一种基于虚拟现实的康复训练方法和运动评估设备
阅读：779发布：2023-01-26
专利汇可以提供一种基于虚拟现实的康复训练方法和运动评估设备专利检索，专利查询，专利分析的服务。并且本 发明 涉及 生物 信息技术领域，尤其涉及一种基于 虚拟现实 的康复训练方法、运动评估设备、虚拟现实设备和康复训练系统。方法包括：采集用户的运动 信号 ，将运动信号发送给上位机，以使上位机将运动信号和虚拟现实场景进行融合，得到融合画面,以及对融合画面进行分析，得到分析结果，当用户训练结束后，采集用户的步态数据，将步态数据发送给上位机，以使上位机根据步态数据，计算用户的平衡能 力 指数。一方面可降低用户的跌倒 风 险，另一方面有利于及时了解用户的平衡能力。，下面是一种基于虚拟现实的康复训练方法和运动评估设备专利的具体信息内容。
1.一种基于虚拟现实的康复训练方法，应用于运动评估设备，其特征在于，所述方法包括：
采集用户的运动信号；
将所述运动信号发送给上位机，以使所述上位机将所述运动信号和虚拟现实场景进行融合，得到融合画面,以及，
对所述融合画面进行分析，得到分析结果；
当所述用户训练结束后，采集所述用户的步态数据；
将所述步态数据发送给所述上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数，其中，所述平衡能力指数用于表征所述用户的平衡能力。
2.根据权利要求1所述的方法，其特征在于，所述将所述步态数据发送给上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数，包括：
使用预设运动评估模型处理所述步态数据，得到所述用户的平衡能力指数。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
预先训练运动评估模型。
4.根据权利要求3所述的方法，其特征在于，所述预先训练运动评估模型，包括：
采集若干步态样本数据；
为每个所述步态样本数据打上对应的标签；
根据深度学习算法，使用所述若干步态样本数据及对应每个所述步态样本数据的标签训练模型，得到所述预设运动评估模型。
5.根据权利要求4所述的方法，其特征在于，所述当所述用户训练结束后，采集所述用户的步态数据，包括：
当检测到所述用户在虚拟现实场景中训练结束后，获取步态检测指令；
根据所述步态检测指令，采集所述用户按照指定运动方式行走的步态数据。
6.根据权利要求1所述的方法，其特征在于，所述虚拟现实场景包含用于辅助所述用户运动的训练场景画面；
所述训练场景画面包括：原地接球场景、原地投球场景，上下抬脚并接球场景、上下抬脚并投球场景，持续走路并接球场景、持续走路并投球场景中的至少一种场景。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
接收训练场景选择指令，其中，每个所述训练场景选择指令指向每类训练场景画面；
呈现包含所述训练场景画面的虚拟现实场景，以使所述用户根据所述虚拟现实场景实施运动。
8.一种运动评估设备，其特征在于，包括：
控制器，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6任一项所述的方法。
9.一种虚拟现实设备，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求7所述的方法。
10.一种康复训练系统，其特征在于，包括：
如权利要求8所述的运动评估设备，如权利要求9所述的虚拟现实设备和上位机；
所述上位机分别与所述运动评估设备和所述虚拟现实设备连接。
一种基于虚拟现实的康复训练方法和运动评估设备
技术领域
背景技术
[0003] 传统的对帕金森病患者的静止性震颤、姿势平衡障碍治疗分为药物治疗和物理治疗，药物治疗虽是目前最主流的治疗方式，不过同时也存在个体差异、药物反应性差和药物副作用的风险。因此，改善患者的运动障碍，一般都是通过训练的方式来实现的，训练时必须有专业人员在旁边进行提醒和指导，以避免患者跌倒，并且在训练结束后，如果想要知道患者的状态，需要高年资神经病学专科医生采用包括平衡能力评价量表在内一系列评估量表进行评分，通过一系列的评分结果对患者的状态进行评估，没法及时了解患者的状态。
发明内容
[0004] 基于此，有必要针对上述技术问题，提供一种基于虚拟现实的康复训练方法、运动评估设备、虚拟现实设备和康复训练系统，一方面能够降低用户的跌倒风险，另一方面能够及时了解用户的平衡能力。
[0005] 第一方面，本发明实施例提供了一种基于虚拟现实的康复训练方法，应用于运动评估设备，所述方法包括：
[0007] 将所述运动信号发送给上位机，以使所述上位机将所述运动信号和虚拟现实场景进行融合，得到融合画面,以及，
[0008] 对所述融合画面进行分析，得到分析结果；
[0009] 当所述用户训练结束后，采集所述用户的步态数据；
[0010] 将所述步态数据发送给所述上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数，其中，所述平衡能力指数用于表征所述用户的平衡能力。
[0011] 在一些实施例中，所述将所述步态数据发送给上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数，包括：
[0012] 使用预设运动评估模型处理所述步态数据，得到所述用户的平衡能力指数。
[0013] 在一些实施例中，所述方法还包括：预先训练运动评估模型。
[0014] 在一些实施例中，所述预先训练运动评估模型，包括：
[0015] 采集若干步态样本数据；
[0016] 为每个所述步态样本数据打上对应的标签；
[0018] 在一些实施例中，所述当所述用户训练结束后，采集所述用户的步态数据，包括：
[0019] 当检测到所述用户在虚拟现实场景中训练结束后，获取步态检测指令；
[0021] 在一些实施例中，所述虚拟现实场景包含用于辅助所述用户运动的训练场景画面；
[0022] 所述训练场景画面包括：原地接球场景、原地投球场景，上下抬脚并接球场景、上下抬脚并投球场景，持续走路并接球场景、持续走路并投球场景中的至少一种场景。
[0023] 在一些实施例中，所述方法还包括：
[0024] 接收训练场景选择指令，其中，每个所述训练场景选择指令指向每类训练场景画面；
[0025] 呈现包含所述训练场景画面的虚拟现实场景，以使所述用户根据所述虚拟现实场景实施运动。
[0026] 第二方面，本发明实施例还提供了一种运动评估设备，包括：
[0027] 控制器，包括：
[0028] 至少一个处理器；以及，
[0029] 与所述至少一个处理器通信连接的存储器；其中，
[0030] 所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
[0031] 第三方面，本发明实施例还提供了一种虚拟现实设备，包括：
[0032] 至少一个处理器；以及，
[0033] 与所述至少一个处理器通信连接的存储器；其中，
[0034] 所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
[0035] 第四方面，本发明实施例还提供了一种康复训练系统，包括：
[0036] 运动评估设备、虚拟现实设备和上位机；
[0037] 所述上位机分别与所述运动评估设备和所述虚拟现实设备连接。
[0038] 第五方面，本发明实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被运动评估设备所执行时，使所述运动评估设备执行上述的方法。
[0039] 与现有技术相比，本发明的有益效果是：区别于现有技术的情况，本发明实施例中的基于虚拟现实的康复训练方法、运动评估设备、虚拟现实设备和康复训练系统，通过运动评估设备采集用户的运动信号，将所述运动信号发送给上位机，以使所述上位机将所述运动信号和虚拟现实场景进行融合，得到融合画面，并对所述融合画面进行分析，得到分析结果；当所述用户训练结束后，运动评估设备采集所述用户的步态数据，并将所述步态数据发送给所述上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数。一方面可降低用户的跌倒风险，另一方面有利于及时了解用户的平衡能力。附图说明
[0040] 一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
[0041] 图1是本发明康复训练系统的示意图；
[0043] 图3是本发明基于虚拟现实的康复训练方法的一个实施例的流程图；
[0044] 图4是本发明基于虚拟现实的康复训练方法的一个实施例的运动评估模型训练的流程图；
[0045] 图5是本发明基于虚拟现实的康复训练方法的一个实施例的采集步态数据的流程图；
[0046] 图6是本发明应用于虚拟现实设备的一个实施例的流程图；
[0047] 图7是本发明运动评估设备的控制器的硬件结构示意图；
[0048] 图8是本发明虚拟现实设备的硬件结构示意图。
具体实施方式
[0049] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050] 需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互结合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
[0051] 本发明提供的基于虚拟现实的康复训练方法适用于图1所示的应用场景，在本发明实施例中，所述应用场景为康复训练系统，包括运动评估设备10、虚拟现实设备20和上位机30，所述上位机30分别与所述运动评估设备10和所述虚拟现实设备20通讯连接，所述运动评估设备10和所述虚拟现实设备20通过所述上位机30进行数据交互。具体地，所述上位机30用于将所述虚拟现实场景发送给所述虚拟现实设备20，以在所述虚拟现实设备20显示所述虚拟现实场景。所述上位机30还用于生成画面，并根据所述画面计算运动信号数据，以及接收运动评估设备10发送的步态数据，并通过上位机30里预先安装的评估软件对所述步态数据进行分析。
[0052] 如图2所示，所述运动评估设备10包括控制器101和传感器102，传感器102可以采用基于MEMS(Micro-Electro-Mechanical System：微机电系统)的惯性传感器，利用基于MEMS的惯性传感器，可以减小运动评估设备的体积及重量，方便佩戴，控制器101和虚拟现实设备20通信连接，用于控制传感器102采集帕金森病患者的运动数据。
[0053] 虚拟现实设备20用于显示虚拟现实场景，虚拟现实设备20可以采用VR头显(虚拟现实头戴式显示设备)，佩戴在帕金森病患者的头部。可以理解的是，在其他一些实施例中，所述虚拟现实设备12可以是VR眼镜。可预先在上位机30中安装评估软件和训练程序，训练程序例如可以为Android安装包，训练程序是预先设置好的，训练程序中包含多个不同的虚拟现实场景。
[0054] 如图3所示，本发明实施例提供了一种基于虚拟现实的康复训练方法，应用于运动评估设备，所述方法由运动评估设备中的控制器执行，所述方法包括：
[0055] 步骤302，采集用户的运动信号。
[0056] 步骤304，将所述运动信号发送给上位机，以使所述上位机将所述运动信号和虚拟现实场景进行融合，得到融合画面。
[0057] 在本发明实施例中，用户为非正常人，例如可以是帕金森病患者等。运动信号为真实世界的运动信号，虚拟现实场景可以是通过3DMAX等软件制作的第一视角下的各种环境。通过虚拟现实设备为用户提供康复训练的虚拟场景画面，用户可在虚拟场景画面中进行康复训练。虚拟场景包括但不限于操场、街道等。所述虚拟场景可避免实际的障碍物，一方面可降低患者的跌倒风险，另一方面可降低对场地的限制，使用户在一个地点即可完成训练。
具体地，将虚拟现实设备即VR眼镜佩戴于用户的头部，将运动评估设备穿戴于用户的手腕、躯干和脚踝等部位，当用户在虚拟现实设备呈现的虚拟训练场景运动时，运动评估设备实时采集用户在真实世界的运动信号，并将采集到的运动信号发送给上位机，上位机将运动信号和虚拟现实场景进行融合，得到融合画面。
具体地，将虚拟现实设备即VR眼镜佩戴于用户的头部，将运动评估设备穿戴于用户的手腕、躯干和脚踝等部位，当用户在虚拟现实设备呈现的虚拟训练场景运动时，运动评估设备实时采集用户在真实世界的运动信号，并将采集到的运动信号发送给上位机，上位机将运动信号和虚拟现实场景进行融合，得到融合画面。
[0058] 步骤306，对所述融合画面进行分析，得到分析结果。
[0059] 在本发明实施例中，所述分析结果可以用于对训练过程进行评估，分析结果包括用户的的总体运动量以及反应时间、投球准确性以及接球成功率等。上位机可通过融合画面获得用户的总体运动量、反应时间、投球准确性以及接球成功率等，从而确定用户的训练情况。具体地，上位机对用户的训练时长进行估算，得到用户的总体运动量；上位机通过判断训练场景画面中球飞出的时间和用户身体对应运动开始的时间，得到用户的反应时间。需要说明的是，可预先设置虚拟现实中球体飞行的规则，所述规则涉及运动学、动力学，流体力学以及空气动力学等，可利用惯性、重力加速度以及物体质量空气阻力等参数来确定上述规则；通过投球准确性以及接球成功率来确定用户是否成功完成接投球。需要说明的是，分析结果不限于上述总体运动量、反应时间、投球准确性以及接球成功率等。
[0060] 步骤308，当所述用户训练结束后，采集所述用户的步态数据。
[0061] 在本发明实施例中，步态数据可以为三维空间运动角速度和加速度信号，当用户运动结束后，运动评估设备继续采集用户的步态数据即三维空间角速度和加速度信号。
[0062] 步骤310，将所述步态数据发送给所述上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数，其中，所述平衡能力指数用于表征所述用户的平衡能力。
[0063] 在本发明实施例中，用户的平衡能力指数与用户的平衡能力有特定的映射关系，可以通过用户的平衡能力指数来确定用户的平衡能力训练效果。其中，平衡能力指数可以通过分数的形式进行显示，从而使得显示结果更直观。该分数是基于平衡能力评价量表得到的。具体地，当用户训练结束后，运动评估设备采集该用户的步态数据，并将所述步态数据发送给上位机，上位机根据所述步态数据即三维空间角速度和加速度信号计算用户的平衡能力指数，从而得到一个分数，通过该分数可以知道用户的平衡能力。
[0064] 在本发明实施例中，运动评估设备采集用户的运动信号，然后将运动信号发送给上位机，以使所述上位机将所述运动信号和虚拟现实场景进行融合，得到融合画面，并对对所述融合画面进行分析，得到分析结果，从而确定用户的训练情况；当所述用户运动结束后，运动评估设备再次采集用户的步态数据，并将所述步态数据发送给所述上位机，以使所述上位机根据此次的步态数据，计算用户的平衡能力指数，一方面能能够降低用户的跌倒风险，另一方面能够及时了解用户的平衡能力。
[0065] 在一些实施例中，所述将所述步态数据发送给上位机，以使所述上位机根据所述步态数据，计算所述用户的平衡能力指数，包括：使用预设运动评估模型处理所述步态数据，得到所述用户的平衡能力指数。
[0066] 在本发明实施例中，运动评估模型为运动平衡能力评估模型。运动评估模型可以是在其他设备上事先训练好，然后加载在上位机里运行。具体地，将采集到的步态数据传输到上位机后，使用上位机里的平衡能力评估模型对步态数据进行处理，从而得到用户的平衡能力指数即分数。
[0067] 在一些实施例中，如图4所示，所述预先训练运动评估模型，包括：
[0068] 步骤402，采集若干步态样本数据。
[0069] 步骤404，为每个所述步态样本数据打上对应的标签。
[0070] 在本发明实施例中，标签是通过平衡能力评价量表上的评分标准得到的，平衡能力评价量表包括若干子项目，若干子项目的评分规则为0(重度)、1(中度)、2(轻度)、3(轻微)、4(正常)。具体地，用户按照平衡能力评价量表上的若干子项目运动，每一子项目对应一分数，最后将所有分数相加，得到总得分。当所有的子项目完成后，运动评估设备采集用户直线行走7米的步态样本数据，将最终的总得分作为步态样本数据的标签，从而得到步态样本数据和标签的对应关系，有利于对后续步态数据处理提供基础。步态样本数据越多，用户的平衡能力检测越准确。
[0071] 步骤406，根据深度学习算法，使用所述若干步态样本数据及对应每个所述步态样本数据的标签训练模型，得到所述预设运动评估模型。
[0072] 在本发明实施例中，深度学习算法是一种利用数据，训练出模型，然后使用模型预测的一种方法。具体地，使用从数据库中获取到的若干步态样本数据及对应的标签训练模型，从而得到预设的运动评估模型，后续可直接利用训练好的评估模型自动对步态数据进行分析，有利于提高平衡能力检测的准确度。
[0073] 可以理解的是，在其他一些实施例中，通过运动评估模型的输出结果对用户的平衡能力进行评估。具体地，运动评估模型输出结果为0-56，其中，0-20表示用户平衡能力差，21-40表示用户平衡能力一般，41-56表示用户平衡能力良好，通过运动评估模型输出的总分所处的范围，来确定用户的平衡能力等级。
[0074] 在一些实施例中，如图5所示，所述当所述用户运动结束后，采集所述用户的步态数据，包括：
[0075] 步骤502，当检测到所述用户在虚拟现实场景中运动结束后，获取步态检测指令。
[0076] 步骤504，根据所述步态检测指令，采集所述用户按照指定运动方式行走的步态数据。
[0077] 在本发明实施例中，步态检测指令用于启动步态检测程序，指定运动方式可以为直线运动。具体地，当用户在虚拟现实场景中运动结束后，获取步态检测指令，采集患者直线行走7米后的步态数据即三维空间角速度和加速度信号。可以理解的是，在其他一些实施例中，指定运动方式不限于直线，行走距离不限于7米，但需与模型训练时用户行走的距离和方式保持一致。
[0078] 在一些实施例中，所述虚拟现实场景包含用于辅助所述用户运动的训练场景画面，其中，所述训练场景画面包括：原地接球场景、原地投球场景，上下抬脚并接球场景、上下抬脚并投球场景，持续走路并接球场景、持续走路并投球场景中的至少一种场景。
[0079] 在本发明实施例中，给用户佩戴运动评估设备和虚拟现实设备，并选择虚拟现实设备中预先预存的训练场景画面，当选择的训练场景画面为原地接球、投球时，用户不需要行走，原地完成接球和投球的动作；当选择的训练场景画面为上下抬脚并接球、投球时，用户的两条腿依次进行上下抬腿的同时，手上无球时进行接球，手上有球时进行投球；当选择的训练场景画面为持续走路并接球、投球时，用户可朝任意方向行走，同时视手上有无球进行投球或接球。
[0080] 以下对虚拟现实中的投球和接球进行详细说明。
[0081] 当球在用户的手上时，用户一只手或者双手用力将手上的球向球框的方向推，球可向球框的方向运动，此时完成了投球运动。
[0082] 当球到达以手为圆心，R为半径的球体内时，并且当手做出紧握的动作时，此时球可接住，完成接球动作。
[0083] 例如，当选择的训练模式为原地接球、投球时，用户站在原地不动，当球到达以手为圆心，R为半径的球体内，并且用户的双手做出紧握的动作时，即完成接球，当投球时，用户站在原地不动，用户可用一只手或双手将手上的球向球框的方向推，即可完成投球运动。
[0084] 需要说明的是，训练场景画面不限于原地接球场景、原地投球场景，上下抬脚并接球场景、上下抬脚并投球场景，持续走路并接球场景、持续走路并投球场景，还可以为其他的训练场景画面。
[0085] 在一些实施例中，如图6所示，所述方法还包括：
[0086] 步骤602，接收训练场景选择指令，其中，每个所述训练场景选择指令指向每类训练场景画面。
[0087] 步骤604，呈现包含所述训练场景画面的虚拟现实场景，以使所述用户根据所述虚拟现实场景实施运动。
[0088] 在本发明实施例中，虚拟现实设备中预先存储有各种类型的训练场景画面，每个训练场景画面对应不同的训练时间。例如，原地接球、投球的训练画面对应的训练时间为5分钟，上下抬脚并接球、投球的训练画面对应的训练时间为8分钟等。具体地，在开始训练前，用户佩戴好虚拟现实设备和运动评估设备，虚拟现实设备接收用户选择的训练场景指令，接着虚拟现实设备呈现用户选择的训练场景画面，用户可根据该虚拟训练场景画面进行训练。在虚拟场景中训练可避免实际的障碍物，一方面可降低用户的跌倒风险，另一方面可降低对场地的限制，使用户在一个地点即可完成训练。
[0089] 请参阅图7，图7是本发明实施例提供的运动评估设备控制器的硬件结构示意图，如图7所示，该控制器70包括：
[0090] 一个或多个处理器71以及存储器72，图7中以一个处理器71为例。
[0091] 处理器71和存储器72可以通过总线或者其他方式连接，图7中以通过总线连接为例。
[0092] 存储器72作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中基于虚拟现实的康复训练方法对应的程序指令/模块。处理器71通过运行存储在存储器72中的非易失性软件程序、指令以及模块，从而执行运动评估设备的各种功能应用以及数据处理，即实现上述方法实施例的康复训练方法。
[0093] 存储器72可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；此外，存储器72可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
[0094] 所述一个或者多个模块存储在所述存储器72中，当被所述一个或者多个控制器70执行时，执行上述任意方法实施例中的康复训练方法，例如，执行以上描述的图3中的方法步骤302至步骤310、图4中的方法步骤402至步骤406，图5中的方法步骤502至步骤504。
[0095] 本发明实施例提供了一种计算机程序产品，包括存储在非易失性计算机可读存储介质上的计算程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时时，使所述计算机执行：图3中的方法步骤302至步骤310、图4中的方法步骤402至步骤406，图5中的方法步骤502至步骤504。
[0096] 上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
[0097] 请参阅图8，图8是本发明实施例提供的虚拟现实设备的硬件结构示意图，如图8所示，该虚拟现实设备80包括：
[0098] 一个或多个处理器81以及存储器82，图8中以一个处理器81为例。
[0099] 处理器81和存储器82可以通过总线或者其他方式连接，图8中以通过总线连接为例。
[0100] 存储器82作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中基于虚拟现实的康复训练方法对应的程序指令/模块。处理器81通过运行存储在存储器82中的非易失性软件程序、指令以及模块，从而执行运动评估设备的各种功能应用以及数据处理，即实现上述方法实施例的康复训练方法。
[0101] 存储器82可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；此外，存储器82可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
[0102] 所述一个或者多个模块存储在所述存储器82中，当被所述一个或者多个虚拟现实设备80执行时，执行上述任意方法实施例中的康复训练方法，例如，执行以上描述的图6中的方法步骤602至步骤604。
[0103] 通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
[0104] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 温控系统、基于温控系统的温控方法及电子设备 | 2020-08-01 | 2 |
| 一种无线传感器网络数据预测方法 | 2020-11-05 | 1 |
| 低密度奇偶校验码的译码方法和译码器 | 2020-06-16 | 1 |
| 一种信息提醒方法、装置、计算机设备及存储介质 | 2020-08-21 | 1 |
| 含多种颗粒弥散火焰温度场及浓度场诊断方法 | 2021-08-04 | 2 |
| 一种确定矿井巷网火灾灭火封堵位置的方法 | 2020-07-06 | 1 |
| 一种氢能燃料电池车的能量管理方法 | 2020-07-16 | 2 |
| 车辆在变附着工况下力矩分配方法 | 2020-09-27 | 2 |
| 一种从人体X射线图像中自动提取膝关节部分图像的方法 | 2020-11-16 | 2 |
| 在一个或多个无线电通信系统中管理向多个网络的双重注册的方法和装置 | 2021-05-24 | 1 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈