JHE 医疗保健工程 2040 - 2309 2040 - 2295 Hindawi 10.1155 / 2021/6725625 6725625 研究文章 一个虚拟现实的算法研究运动损伤康复训练的临床疗效 https://orcid.org/0000 - 0002 - 3214 - 8806 汉 杨 Nagaraj 巴拉科瑞斯南 人文与艺术学院 河南理工大学质量 平顶山 河南467000年 中国 2021年 1 10 2021年 2021年 24 7 2021年 1 9 2021年 1 10 2021年 2021年 版权©2021杨汉。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

本文旨在探讨虚拟现实技术互动的影响康复训练系统和PT和不能手术治疗的运动功能、日常生活活动能力(ADL),和运动损伤患者的生活质量。在这种背景下,本文主要设计了三个实验来测试虚拟康复系统:两个行为实验(实验1),两个实验用行动在三个不同位置(实验2),和五个不同的行动(实验3),和运动意图识别的速率,平均总时间,任务完成程度的三个实验计算。虚拟场景和硬件设备保持稳定,和人机交互效果很好。提出了虚拟现实康复训练系统的有效性从其他方面了。结果表明,5个志愿者的平均完成时间是57.72秒,平均线下精度89.03%。在实验2中,五个志愿者平均54.98秒,平均线下精度91.73%。培训系统的平均识别精度达到90%,证明了虚拟现实康复训练系统的有效性的运动意图识别的速度,平均总使用时间,任务完成。

 1。介绍

虚拟现实是可互换的,让人有完全的沉浸感。另一个特点是想象。虚拟映像,听到声音或音乐,和环境的反馈可以复制自然和虚拟世界完全错误的幻想。3我虚拟现实技术的特点是富有想象力的,身临其境,和互动。虚拟现实技术在药物研究中也可以应用。研究人员设计了各种虚拟显示模拟器来模拟药物分子和生物化学的作用,观察仿真结果。这种技术提供了新的方法来测试药物的属性,可以显著加快药物来治疗各种疾病的发展。目前,虚拟现实康复技术在医疗领域应用虚拟现实游戏将病人带到虚拟现实游戏环境,模拟特定的场景,并添加力反馈和视觉反馈技术。这种技术允许病人康复训练得到身临其境的舒适和避免重复训练造成的迟钝。虚拟现实技术在医学领域的应用还处于起步阶段,但它已在医学领域产生重大影响。 Applying virtual reality technology to the clinical training of rehabilitation medicine, that is, through virtual reality environment, games, and other training modes, the patient is brought into a virtual reality environment similar to or completely unfamiliar with real life. By simulating specific daily life scenes such as open windows, pour water, and wipe tables, patients can cooperate with the robot for rehabilitation training during the game. These virtual scenes can be similar to the natural environment, such as the rehabilitation room, or a more friendly environment, such as the kitchen and bedroom of an ordinary family. The game design of virtual reality can easily guide patients to complete specific action tasks. Patients can practice safely alone, repeated training in specific movements, and enhanced neural reconstruction can significantly reduce the intensity of the treatment of the professional. The same doctor can also care for several patients simultaneously, significantly reducing labour costs and reducing the burden of the patient’s family. In this process, the rehabilitation training robot collaborates with the virtual reality software program to collect the kinematics information of the patient, for example, parameters such as distance. Angle, angular velocity, acceleration, and force can reflect the rehabilitation training effect of patients and feedback to doctors to develop a more effective rehabilitation training program to analyze and evaluate the rehabilitation training effect of patients.

三个实验是为了测试虚拟康复系统。虚拟场景和硬件设备在实验中,保持稳定和人机交互效果很好。虚拟现实康复训练系统的有效性证明方面的意图识别速度,平均总时间、任务完成等。

近年来,虚拟现实技术已广泛应用于医学领域。虚拟现实(VR)技术是一个潜在的认知过程评估和康复的工具。Alashram等人讨论了虚拟现实训练干预对创伤性脑损伤的影响患者的认知功能,并讨论了一个令人信服的虚拟现实治疗方案( 1]。Karami等人提供了一个综合分析评价的有效性VR在患者的康复和训练自闭症谱系障碍( 2]。埃尔莎等人讨论了一个虚拟的可用性以现实为基础的协议(“康复游戏系统,”该公司)AUD患者( 3]。背景下的现代信息技术的迅速发展,医学院校在中国推出一个接一个教育方法的创新,引发了一波又一波的虚拟现实技术的发展和应用教学,它弥补了传统教学模式的不足。段等人讨论了虚拟现实技术在教学中的应用平衡功能康复训练,提供参考和建议应用虚拟现实技术在教学的平衡功能康复训练( 4]。乔丹等人讨论了虚拟现实的效果在坐姿平衡训练对脊髓损伤患者( 5]。Bofanova等人研究了虚拟现实技术的应用在假肢疼痛康复( 6]。方等人研究了虚拟现实技术的应用在物理康复专业的实践教学。虚拟场景位置的研究方法映射虚拟实现技术的基础上采用上肢康复训练( 7]。

虚拟现实技术也是一个潜在的认知过程评估和康复的工具。虚拟现实技术可以直观地提供了一个近自然认知神经心理疾病患者康复训练环境。棕褐色等人利用虚拟现实技术构建特定的和普遍的场景与MCI患者,恢复和训练患者的场景记忆的认知能力,帮助患者增强或逐渐恢复场景记忆的认知能力。虚拟现实场景与不同的内容,如生活,环境,交通,旅游构造,实时检测是由结合患者的脑电图信号在不同的场景 8]。虚拟现实(VR)技术可以有效地认知和功能方法集成到创伤性脑损伤的康复。然而,对虚拟现实康复治疗认知障碍的有效性与创伤性脑损伤有关。为了应对这些临床和研究缺口,Ettenhofer发达NeuroDrive等人在虚拟环境中,一个干预旨在提高认知能力,驾驶安全,和神经行为症状。这个初步的临床试验的目的是调查的可行性和初步疗效神经驱动技术在慢性脑损伤的康复 9]。

虚拟现实也是一个有前途的物理康复工具。研究表明,虚拟现实康复训练支持有利于任务训练,多种感觉的反馈,多元化改造任务,和病人的热情 10]。蔡等人提出的应用沉浸式虚拟现实在中风病人的步态康复辅助康复技术,并与传统的康复方法( 11]。

在这种背景下,虚拟现实技术的应用临床训练的康复治疗,也就是说,通过虚拟现实环境,游戏,和其他培训模式将病人带到一个虚拟现实环境类似于现实生活或完全陌生的,三个实验是为了测试虚拟康复系统。在实验过程中,虚拟场景和硬件设备保持稳定,和人机交互效果很好。虚拟现实康复训练系统的有效性证明方面的意图识别速度,平均总时间,任务完成,等等。它可以应用于前臂截肢患者的康复训练。

 2。研究方法 2.1。数据采集

虚拟现实技术在药物研究中也可以应用。研究人员设计了各种虚拟显示模拟器来模拟药物分子和生物化学的作用,观察仿真结果。这种技术提供了新的方法来测试药物的属性,可以显著加快药物来治疗各种疾病的发展。运动功能的评价主要包括评估肌肉力量,肌肉紧张,和延展性,但是这些方面很难直接测试。在临床实践中,患者通常需要完成相关活动进行评估。

首先,肌电图所需的训练数据分类模型应该收集。有三种类型的数据:

收集两个动作的EMG信号:受试者坐在实验椅,收集到的手臂略提高了,而手放松(NM)和fist-clenching (HC)收集运动而保持一个固定的位置。

收集的EMG信号2运动3不同位置:收集受试者坐在实验椅子,面对电脑屏幕,收集到的手提高到左上角,右上角,和屏幕的中间,分别和手放松的EMG信号(NM)和紧握的拳头(HC)收集运动。

收集EMG信号的5种不同的动作:收集过程的主题是一样的手放松(NM),紧握的拳头(HC)、腕内收(WF),手腕绑架(我们),和手孔(HO)运动收集,分别与手臂在固定位置。

然后,收集到的数据被保存到TXT格式文件。一个支持向量机进行训练来计算离线分类精度并保存培训模式。

 2.2。实验方法 实验1。

这是一个实验的两个动作。进口的二分法训练模型实验中,模式1二维虚拟场景被选中的任务。在屏幕上有三个不同的领域,一个在左上角,一个在右上角,一个在中间。控制虚拟手抓取虚拟球three-ball框架。每个球都扔进框架后,帧数将增加,以下虚拟球将随机出现在屏幕上。完成十球在一组的任务是完成。重复3组和计算平均总时间实时完成训练任务。如图,当EMG信号给贪婪的命令,虚拟手掌握虚拟球,和虚拟球将改变从红色到黄色,表明受试者已经抓住了球。然后虚拟球将球架通过手臂运动,和球的数帧将被添加,和虚拟球将随机出现在另一个地方在屏幕上。同时,界面的计时器也保持记录总时间的节省时间和TXT文件中的每个球场,直到一组球完成。

最后,离线分类的准确性和计算实时分类的准确性。离线分类精度是通过收集两段EMG信号从主题,分为训练集和测试集。在模型训练后,测试集对特征提取合适的标签是进口的。然后分类模型用于预测和分类,预测结果与实际的标签。实时分类精度是基于研究对象采取行动根据实验者的指示,做每个动作40倍判断他们所做的是一致的操作实时分类系统的行为。最后,计算实时分类精度。

 实验2。

这是一个实验3不同位置的运动。六个类别的培训模式是进口,同样的训练任务进行了实验 1。然而,当计算离线分类精度,因为操作1 - 3是放松动作和4 - 6是手紧握操作,系统只需要确定主体的动作电流是否放松动作或紧握动作。是否这是一个放松的运动或挤压运动和是否运动1 - 3或4 - 6,只要判断是准确的,也需要确定。在实验 3,有5个不同的运动。五分类的训练模型介绍了计算实时分类精度。志愿者200行动根据实验者的指令,执行和执行每个操作40倍。最后,实时判断的正确和错误的次数统计,并实时计算分类的准确性。

 实验3。

实验的实验操作 3是固定的。

三个实验的实验操作如表所示 1。

三组实验操作。

序列 手臂的姿势 行动
实验1 固定 放松(NM)
他的拳头(HC)
实验2 左上角 放松(NM)
他的拳头(HC)
右上角 放松(NM)
他的拳头(HC)
在中间 放松(NM)
他的拳头(HC)
实验3 固定 放松(NM)
他的拳头(HC)
手打开(HO)
手腕外展(我们)
臂内收(WF)
3所示。结果的分析和讨论

三个实验的目的是:两个动作,两个动作在三个不同的位置,和五个不同的动作。五个健康受试者招募戴手套来模拟前臂截肢者,然后从不同的手部运动和收集肌肉电信号的手臂位置,最后参与设计虚拟现实训练任务。实验 1和实验 2主要验证不同位置的影响在EMG信号识别的准确性。实验结果如表所示 2和 3。

平均时间和离线实验的准确性 1。

2分类科目 平均总时间(年代) 离线精度(%)
志愿者1 73.0 85.01
志愿者2 53.2 89.94
志愿者3 36.8 90.20
志愿者4 43.6 90.24
志愿者5 82.0 89.78

平均时间和离线实验的准确性 2。

6分类科目 平均总时间(年代) 离线精度(%)
志愿者1 63.5 95.07
志愿者2 42.0 91.42
志愿者3 60.1 88.36
志愿者4 57.3 92.05
志愿者5 52.0 91.77

从表中可以看出,平均总时间相同的条件下是不同的,由于不同的反应能力不同的志愿者。在实验 15志愿者完成任务73秒,53.2秒,36.8秒,43.6秒,82秒,分别平均时间57.72秒。结果如图所示 1。离线准确率分别为85.01%,89.94%,90.20%,90.24%,和89.78%,分别为离线,平均精度为89.03%,如图 2。

由志愿者完成任务的时间。

离线的准确性志愿者的行动。

在第二个实验中,五个志愿者在63.5秒内完成任务,42.0秒,60.1秒,57.3秒,52秒,分别平均时间为54.98秒;结果如图所示 3。离线准确率分别为95.07%,91.42%,88.36%,92.05%,和91.77%,平均线下的准确性为91.73%,如图 4。

时间由志愿者完成任务。

离线的准确性志愿者的行动。

受试者的平均时间完成任务没有明显影响直接抓取和释放动作分为两类分类或分类相同的运动更详细的方式在不同的位置。总体平均时间快于预期,这主要是因为这些志愿者都是健康的人,和一些实验验证的截肢者还需要在实际应用之前。的认可率都是90%左右,表明虚拟康复训练系统能有效地识别人类EMG信号作为控制源。

在这项研究中,实时测试识别实验的结果 2和实验5也统计分析,如表所示 4和 5。在实验 15的两组志愿者的准确率分别为90.50%和97.00%,分别,平均准确率为93.75%。这是显示在图 5。在第三个实验中,准确率的5组5志愿者在实时测试分别为93.00%,82.00%,97.5%,89.5%,和94.00%,分别平均准确率为91.2%,如图 6。

实验 1实时测试识别结果。

行动 志愿者1 志愿者2 志愿者3 志愿者4 志愿者5 正确(%)
他的拳头 正确的 31日 40 40 36 34 90.50
错误 9 0 0 4 6
放松 正确的 36 40 40 40 38 97.00
错误 4 0 0 0 2
一个组合 正确的 67年 80年 80年 76年 72年 93.75
错误 13 0 0 4 8

实时测试识别实验的结果 3。

行动 志愿者1 志愿者2 志愿者3 志愿者4 志愿者5 正确(%)
放松 正确的 36 35 40 40 35 93.00
错误 4 5 0 0 5
他的拳头 正确的 30. 32 28 40 34 82.00
错误 10 8 12 0 6
手打开 正确的 38 37 40 40 40 97.5
错误 2 3 0 0 0
手腕外展 正确的 38 33 40 32 36 89.5
错误 2 7 0 8 4
臂内收 正确的 38 39 36 40 35 94.00
错误 2 1 4 0 5
一个组合 正确的 180年 176年 184年 192年 180年 91.2
错误 20. 24 16 8 20.

正确性率两组5个志愿者的行动。

正确性的5组5个志愿者的行动。

这两个表可以更好地反映实际情况,系统识别的受试者的运动康复训练。从表中可以看出,紧握的拳头的识别率运动类别2和5级通常是低于其他动作。特别是在分类5,主要原因是所用的相关肌肉的拳头紧握类似用于其他运动。

根据实验的统计结果,平均识别准确性虚拟训练系统的受试者的运动已达到90%,无论两类运动类别或五运动;这表明培训系统可以应用于前臂截肢患者的康复训练,它有一个特定的实用价值。然而,实验设计这门课只有五个健康受试者。样本量太小,前臂截肢者没有招募训练实验,所以可能会有一些偏差在截肢者的实验效果。因此,还需要进一步的探索和研究。

 4所示。结论

本文通过三个实验测试虚拟康复系统。虚拟场景和硬件设备稳定,人机交互是好的。试验结果表明,虚拟现实康复训练系统的有效性证明的运动意图识别的速度,平均总时间,任务完成,可以应用于前臂截肢患者的康复训练。

 数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

 的利益冲突

作者宣称没有利益冲突。

 Alashram a。R。 Annino G。 帕多瓦 E。 Romagnoli C。 麦古利 n . B。 认知康复后创伤性脑损伤:系统回顾新兴虚拟现实技术的使用 临床神经科学杂志 2019年 66年 209年 219年 10.1016 / j.jocn.2019.04.026 2 - s2.0 - 85065431712 凌 Z。 阿伯 b . C。 希尔 g S。 Masel B。 Ottenbacher k·J。 虚拟现实环境评估脑损伤康复的日常生活技能:信度和效度 物理医学与康复档案 2003年 84年 8 1118年 1124年 10.1016 / s0003 - 9993 (03) 00203 - x 2 - s2.0 - 0041560905 埃尔莎 C。 玛蒂娜 M。 梅塞德斯 b . O。 雨果 l . P。 克拉拉 O。 Belen r B。 Verschure p·f·m·J。 Gual 一个。 与酒精有关的认知障碍康复游戏系统:一个试点的可用性研究 酒精和酒精中毒 2021年 12 10.1093 / alcalc / agab043 段 h . Y。 刘 f . Q。 谢 j . H。 汉 C。 江 z G。 Zhen-Lan l . I。 虚拟现实技术的应用在平衡功能康复训练教学 2019年 英国伦敦 医学教学在大学 李 蔡明俊。 李 S.-M。 虚拟现实运动项目的影响脊髓损伤患者的平衡能力 医疗保健 2021年 9 2 183年 10.3390 / healthcare9020183 Bofanova n S。 Bulanov 答:一个。 Yavorsky 答:S。 Alekhina e . V。 虚拟现实作为一个现代趋势幻肢疼痛患者的康复 俄罗斯《疼痛 2021年 19 2 33 10.17116 / pain20211902133 方 M。 你 F。 姚 R。 应用虚拟现实技术(VR)实践教学运动康复专业 物理学杂志》:会议系列 2021年 1852年 4 042007年 10.1088 / 1742 - 6596/1852/4/042007 棕褐色 W。 徐 Y。 刘 P。 刘 C。 张 Y。 一种VR-egg现场认知康复训练的方法 健康信息科学和系统 2020年 9 1 10.1007 / s13755 - 020 - 00132 - 6 Ettenhofer m . L。 伪装 B。 Brandler B。 Bittner K。 金贝尔 我美国。 Cordero E。 纳尔逊•施密特 年代。 威廉姆斯 K。 考克斯 D。 罗伊 m·J。 陈 l 神经认知驱动康复虚拟环境(NeuroDRIVE):飞行员慢性创伤性脑损伤的临床试验 NeuroRehabilitation 2019年 44 4 531年 544年 10.3233 /负阻元件- 192718 2 - s2.0 - 85069932817 Madshaven j . M。 Markseth t F。 Joms d·B。 Isabwe g . m . N。 礼宾部主管 F。 Reichert F。 对虚拟现实康复解决方案的用户体验生物;实验室和家庭环境 虚拟现实技术前沿 2021年 2 1 13 10.3389 / frvir.2021.645042 蔡 H。 凌ydF4y2Ba T。 陈 l 翁 H。 蔡 G。 评估的影响浸入式虚拟现实技术在中风患者的步态康复:随机对照试验的研究方案 试用 2021年 22 1 10.1186 / s13063 - 021 - 05031 - z