，提高康复训练的效率；电刺激控制模块基于电刺激参数调整数据库，建立长短时记忆神经网络模型：

[0041] [W,M,F,T]＝GLSTM(B,P,Cnn,Cnx,Cnz)

[0042] 其中，W、M、F、T为电刺激模块输出的频率、脉宽、幅值和时间参数，GLSTM为训练好长短时记忆神经网络模型，B为患者的基本信息，P、Cnn、Cnx、Cnz为患者不同康复阶段的临床评估结果、脑‑脑耦合强度、心‑脑耦合强度、脑‑肌耦合强度指标的阈值。

附图说明

[0043] 图1为本发明基于多源信息耦合反馈的电刺激康复训练系统的构成示意图；

[0044] 图2为本发明基于多源信息耦合反馈的电刺激康复训练方法流程图；

[0045] 图3为本发明电刺激参数调整示意图。

具体实施方式

[0046] 下面结合附图1‑3，对本发明的具体实施方式进行详细说明。

[0047] 在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

[0048] 如图1所示，本发明的一种基于多源信息耦合反馈的电刺激康复训练系统，包括：虚拟现实模块、信息采集模块、信息处理分析模块，任务评估模块、电刺激开关模块、反馈模块、电刺激控制模块和电刺激模块。其中：

[0049] 虚拟现实模块用于根据患者的临床评估结果提供患者的康复训练任务；信息采集模块用于采集患者的康复训练过程中的脑功能、电生理和运动图像信息；信息处理分析模块用于处理和分析从采集模块同步采集到的脑功能、电生理和运动图像信息；任务评估模块用于根据信息处理分析模块得到的信息对患者在虚拟现实任务下的任务完成情况进行评估；电刺激开关模块用于根据患者的任务完成评估情况启动或关闭电刺激模块；反馈模块用于反馈电刺激过程中的脑功能与心电、肌电的耦合情况；电刺激控制模块用于根据反馈模块反馈的耦合信息输出电刺激控制参数指令；电刺激模块用于根据电刺激开关模块输出的启动或关闭指令启动或关闭，根据电刺激控制模块输出的具体参数指令进行参数调整。

[0050] 虚拟现实模块用于根据患者的临床量表(运动量表)评估结果提供患者的康复训练任务。优选地，康复训练任务的难易程度应根据患者的评估情况进行调整，不同阶段的康复训练任务患者至少能完成50％以上。

[0051] 信息采集模块包括：近红外脑功能设备，用于采集患者在康复训练过程中的脑氧近红外光神经信号；肌电信息采集仪，用于采集患者在康复训练过程中的肌电信号；心电采集仪，用于采集患者在康复训练过程中的心电信号；深度摄像机，用于采集患者在康复训练过程中的肢体运动图像信息。

[0052] 信息处理分析模块用于对信息采集模块采集到的信号进行预处理，即：对脑氧近红外光神经信号进行滤波以去除长距离的基线漂移和干扰噪声；信息处理分析模块用于对肌电信号使用高斯滤波器处理以去除肌电信号的工频噪声；信息处理分析模块对心电信号使用带通滤波器处理以去除心电信号的伪迹；信息处理分析模块对肢体运动图像信息进行中值滤波，以去除孤点噪声。

[0053] 任务评估模块根据患者在康复训练过程中脑功能连接度、专注度和任务评分，建立患者任务完成度评估模型。

[0054] 任务评估模块按如下方式建立患者任务完成度评估模型：

[0055] 步骤1.对预处理后的患者在康复训练过程中的脑氧近红外光神经信号进行复小波变换、小波相位相干性计算，计算各通道光神经信号间的皮尔逊相关系数和显著性水平，若两个通道的光神经信号显著相关，则定义存在功能连接。从而计算健侧和患侧脑区的功能连接通道数量，并基于患侧功能连接指标计算规则，得出患侧脑功能连接指标Li：

[0056]

[0057] 其中，CI为健侧脑区存在的功能连接数量，TI为健侧脑区总通道数量，CC为患侧脑区存在的功能连接的通道数量，TC为患侧脑区总通道数量，Ljk为两两通道之间的最短路径，用来表征信息传递的效率和速率，Ljk中的j、k表示不相同的两个脑区通道。Li值范围为0到1之间，其中0表示患测无脑功能网络连接，1代表患侧和健侧脑功能连接对称。

[0058] 步骤2.对预处理后的患者在康复训练过程中的心电信号，提取心率变异性指标，并对其进行时域和频域分析，建立基于心电的专注度指标Za：

[0059]

[0060] 其中，LF、HF分别为心率变异性指标的低频功率和高频功率，Pi(ejw)为心率变异性jw信号在某个采样周期内的平均功率谱，δ(e )为脉冲函数功率谱，SDNN是心率变异性的时域特征标准差，PNN是心率变异性信号RR间期大于50毫秒的数量占RR数量总数的百分比，α、β为权重系数，e指自然常数，w为心率变异性信号的中心频率，j为复数的虚部。Za值范围为0到1之间，其中(0‑0.5)表示注意力涣散，专注度不够，[0.5‑0.8)表示注意力集中，放松，专注度高，[0.8‑1]表示注意力高度集中，紧张，专注度极高。

[0061] 步骤3.对预处理后的患者在康复训练过程中的运动图像信号和肌电信号，进行患者运动轨迹和虚拟现实实际任务的运动轨迹对比分析，建立虚拟现实环境下的任务评分指标Pc：

[0062]

[0063] 其中，Q为运动轨迹完整性系数，Rc为系统给出的与虚拟现实任务轨迹的对比评分，Xi为预处理后肌电信号，N为肌电信号采样的时间窗长度，n为肌电信号的采样点数，θ、为深度摄像机图像信号中获取的肩关节和肘关节的关节活动最大角度。Pc值范围为0到1之间，Pc值越小，表明任务完成的评分越低；Pc值越大，表明任务完成的评分越高。

[0064] 步骤4.基于数据驱动的权重分析机制，从脑功能连接指标、专注度指标和任务评分指标三方面建立患者康复训练任务完成度指标F。

[0065] F＝C1*Li+C2*Za+C3*Pc

[0066] 其中，C1、C2、C3权重系数。

[0067] 数据驱动的权重分析机制如下：

[0068]

[0069] 其中，Cj表示第j个特征的权重系数，pj表示第j个特征在所收集的关于患者康复训练任务完成度样本数据库中的波动程度，即第j个特征的标准差，比如：第j个特征的n个样本值为xj(1)、xj(2)...xj(n),

[0070]

[0071] wj表示偏差系数，可由下式获得：

[0072]

[0073] 其中，wj表示偏差系数，λ为门限值。

[0074] 电刺激开关模块用于根据患者康复训练过程中任务完成度评估情况，判断是否需要启动电刺激模块。

[0075] 当患者的康复训练任务完成度指标F低于50％，则电刺激开关模块启动电刺激模块，电刺激模块按照预设的电刺激参数和刺激时间对患者进行电刺激治疗。例如：整个康复训练中第一次开启电刺激模块地时间为5分钟，后续会根据具体情况进行调整。

[0076] 反馈模块用于接收信息处理分析模块预处理后的信号计算患者电刺激康复训练过程中的脑‑脑耦合强度、心‑脑耦合强度、脑‑肌耦合强度指标，并输出至电刺激控制模块。

[0077] 患者的脑‑脑耦合强度指标，用于判断电刺激时对患侧脑区的功能连接情况；心‑脑耦合强度指标，用于判断电刺激时大脑对专注度的控制；脑‑肌耦合指标，用于判断电刺激时肌肉和大脑的协同调控。

[0078] 反馈模块根据功率谱计算方法通过计算不同信号的相干性来表示不同信号的耦合强度，具体如下：

[0079] 脑‑脑耦合强度：

[0080]

[0081] 其中，Cnn为不同通道的脑区耦合强度，m为电刺激后的患侧功能连接的通道数量，CPij(w)为不同通道的脑氧信号的功率谱，CPii(w)为通道i的脑氧信号的自功率谱，CPjj(w)为通道j的脑氧信号的自功率谱。

[0082] 心‑脑耦合强度：

[0083]

[0084] 其中，Cnx为不同通道的脑血氧信号与心率变异性的耦合强度，m为电刺激后的患侧功能连接的通道数量，CPix(w)为不同通道的脑氧信号和心率变异性时间序列的功率谱，CPii(w)为通道i的脑氧信号的自功率谱，CPxx(w)为心率变异性时间序列的自功率谱。

[0085] 脑‑肌耦合强度：

[0086]

[0087] 其中，Cnz为不同通道的脑血氧信号与肌电的耦合强度，m为电刺激后的患侧功能连接的通道数量，CPiz(w)为不同通道的脑氧信号和肌电信号时间序列的功率谱，CPii(w)为通道i的脑氧信号的自功率谱，CPzz(w)为肌电信号的自功率谱。

[0088] 电刺激控制模块用于根据反馈模块反馈的脑‑脑耦合强度、心‑脑耦合强度、脑‑肌耦合强度指标，输出对电刺激模块的频率、脉宽和幅度等关键参数控制指令。

[0089] 电刺激模块根据电刺激控制模块输出的电刺激的频率、脉宽和幅度等关键参数控制指令进行具体参数调整。

[0090] 研究表明，当电刺激的脉宽和幅值不变时，不同频率的电刺激与脑卒中患者脑功能的连接呈正相关的影响；当电刺激的频率和幅值不变时，不同脉宽的电刺激与大脑对专注度的控制呈正相关的影响；当电刺激的频率和脉宽不变时，不同幅值的电刺激与大脑对肌肉的协同控制呈正相关的影响。即在脑‑脑耦合强度不超出一定的阈值范围内，增加电刺激频率会使患者脑功能连接增强，在心‑脑耦合强度不超出一定的阈值范围内，增加电刺激脉宽会使患者的专注度增强，在脑‑肌耦合强度不超出一定的阈值范围内，增加电刺激幅值会使患者的脑肌协同控制增强。

[0091] 优选地，电刺激模块通过反馈模块反馈的脑‑脑耦合强度、心‑脑耦合强度、脑‑肌耦合强度指标，对输出对电刺激模块的频率、脉宽和幅度进行自适应地调整，从而使电刺激辅助康复训练发挥最大增益效果，提高患者电刺激康复训练效率和效果。

[0092] 如图3所示，具体调整如下：当患者第一次使用电刺激模块时，电刺激控制模块预先设定电刺激模块的频率、脉宽、幅值，并判断脑‑脑耦合强度指标是否超出阈值M1，如果没有超出，则将电刺激模块的频率增加；如果超出正常阈值，则将电刺激模块的频率调低；再判断心‑脑耦合强度指标是否超出阈值M2，如果没有超出，则将电刺激模块的脉宽增加；如果超出正常阈值，则将电刺激模块的脉宽调低；则再判断脑‑肌耦合强度指标是否超出阈值M3，如果没有超出，则将电刺激模块的幅值增加；如果超出正常阈值，则将电刺激模块的幅值调低。

[0093] 康复训练任务中第一次预设电刺激时间为5分钟，然后休息1分钟，再进行康复训练，当再次进行康复训练时，若患者的任务完成度能达到60％以上，则说明电刺激效果明显，若患者的任务完成度仍为50％以下，则将下次电刺激的时间增加，比如每次增加2分钟。

[0094] 将康复训练过程中电刺激模块执行后，患者任务完成度最高的电刺激频率、脉宽、幅度、时间等参数记录保存下来，作为下一次康复训练时电刺激参数的初始值。

[0095] 脑‑脑耦合强度指标、心‑脑耦合强度指标以及脑‑肌耦合强度指标的阈值M1、M2、M3，主要通过每次康复训练前对患者进行静息态的电刺激所能承受地最大频率、脉宽、幅值确定。

[0096] 另外，电刺激控制模块不断的收集患者基本信息、脑‑脑耦合强度指标、心‑脑耦合强度指标以及脑‑肌耦合强度和对应的最优电刺激参数等数据指标建立电刺激参数调整数据库，并利用人工智能算法，智能地输出电刺激参数的具体数值，提高康复训练的效率。

[0097] 优选地，基于电刺激参数调整数据库，建立长短时记忆神经网络模型，不断地进行训练测试，优化神经网络模型参数，形成电刺激参数的智能化推荐模型，能够推荐个性化自适应电刺激参数，并根据患者的实时康复训练情况再进行微调，减少人工调整参数的次数。

[0098] [W,M,F,T]＝GLSTM(B,P,Cnn,Cnx,Cnz)

[0099] 其中，W、M、F、T为电刺激模块输出的频率、脉宽、幅值和时间参数，GLSTM为训练好长短时记忆神经网络模型，B为患者的基本信息，比如：偏瘫情况、年龄等，P、Cnn、Cnx、Cnz为患者不同康复阶段的临床评估结果、脑‑脑耦合强度、心‑脑耦合强度、脑‑肌耦合强度指标的阈值。

[0100] 康复训练系统还包括显示设备，如显示屏，用于实时呈现反馈模块的反馈过程。

[0101] 与现有技术相对比，本发明的有益效果是：

[0102] (1)通过脑功能连接指标、专注度指标和任务评分指标三方面建立患者康复训练任务完成度指标，充分考虑到患者康复训练过程中大脑、生理信息、肌肉等多源信息协同控制作用，能够对患者肢体功能进行实时评估。

[0103] (2)充分利用患者脑‑脑耦合、心‑脑耦合、脑‑肌耦合等耦合特征指标的多层次的信息交互特性变化，对患者康复训练中的电刺激参数进行实时调整，促进脑肢和电刺激数据协同优化和实时反馈。

[0104] (3)利用本系统，能够为患者提供个性化自适应的电刺激参数调整方案，使电刺激辅助康复训练发挥最大增益效果，提高患者电刺激康复训练效率和效果。

[0105] 最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换，而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。