[发明专利]一种基于生物曲面的人体腰椎恢复的系统

权利要求书

1.一种基于生物曲面的人体腰椎恢复的系统；包括架体、束腰带、控制单元；所述架体侧面中心位置均设有固定块，所述架体的上方设有多组绕绳机构，所述每组绕绳机构均设有线绳，绕绳机构通过线绳与所述束腰带连接，所述束腰带的设置在所述架体的内部中心处，束腰带用于固定康复患者的腰部；所述束腰带与固定块之间设有缓冲机构，所述缓冲机构包括套管，所述套管的一端与固定块连接，所述套管的另一端内部套设有导杆，所述导杆设在套管内部的一端外壁向外弯折，所述套管靠近导杆的一端外壁向内弯折，防止导杆从套管内部滑脱，所述导杆的另一端通过设置的万向球头与所述束腰带连接；所述导杆和套管的外部设有套管，弹簧一端所述固定块连接，弹簧另一端与所述束腰带连接；

该系统的使用方法为，S1：通过远程控制系统的云端服务器从医生的移动端下载训练任务，在显示模块显示；

S2：控制单元根据拉力传感器获取线绳的拉力强度，根据位移传感器获取线绳在训练过程中的长度；

S3：通过肌电信号传感器获取肌电信号，对获取的肌电信号进行数据处理，对其进行特征提取和分类，通过STM单片机计算与分析，通过控制电机转速控制线绳的运行长度，电机带动滑杆转动，滑杆上设置的束线轮醉随着滑杆转动而转动，束线轮带动线绳经过第一转轮和第二转轮之后间接带动束腰带进行移动；

肌电信号数据处理的方法包括：A,通过云端服务器从医生移动端获取肌肉疲劳度和训练时肌肉动作变化数据，单片机自动设定训练特征的数据阈值，并通过LED显示器显示；B，束腰带上的肌电信号传感器采集肌电信号，并且通过信号特征提取和分类之后，获得肌肉疲劳度和训练时肌肉动作变化数据；

肌电信号数据处理的方法还包括步骤C，将得到的肌肉疲劳度和训练时肌肉动作变化数据与设定的阈值进行对比，若大于设定阈值，则说明满足训练强度，进行语音提醒，同时将康复训练结果数据通过wifi模块传输至云端服务器，并且发送至医生移动端；若小于设定的阈值，则返回步骤B中，重新采集肌电信号数据，进行数据处理，并且与前一步的康复训练数据相加，直到达到训练数据设定阈值；

特征提取方法包括以下步骤：a,通过肌电信号传感器获取原始数据，在原始的数据处理时候首先进行数据分段，然后再对每一段数据进行特征体提取，选取时域、频域和时频域数据特征；b,根据肌肉疲劳度和训练时肌肉动作变化的特点将数据特征信号分层，对每一层采用聚类算法找出每一层的聚类中心，得出特征较为明显的数据集合，在对每一小类进行分类器训练，就可以提取比较好的分类和训练结果；c,对于新的数据集首先通过聚类计算出其每一簇数据的中心，然后再与步骤b中建立的数据库的每一层聚类中心求取欧氏距离，再把新的数据集的每个聚类中心的距离相加；距离和最小的归为一类，对新数据实现分层；d, 步骤c中的数据到了某一层后用步骤b的方法判断其属于更小的集合一直到最底层，得到康复训练时肌肉疲劳度和训练时肌肉动作变化数据特征，去除杂质信号和强度较弱的肌电信号，提高数据的准确性；

肌电信号特征提取之后，通过BP神经网络系统对数据进行分类， 根据时域、频域和时频域数据得出输入特征向量X，X=[x₁,x₂,…,x_n]^T；输出特征向量Y=[y₁,y₂,…,y_n]^T；将肌电信号特征样本作为输入神经网络进行训练，经过隐含层的处理，不断针对样本X记性数据巩固和修正各项权值和阈值，最终得到满足期望值的映射条件，并且反向计算出实际输出层的结果与期望结果的误差，反向传递，一直到训练结果收敛，再将已经收敛的特征数据输入到STM单片机中进行数据处理，与训练医生移动端app进行数据交互，便于医生随时查看训练结果和训练强度，同时进行训练任务分配和变更，从而提高康复训练效率；在训练过程中对隐含层节点数目的确定直接影响着数据处理结果，隐含层节点数目较大，分类时间长，分类效率低；隐含层节点数目较小，特征数据收敛度低，数据分类效果差，由此，隐含层节点数目k满足k=α+（m+n）^1/2；上式中m为输入层节点数目，n为输出层节点数目，α为调节常数，取值范围为1-15。

2.根据权利要求1所述一种基于生物曲面的人体腰椎恢复的系统，其特征在于，肌电信号特征分类通过BP神经网络系统对数据进行分类，根据时域、频域和时频域数据得出输入特征向量。

3.根据权利要求2所述一种基于生物曲面的人体腰椎恢复的系统，其特征在于，将肌电信号特征样本作为输入神经网络进行训练，经过隐含层的处理，不断针对样本X记性数据巩固和修正各项权值和阈值，最终得到满足期望值的映射条件，并且反向计算出实际输出层的结果与期望结果的误差，反向传递，一直到训练结果收敛，再将已经收敛的特征数据输入到STM单片机中进行数据处理，与训练医生移动端app进行数据交互，便于医生随时查看训练结果和训练强度。