康復機器人常通過多種傳感器,有效監測和記錄整個康復訓練過程中的人體運動學參數,如運動速度、運動范圍、運動平穩性、運動精確度、運動效能(主動運動比例)、運動效率(理論/目標軌跡長度與實際運動軌跡長度之比)等,進而對患者的康復進展做出量化評價,具有較高的靈敏度。
Colombo等在單自由度手腕康復機器人和雙自由度肘-肩康復機器人中,采用完成圓形或方形軌跡任務時的平均速度、運動偏差和主動運動指數來描述恢復期腦卒中患者上肢的運動速度、精確度及效能,認為這些運動學參數與Fugl-Meyer運動功能評定量表呈中度相關(r>0.53,P<0.03)。Longhi等則在Armeo Spring外骨骼機器人中,采用手徑比、平均速度和速度分布峰速度來測定腦卒中患者上肢的運動精確度、速度及平穩性,結果與Wolf運動功能評價量表呈中度相關(|rho|=0.31-0.50)。以上運動學參數與量表評價法的相關性研究結果,為該評價方法應用于臨床療效評估提供了可能性。
基于康復機器人內部傳感器識別記錄訓練過程中的運動學參數,能夠實時定量評估不同的運動模式,還能夠掌握患者是否主動參與訓練等情況。但尚存以下問題:
1 不同機器人提供的運動學參數和指標不一致,評估結果缺乏可比性。例如,InMotion上肢機器人采用峰值速度來反映運動平穩性,而RUPERT上肢外骨骼機器人以加速度變化率來反映這一特性;運動精確度評價方面,Braccio di Ferro觸覺機器人通過記錄“∞字形”軌跡任務時的運動軌跡偏差來反映運動精確度,而HapticKnob末端牽引式上肢機器人則記錄了點對點任務時的目標誤差來反映這一特性。
2 無嚴格的信度和效度研究,尚待進一步的驗證。
3 因康復機器人的機械結構限制了參數采集的范圍,如末端牽引式上肢康復機器人的內部傳感器只能記錄手部運動軌跡,而不能采集上肢其他部位的運動學參數,導致其評估結果不夠全面。
此外,部分康復機器人無信號采集子系統,不能實時采集訓練過程中的運動學參數。
鑒于以上缺點,基于機器人內部傳感器提供運動學參數來進行康復療效評估方法尚未得到臨床廣泛應用,筆者認為建立規范有效的評價體系是康復機器人亟需解決的問題。
資料獲取 | |
新聞資訊 | |
== 資訊 == | |
» 人形機器人未來3-5年能夠實現產業化的方 | |
» 導診服務機器人上崗門診大廳 助力醫院智慧 | |
» 山東省青島市政府辦公廳發布《數字青島20 | |
» 關于印發《青海省支持大數據產業發展政策措 | |
» 全屋無主燈智能化規范 | |
» 微波雷達傳感技術室內照明應用規范 | |
» 人工智能研發運營體系(ML0ps)實踐指 | |
» 四驅四轉移動機器人運動模型及應用分析 | |
» 國內細分賽道企業在 AIGC 各應用場景 | |
» 國內科技大廠布局生成式 AI,未來有望借 | |
» AIGC領域相關初創公司及業務場景梳理 | |
» ChatGPT 以 GPT+RLHF 模 | |
» AIGC提升文字 圖片滲透率,視頻 直播 | |
» AI商業化空間前景廣闊應用場景豐富 | |
» AI 內容創作成本大幅降低且耗時更短 優 | |
== 機器人推薦 == | |
服務機器人(迎賓、講解、導診...) |
|
智能消毒機器人 |
|
機器人底盤 |