一种辅助腿部运动的可穿戴智能拐杖

1.本发明属于康复医疗设备领域，涉及一种辅助腿部运动的可穿戴智能拐杖。


背景技术：

2.在腿部受伤时，患者需要对腿部进行康复训练，在尚未完全恢复时，使用普通的辅助器具走动时易对腿部造成二次伤害。所以现今人们对腿部的康复领域也十分重视，设计了不同的结构以及器具辅助腿部康复。针对帮助患者进行腿部康复，目前实现方法大致分为以下两类：第一类是普通的拐杖，它仅对患者可以起支撑作用，也无法保证患者可以平稳行走，患者腿部安全无法得到保障，具有很大的安全隐患。第二类是可穿戴下肢机器人，虽然它可以辅助患者行走并且提供可靠的支撑，但是它的体积比较大，质量较重，穿戴不便，不便于携带，并且价格昂贵，维修成本高，一般的普通家庭难以承担。如专利“一种伺服电机下肢外骨骼康复机器人”，公开了该机器人采用国产伺服电机及减速器，虽然在满足外骨骼柔顺活动的同时,大大降低了外骨骼的成本,出现故障时,维护成本也更低，但是它的成本也相对较高，体积较大不便于携带。
3.因此，现有的下肢智能康复设备无法做到既稳定又方便携带，并且无法对患者的实时康复状态进行监控，也就不便于针对患者制定专属的康复训练计划。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种精准辅助腿部运动的可穿戴智能拐杖，该拐杖适用于运动神经退行性疾病以及意外受伤所引起的需要下肢康复训练的患者。其可精准的对患者的腿部康复状态进行评估，通过建立康复数据管理平台，进行数据对比分析，帮助医生对患者制定更加合适的康复训练计划。同时，为患者提供步态康复训练，辅助患者进行自主移动，提供给患者一个更舒适更安全的选择。
5.为达到上述目的，本发明提供如下技术方案：
6.一种辅助腿部运动的可穿戴智能拐杖，包括拐杖本体、可穿戴套件、支撑力采集组件、肌电信号采集组件、惯性传感器及康复评估云平台；所述拐杖本体通过手臂支撑组件固定在使用者手上；所述支撑力采集组件与拐杖本体连接，用于采集拐杖本体竖直方向上力的变化；所述肌电信号采集组件和惯性传感器通过可穿戴套件贴附在康复肌肉部位，所述肌电信号采集组件用于采集康复肌肉部位肌电信号，所述惯性传感器用于测量患者行走腿部所产生的角速度和加速度；所述康复评估云平台用于接收支撑力采集组件和肌电信号采集组件的数据，对康复状态进行监控并制定康复训练计划。
7.进一步，所述拐杖本体包括拐杖杆、把手、四角底盘及连接机构，所述把手连接在拐杖杆上端，所述四角底盘连接在拐杖杆底部，所述连接机构用于将支撑力采集组件固定在四角底盘上，从而获取采集向把手施加的向下的力；所述拐杖杆为伸缩拐杖杆，通过定位销钉进调节高度。
8.进一步，还包括控制芯片、报警器、显示模块、通信模块、电源及dc-dc稳压模块，所
述支撑力采集组件包括压力传感器和压力信号变送器，所述肌电信号采集组件包括肌肉电信号传感器和肌肉电信号放大器；所述压力传感器采集拐杖受力数据，并通过压力信号变送器发送给控制芯片进行预处理；所述肌肉电信号传感器实时检测使用者康复肌肉部位的肌肉电信号，通过肌肉电信号放大器将微小的肌肉电信号放大至控制芯片可以采集到的大小范围，再将数据传至控制芯片进行预处理；所述控制芯片将采集到的压力与肌肉电数据进行预处理后，通过通信模块发送到康复评估云平台；所述报警器用于接收控制芯片的命令进行声音报警，所述显示模块用于显示数据；所述电源通过dc-dc稳压模块进行转换后为各模块供电。
9.进一步，所述康复评估云平台包括前端部分、后端部分、算法部分和运维部分；所述前端部分采用uniapp开发，实现横跨小程序、app、h5的前端平台；所述后端部分通过nestjs框架进行实现，如果请求数据是需要频繁读写的数据，则从redis中读写，如果请求数据是非频繁读写的数据，则从mysql中读写；所述算法部分通过基于深度学习网络的康复评估算法来分析康复情况，评估康复状态，制定康复训练方案；所述运维部分通过devops平台进行运行维护。
10.进一步，所述康复评估算法包括：
11.分割算法研究：将采集到的数据进行重复次数分割算法以及肌肉状态、力作用状态分割算法研究后，生成拐杖使用记录；
12.肌肉动态能力评估：将所述分割算法研究的数据基于力产生能力指标和力保持能力指标进行分析，实现对使用者肌肉功能的评价。
13.进一步，所述康复评估算法具体包括以下步骤：
14.s1：首先将采集到的数据进行样本预处理；
15.s2：将样本数据划分为训练集和测试集；
16.s3：根据训练集中样本构建训练任务：首先从训练集中选取k类样本，每类中选取n个样本作为support set，再选取一个query set，直至构建出足够的训练任务和测试任务；
17.s4：训练：将训练任务中的support set输入到网络中，得到高维特征后，拉远不同类特征距离同时拉近同类特征距离来优化网络参数，再通过query set中的一个样本来测试优化后的参数后，最后根据分类损失进行进一步的优化；
18.s5：测试：将测试集中任务按照步骤s4相同的步骤来进行对query set进行测试，根据测试结果判断模型是否有效，如果准确率较低则重新回到步骤s3；
19.s6：部署：将模型部署到云端中，之后的数据上传到数据库后直接调用模型进行预测；
20.s7：传输：将采集到的数据预处理编码后上传到云端，云端保存解码后数据；
21.s8：模型预测：将数据输入到网络模型中，得出该数据对应以下6类的预测概率，以最大概率的类别为预测结果；
22.0级：完全瘫痪；
23.1级：有肌肉收缩，但无肢体关节运动；
24.2级：肢体能完成全关节活动范围，能在床面移动，但不能对抗重力抬起；
25.3级：肢体能完成全关节活动范围，可抬离床面，对抗重力，不能对抗阻力；
26.4级：肢体能完成全关节活动范围，并能对抗一定的外界阻力，但未达到正常；
27.5级：完全正常；
28.s9：评估：对采集的数据进行处理：首先对其肌力依照medical research council分级将其分为0-5总共6个等级，若判断分析其对应肌力等级小于3，则直接将分析结果发送给医生，令医生对其进行进一步的检测分析；若肌力等级大于3的肌肉则进行等长肌力检测、等张肌力检测及等速肌力检测，判断恢复情况，再根据结果和之前的数据对比，得出其康复进度以及目前康复状态；
29.s10：可视化：将云端分析结果发送到前端部分进行可视化呈现。
30.进一步，所述康复评估云平台在进行康复状态评估后，还具有步态训练功能，具体包括：
31.针对不同程度的康复状态设置有不同强度的康复训练模式，并且在相同的康复训练模式下还设置有不同的阶段，包含有热身阶段、训练阶段；所述训练阶段则用于将各个不同的训练动作分为几个小组，一个小组有设定好的时间，使用者根据指示按要求进行训练；在康复部位肌肉处还通过可穿戴套件固定有与控制芯片连接的贴片电容，作为神经肌肉电刺激nmes的实现工具，在训练时，所述康复评估云平台根据使用者的康复程度输出预先设定好的电流对康复部位肌肉进行刺激，从而促进自主肌肉控制，并且减少痉挛。
32.进一步，所述康复评估云平台基于压力传感器和肌电信号传感器所测量的信号变化趋势，识别人体脚步落地、脚步离地步态事件，进而计算出人体的步态周期、支撑周期、摆动周期、步频；再根据惯性传感器所测角速度、加速度计算小腿姿态与三维运动轨迹以及跨步长度、步行速度、腿脚抬起高度；而后将分析出的数据与提前建立的健康人群步态信息数据库中的健康人群步态数据进行对比，从而判断使用者的步态是否存在异常或者量化异常的具体程度，并将分析的报告进行呈现，若使用者步态检测结果出现异常情况，可根据分析结果对使用者进行相关诊断治疗。
33.进一步，所述拐杖本体上设有数据采集装置，包括外壳，所述显示模块设置在外壳上，外壳上还设有外壳系统复位开关机构、外壳电源开关机构、外壳充电插口机构、外壳led指示灯机构；所述控制芯片、报警器、通信模块、电源及dc-dc稳压模块设置在外壳内，所述外壳内还设有与控制芯片连接的信号变送器机构、肌肉电信号传感电路机构、主控系统电源接口机构、内部主控系统电源开关机构、压力信号变送器电源接口机构、压力信号数据采集接口机构、肌肉电信号数据采集接口机构、内部数据显示屏连接接口机构、内部led指示灯机构。
34.本发明的有益效果在于：本发明通过深度学习神经网络对康复数据进行分析评估，能够快速地得到更准确的分析结果；本发明实现了功能多样化，具有步态康复训练功能、康复状态评估功能以及步态识别三大创新性功能。步态康复训练功能可以对使用者进行下肢康复训练，加强使用者的康复效果；康复状态评估功能可以让使用者和医生更了解使用者的下肢康复状态，并且医生也可根据评估结果做出患者专属的康复训练计划；步态检测功能则可以用于对使用者的步态是否异常进行检测。本发明设置为双边对称结构，避免了长期使用拐杖带来的各种不适症状。另外，在拐杖上方设有支撑套件，让使用者在使用本产品时在拐杖上使用的力更小，提高使用者的体验感。本发明适用对象众多，不仅可以帮助行动不便的人们行走，还可以帮助患者下肢康复。本发明具有配套软件使用，并且设计了简洁的手机app端实现了信号采集到反馈的整个过程的可视化。
35.本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
36.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
37.图1为本发明所述辅助腿部运动的可穿戴智能拐杖的系统整体结构图；
38.图2为本发明所述辅助腿部运动的可穿戴智能拐杖穿戴示意图；
39.图3为拐杖机械本体结构示意图；
40.图4为可穿戴套件结构示意图，其中(a)为展开示意图，(b)为穿戴示意图；
41.图5为数据采集装置结构示意图；
42.图6为前端页面示意图；
43.图7康复评估算法评估流程图；
44.附图标记：手臂支撑1、把手2、数据采集装置3、定位销钉4、连接机构5、防滑垫6、子母扣11、惯性传感器12、肌电信号传感器13、防滑松紧带14、外壳数据显示屏机构31、外壳系统复位开关机构32、外壳电源开关机构33、外壳充电插口机构34、信号变送器机构35、肌肉电信号传感电路机构36、主控系统电源接口机构37、内部主控系统电源开关机构38、压力信号变送器电源接口机构39、压力信号数据采集接口机构310、肌肉电信号数据采集接口机构311、内部数据显示屏连接接口机构312、控制芯片313、wifi模块机构314、内部led指示灯机构315、外壳led指示灯机构316。
具体实施方式
45.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
46.其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
47.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术
人员而言，可以根据具体情况理解上述术语的具体含义。
48.如图1-5所示，一种辅助腿部运动的可穿戴智能拐杖技术方案如下：该装置由拐杖机械本体与柔软可穿戴套件、支撑力传感器与肌电信号传感器和康复评估平台三大部分构成。其中，拐杖机械本体包含拐杖杆、手臂支撑1、把手2、定位销钉4和连接机构5。所述拐杖杆作为拐杖的整体框架，采用铝合金材料，密度小强度大，定位销钉4可以调节拐杖的高度，有10档伸缩可调节，适用于身高140-190cm之间的人群；把手2为使用者手部支撑部位，外部设有硅胶套，把手处采用了条纹设计，使用时可以增加手掌与把手之间的摩擦力，避免出现滑动的情况；所述连接机构5用于连接传感器和拐杖的机械部分，类似于关节轴承结构，采用螺纹连接，若传感器在使用过程中有损坏可以及时进行更换，拐杖底部还安装有四角底盘，四角底盘底部安装有防滑垫6。
49.柔软可穿戴套件安装在拐杖把手的上方，减少使用拐杖所需的手臂支持力，降低了使用该产品时手臂上所需要提供的力的大小；支撑力传感器通过连接机构感知在竖直方向上力的变化；肌肉电信号传感器粘贴在康复肌肉部位，感知康复肌肉部位肌电信号；惯性传感器，用于测量患者行走腿部所产生的角速度和加速度，再结合拐杖底部的压力传感器和可穿戴套件上的肌电信号传感器采集的数据，从而对患者的行走姿态和步态进行识别。柔软可穿戴套件具体包括，多条防滑松紧带14，其中一条为竖直松紧带，其余为横向松紧带，横向松紧带两端安装有子母扣11，用于固定可穿戴套件，防止其脱落，出现采集数据不准确的情况；惯性传感器12、肌肉电信号传感器13安装在竖直松紧带上。
50.拐杖机械本体上安装有数据采集装置3，可以采集患者支撑力和肌肉电信号数据采集，所述康复评估平台通过建立康复数据管理平台，结合康复评估算法，实现患者的实时康复状态监控和专属的康复训练计划制定。数据采集装置3具体包括外壳数据显示屏机构31、外壳系统复位开关机构32、外壳电源开关机构33、外壳充电插口机构34、信号变送器机构35、肌肉电信号传感电路机构36、主控系统电源接口机构37、内部主控系统电源开关机构38、压力信号变送器电源接口机构39、压力信号数据采集接口机构310、肌肉电信号数据采集接口机构311、内部数据显示屏连接接口机构312、stm32f103c8t6主控芯片机构313、esp8266-01swifi模块机构314、内部led指示灯机构315、外壳led指示灯机构316。
51.在拐杖机械本体与柔软可穿戴套件方面，使用拐杖时，拐杖底部的四脚底盘首先接触地面，使得患者在使用拐杖时更加平稳、安全，防滑底垫与地面的磨擦力较大，能保持拐杖落地时不打滑；拐杖杆上部分由于受到患者力的作用，在连接机构部分会产生一个微小的形变，传感器的弹性体与连接机构紧密贴合，通过感知这个微小的形变，通过其自身内部的电路和配套的变送器向外输出一个力。
52.在支撑力与肌电信号采集方面，具体包括stm32f103c8t6控制芯片，以及与控制芯片连接的压力传感器、肌肉电信号传感器、压力信号变送器、肌肉电信号放大器、esp8266-01s通信模块、蜂鸣报警器、oled显示模块。其中，蜂鸣报警器设置在控制芯片旁，可由控制芯片或app发送的指令设置报警条件、阈值并由采集数据分析结果控制响应。压力传感器共有三个，分别均匀放置在拐杖底部与地面接触部分，实时检测拐杖底部的受力状态，由此为使用者的步态状态检测提供数据来源。肌肉电信号传感器通过信号线接至用户腿部肌肉表面，实时检测使用者的肌肉电信号，通过肌肉电信号放大器将微小的肌肉电信号放大至控制芯片可以采集到的大小范围，然后将数据传至控制器，主控芯片控制esp8266-01s通信模
块上传压力与肌肉电数据至云端。
53.在电路设计部分，根据stm32f103c8t6的芯片资源合理设计走线，以及根据电源线接入电流大小设置走线粗细。为保证输入电源的稳定以及考虑到电源转换效率，使用转换效率为95％的dc-dc稳压模块输出转换电源。电路使用两个开关，一个负责肌肉电信号传感器电源开关，另一个负责控制芯片与其余元件电源输入。将元件分布放置在主控芯片四周，减小电路板的尺寸，极大降低成本。
54.在数据采集和处理部分，可穿戴康复拐杖的数据采集、处理使用到的相关硬件有肌肉电信号传感器、压应变力传感器、压力信号变送器、肌肉电信号放大器、stm32f103c8t6低功耗单片机。其中肌肉电信号传感器基本工作原理是通过感应器可以捕捉到用户肌肉运动时产生的肌肉电变化，然后使用肌肉电信号放大器对肌肉电信号进行前置放大，再通过低通、高通滤波，对信号进行二次放大，使用主控芯片adc模式下的引脚采集放大后的肌肉电信号，实现肌肉电信号的数据采集。压应变力传感器由弹性元件和惠斯通电桥电路组成，其工作原理是在人的手臂施加一个向下的力作用在拐杖上的传感器的弹性元件上时，会使弹性元件变形从而产生应变，然后通过惠斯通桥式电路将电阻变化转化为电压输出。使用压力信号变送器将传感器的电压模拟量按0-3.3v线性输出,通过stm32f103c8t6控制芯片adc模式下的引脚获取，通过使用keil编写均值滤波对电压值做原始采集处理，实现压力信号的采集。
55.数据传输部分则采用esp8266-01swifi模块完成，通过stm32f103c8t6控制芯片的串口(usart)与该wifi模块连接，并在波特率为115200时发送at指令控制该wifi模块连接手机wifi以接入互联网，然后通过配置端口号、域名接入服务器，即该wifi模块连接云端。在数据上传阶段，wifi模块充当消息发布者，发布者的发布的数据通过代理服务器被接收者接收；在命令下发阶段，app充当消息发布者，发布者的发布的控制命令通过代理服务器被wifi模块接收，主控芯片收到指令后做出响应，最终完成压力、肌肉电信号数据上传云端以及云端指令的下发功能。
56.在康复评估平台方面，其主要分为前端部分、后端部分、算法部分和运维部分，其中前端部分出于对用户群体的分析，考虑到用户群体主要是老年人、患者和患者家属等，为了他们的使用方便性采用的是uniapp开发，实现了横跨小程序(微信/支付宝/百度/字节跳动/qq/钉钉)、app(ios/android)和h5等多个平台，保证其能在各种设备上正确运行并达到优秀体验；后端部分采用的是nestjs这款优秀的框架来开发后端服务，nestjs作为一款node的框架，能很好的应对高并发的情景，保证了用户服务的稳定性。后端主要实现方式为：通过nestjs开发了的高性能后端服务程序，当用户或拐杖终端请求的接口时，nestjs开始处理相关请求，如果数据是需要频繁读写的数据就从redis中读写，如果数据是非频繁读写的数据就从mysql中读写，然后根据相关的业务逻辑执行对应的内容；算法部分主要是使用pytorch训练的一个深度学习神经网络，拐杖上采集到的康复数据发送到后端进行预处理存到数据库后，当调用分析算法时，将该段时间的数据输入到训练的深度学习网络中来分析患者康复情况从而了解使用者的实时情况，并对患者康复状态进行评估，便于制定最合理的康复训练方案；运维部分采用的是kubernetes实现产品的devops平台。康复评估算法如下：
57.(1)数据传输。通过数据采集系统将所需的肌电信号和拐杖底部受力情况传输至
后端数据库。
58.(2)分割算法研究。将采集到的数据进行重复次数分割算法以及肌肉状态、力作用状态分割算法研究后，生成患者的使用记录。
59.(3)肌肉动态能力评估。将上一步分割算法研究的数据进一步的对力产生能力指标和力保持能力指标进行分析，实现对患者肌肉功能的评价。
60.(4)数据传输。将算法分析的结果传递至前端页面显示，方便患者以及医生对患者康复状态进行实时了解。
61.以下是本装置的工作原理及步骤：
62.步骤一、设备佩戴：需要进行下肢康复训练的患者在进行康复训练时，首先需要将肌电信号传感器的腿部套件穿戴好，并将肌电信号传感器的末端贴片粘贴至需要采集肌肉电信号的腿部肌肉处，然后将装有主控系统的背包背至背部，手握拐杖，打开电源。
63.步骤二、数据采集：用户通过手机app或者微信小程序进行授权数据采集，然后该装置的数据采集系统开始运行。首先是康复训练患者进行行走，会使腿部肌电信号发生变化，从而通过肌电信号传感器采集到该信号，同时下肢康复训练患者在使用改装置时会以拐杖为支撑，进而会对拐杖产生力的作用，导致的该拐杖底部三个压应变式传感器产生的电压信号变化，最后拐杖底部受力的数据与肌电信号采集完成。
64.步骤三、数据传输：esp8266-01swifi模块通过主控芯片的设置，连接进互联网，将采集到的拐杖底部受力的数据与肌电信号数据使用主流的mqtt协议通过esp8266-01swifi模块同时上传至云端，esp8266-01swifi模块接入emq的服务器，实现数据上传云端的可视化。
65.步骤四、数据分析：拐杖上采集到的康复数据发送到后端进行预处理存到数据库后，调用分析算法对采集到的数据进行分析，再将分析后的结果进行保存及反馈。在使用者的手机app端或者微信小程序进行结果显示分析结果。
66.步骤五、辅助训练：在对分析结果进行反馈后，使用者可以自己在app或者小程序上选择适合自己的康复训练模式。并且针对不同的分析结果，系统会给予最优的康复训练方案供使用者选择。同时在康复训练过程中，装置上的传感器也会实时采集使用者的肌电信号和拐杖底部受力数据并传递至后端进行分析，以监测康复过程的安全性。
67.具体的，如图7所示，康复评估平台通过以下流程进行评估：
68.1.首先将采集到的数据进行样本预处理。
69.2.处理上述得到的样本数据，将相关样本划分为训练集和测试集。
70.3.根据训练集中样本构建训练任务：首先从训练集中选取k类样本，每类中选取n个样本作为support set，再选取1一个query set，如此循环往复至足够的任务数(本专利采用400)。
71.4.和步骤3相同的方式构建测试任务。
72.5.训练：将训练任务中的support set输入到网络中，得到高维特征后，拉远不同类特征距离同时拉近同类特征距离来优化网络参数，再通过query set中的1个样本来测试优化后的参数后，最后根据分类损失进行进一步的优化。
73.6.测试：将测试集中任务按照步骤4相同的步骤来进行对query set进行测试，根据测试结果判断模型是否有效，如果准确率较低则重新回到步骤3。
74.7.部署：将模型部署到云端中，后续有数据上传到数据库后可以直接调用模型进行预测。
75.8.传输：将采集到的数据预处理编码后上传到云端，云端保存解码后数据。
76.9.模型预测：将数据输入到网络模型中，得出该数据对应6类的预测概率，以最大概率的类别为预测结果。6类分别是：
77.0级：完全瘫痪；
78.1级：有肌肉收缩，但无肢体关节运动；
79.2级：肢体能完成全关节活动范围，能在床面移动，但不能对抗重力抬起；
80.3级：肢体能完成全关节活动范围，可抬离床面，对抗重力，不能对抗阻力；
81.4级：肢体能完成全关节活动范围，并能对抗一定的外界阻力，但未达到正常；
82.5级：完全正常。
83.10.评估：当其健康状态判断为已恢复时，则直接将其分析结果发送出去。若健康状态判断为未完全恢复，则接下来将会对数据进行进一步的处理，首先对其肌力依照medical research council分级(mrc分级)将其分为0-5总共6个等级，若判断分析其对应肌力等级小于3，则直接将分析结果发送给医生，并对医生进行提醒，需要医生对其进行进一步的检测分析；若肌力等级大于3的肌肉则会进行进一步的分析检测，包括等长肌力检测、等张肌力检测及等速肌力检测，进一步判断其恢复情况，再根据结果和之前的数据进行对比，得出其康复进度以及目前康复状态。
84.11.可视化：前端根据云端分析结果将分析结果进行可视化呈现。
85.康复评估平台具有三个功能：
86.1.康复状态评估功能：患者在正确穿戴好本设备后，打开位于拐杖侧方的系统电源开关以及系统复位开关，然后在用户手机app端点击开始采集，便可根据系统指示进行一段五分钟左右的行走、抬腿、微蹲、踢腿一系列操作以采集多情况下的腿部肌肉的肌电信号和拐杖底部的受力信号，信号采集完成后拐杖会接收到手机app自动发出的关闭信号，关闭信号采集系统。
87.信号采集完成后，会通过mqtt协议通过esp8266-01swifi模块同时上传至云端，当云端系统接收到wifi模块上传过来的数据后，首先会对其进行预处理，再将预处理后的数据存储到数据库，在数据库里面调用康复状态评估算法对其进行分析处理，而后将分析结果同步到用户手机app端及医生系统管理处供患者及医生查看结果。
88.当医生查看到评估结果后，会针对不同的报告结果采取不同的康复策略。例如某位患者在康复一段时间后其康复状态评估结果显示肌力等级小于3，则说明该患者近段时间的康复效果并不理想，仍需医生对其进行进一步的询问和检查去判断其康复过程是否出现什么问题、需要做什么调整，以确保患者的康复训练计划始终保持是最合适当前状态的。若当康复评估结果显示其肌力等级大于3，其余各项指标对比以往数据也在稳步提升，系统则会对其恢复程度进行一个判断，并将其目前康复状态进行细致的呈现，医生则可以根据患者目前的康复状态和恢复效果进行后续的康复计划制定。
89.2.步态训练功能：按上述步骤采集数据并进行康复状态评估后，在用户的手机app或者小程序会对患者康复状态进行显示，如图6所示。而后在系统后台针对不同程度的康复状态设置有不同强度的康复训练模式，不同的康复训练模式主要不同在于其康复训练动作
的强度不同，并且在相同的康复训练模式下还设置有不同的阶段，包含有热身阶段、训练阶段。其中热身阶段是为了防止患者突然面临高强度的训练而出现二次受伤的可能。训练阶段则是将各个不同的训练动作分为几个小组，一个小组有设定好的时间，患者根据指示按要求训练即可，按着这样的设定训练，可有效的避免患者因为训练过度而造成二次伤害。
90.除此之外，在患者穿戴的腿部套件里面还安置有贴片电容，作为神经肌肉电刺激(nmes)的实现工具，在训练的同时系统会根据患者的康复程度输出预先设定好的电流对腿部肌肉进行刺激，从而促进自主肌肉控制，并且减少痉挛。
91.3.步态检测功能：本功能主要是基于压力传感器和肌电信号传感器，通过分析被试者的步态信息，识别出被试者的步态模式，进而判断患者步态是否出现异常，
92.其具体实施方式为：首先是基于压力传感器和肌电信号传感器所测量的信号变化趋势，识别人体脚步落地、脚步离地步态事件，进而计算出人体的步态周期、支撑周期、摆动周期、步频等时间上的参数；再根据惯性传感器所测角速度、加速度计算小腿姿态与三维运动轨迹以及跨步长度、步行速度、腿脚抬起高度等空间上的参数。而后将分析出的数据与我们提前建立的健康人群步态信息数据库里面的健康人群步态数据进行对比，从而判断患者的步态是否存在异常或者量化异常的具体程度，并将分析的报告呈现给医生，若患者步态检测结果出现异常情况，医生可根据分析结果对患者进行相关诊断治疗。
93.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。