中风病人上肢家庭康复训练系统设计与实现

《中风病人上肢家庭康复训练系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要当前，世界范围内中风已经与冠心病、癌症一起被列为威胁人类健康的三大疾病之一，国内患中风的人数逐年提升。受家庭经济承担能力的限制，大多数中风病人在医院进行初步的康复治疗之后就回到家中进行下一步的康复进程。一般中风病人在离开医院6至9个月就停止了康复治疗，但是他们的运动功能要用几年时间才能恢复。因此，进行有效和低成本的家庭远程康复就变得十分重要。本文根据现有远程康复训练系统存在的中风病人与医生缺乏有效交互、康复训练枯燥无趣使病人无法坚持康复训练和无法准确评定康复效果等问题，设计了新型的中风病人康复训练系

2、统。系统使用可穿戴加速度传感器设备采集康复训练数据，通过ZIGBEE模块将数据发送到计算机。系统提供了上肢康复动作三维重建模块，可以帮助医生克服地域和工作时间的限制，及时准确了解中风病人当前的康复进展情况和动作完成的准确度。系统建立了利用BP神经网络评定上肢动作强度模型，以期客观地评定中风病人当前的上肢康复动作强度，此强度参数可以对当前训练进程进行科学评估。为增加使用本系统的娱乐性，本系统设计了上肢康复游戏模块，中风病人可以在相对轻松的环境下完成与标准上肢康复训练动作相类似的训练动作。通过本系统提供的基

3、于Web的康复数据管理模块，对中风病人康复过程中产生的康复数据进行有效管理，从而为医生制定中风病人下一阶段的康复计划提供依据。关键字：上肢康复；加速度传感器；三维重建；BP神经网络；康复游戏AbstractIIllI[1lll111111111111II[1lllllllll[IIIlY2589273Atpresent，strokehasbeenoneoftheprimarythreediseasesthreatingtohumanhealthalongwithcoronaryhea】吨diseasea

4、ndcancerintheworld．andthenumberofstrokepatientsincreasedyearbyyear．Becauseoftherestrictionoffamilyeconomicability．themajorityofstrokepatientsconductapreliminaryrehabilitationinthehospital．andthentheywillreturnhomeandcontinuethenextrehabilitationathome．Mo

5、ststrokepatientsstoprehabilitationtreatmentaftertheyIeavethehospitalin6-9months，buttheirphysicalflexibilitytakesyearstorecover。Therefore，effectiveandlOW．costhomeremoterehabilitationbecomesveryimportant．Inrecentyears．manyremoterehabilitationsystemsaredesi

6、gnedandappliedtohome．basedrehabilitationtrainingofstrokepatients．Basedonthreedefects，lackingofefficientinteractionbetweendoctorsandpatients，boringrecoverytraininginterruptingtheprocessandunabletoestimatetherehabilitationeffectaccurately，existinthesesyste

7、ms，thenewhome．basedremoterehabilitationsystemisdesigned．Rehabilitationtrainingdatawouldbecapturedbyusingwearableaccelerationacquisitiondeviceinthissystem．andbesenttocomputerbyZIGBEEmodule．Thissystemprovidesathree．dimensionalreconstructionmoduleforupperli

8、mbrehabilitationmotion．itCanassistthedoctorsignoretherestrictionof10cationsandtime．andcapturetherehabilitationprocessandmotionaccuracyofstrokepatients．ThesystembuildsBPneuralnetworkbasedmodelforupperlimbmotionstrengthevalu