[發明專利]用于下肢康復機器人步態控制的深度學習方法

在審

• 申請號: 202011183924.1
• 申請日: 2020-10-29
• 公開（公告）號: CN112515920A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 劉明明;許海燕;耿睿;呂南寧;王迪;張浩
• 申請（專利權）人: 連云港市第二人民醫院（連云港市臨床腫瘤研究所）
• 主分類號: A61H3/00
• 分類號: A61H3/00;G06N3/08;G16H20/30
• 代理公司: 徐州創榮知識產權代理事務所(普通合伙) 32353
• 代理人: 于浩

1.用于下肢康復機器人步態控制的深度學習方法，其特征在于：包括如下步驟：

S1.將關于各類型的正常人步行規律數據進行輸入，作為一層控制基礎；

S2.將關于神經系統疾病導致肢體功能障礙的康復治療的治療數據進行輸入，作為一層數據基礎；

S3.將患者的基礎參數和病理數據進行輸入，作為二層數據基礎；

S4.將一層控制基礎和一層數據基礎共同作用與二層數據基礎，形成初始患者治療步態控制數據，作為二層控制基礎；

S5.將患者在下肢康復機器人上治療的數據進行輸入，作為三層數據基礎；

S6.通過三層數據基礎作用與二層控制基礎，形成患者治療步態控制數據，作為三層控制基礎；

S7.通過步驟S6的不斷更新，下肢康復機器人不斷更新三層控制基礎；

S8.將不斷更新的三層控制基礎重新錄入一層數據基礎，完成下肢康復機器人步態控制的深度學習。

2.根據權利要求1所述的用于下肢康復機器人步態控制的深度學習方法，其特征在于：所述一層數據基礎進行分類的方法為：

S1.預先按照神經系統疾病的種類進行大數據分類為病理數據；

S2.再將病理數據按照患者年齡進行大數據分類為一類參考數據；

S3.繼續將病理數據按照患者參數進行大數據分類為二類參考數據；

S4.最后將一類參考數據和二類參考數據按照患者性別進行大數據分類為三類參考數據。

3.根據權利要求2所述的用于下肢康復機器人步態控制的深度學習方法，其特征在于：所述一層控制基礎按照一層數據基礎進行分類，并與一類參考數據、二類參考是數據和三類參考數據相對應。

4.根據權利要求2所述的用于下肢康復機器人步態控制的深度學習方法，其特征在于：所述一層數據基礎在與一層控制基礎整合數據時，整合的運算法則為：在一層控制基礎使用一類參考數據和二類參考數據時：一類參考數據和二類參考數據之間采用與運算；在一層控制基礎使用一類參考數據和三類參考數據時：一類參考數據與三類參考數據之間采用異或運算；在一層控制基礎使用二類參考數據和三類參考數據時：二類參考數據與三類參考數據采用異或運算。

5.根據權利要求4所述的用于下肢康復機器人步態控制的深度學習方法，其特征在于：所述一層控制基礎與一層數據基礎經過相應的運算法則獲得的三個數據結果，所述三個數據結果之間采用或運算計算數據，并作用與二層數據基礎。

6.根據權利要求1所述的用于下肢康復機器人步態控制的深度學習方法，其特征在于：所述步驟S7中，通過使用隨機并行梯度下降算法計算更新數據，再將計算結果運用至三層數據基礎中，下肢康復機器人的步態控制完成一次深度學習。

7.根據權利要求1所述的用于下肢康復機器人步態控制的深度學習的控制方法，其特征在于：包括如下步驟：

S1.將需要治療的患者參數輸入至下肢康復機器人的治療系統內，步態控制系統產生模擬治療方案；

S2.控制下肢康復機器人對患者進行治療，步態控制系統對治療數據進行深度學習；

S3.深度學習后的步態控制系統將學習數據輸送至下肢康復機器人的治療系統，并完善對該患者的模擬治療方案；

S4.重復上述步驟S2和S3，在該患者持續性的康復，步態控制系統持續性的進行深度學習，持續完善該患者的模擬治療方案，擴充下肢康復機器人治療系統的參照數據。

8.根據權利要求7所述的用于下肢康復機器人步態控制的深度學習的控制方法，其特征在于：所述步態控制系統通過在下肢康復機器人的矯正器上設置位置和力量的傳感器，監測患者的運動表現數據。

9.根據權利要求7所述的用于下肢康復機器人步態控制的深度學習的控制方法，其特征在于：所述步態控制系統通過配合下肢康復機器人的減重系統和醫用跑臺對步態參數進行調整。

10.根據權利要求7所述的用于下肢康復機器人步態控制的深度學習的控制方法，其特征在于：所述步態控制系統中設有調整數據感應模塊，通過調整數據感應模塊對深度學習后的步態模擬進行監控糾察，判斷深度學習數據的可靠性。