基于贝叶斯优化的康复训练参与度自适应增强方法研究.pdf
《基于贝叶斯优化的康复训练参与度自适应增强方法研究.pdf》由会员分享,可在线阅读,更多相关《基于贝叶斯优化的康复训练参与度自适应增强方法研究.pdf(10页珍藏版)》请在咨信网上搜索。
1、基于贝叶斯优化的康复训练参与度自适应增强方法研究曾 洪 陈晴晴*李 潇 张建喜 宋爱国(东南大学仪器科学与工程学院 南京 210096)摘 要:针对现有的评估被试主动参与度指标建模复杂以及训练强度与被试运动能力及参与度不匹配等问题,该文提出一种基于贝叶斯优化的挑战型力控制器自适应增强康复训练参与度的方法。首先使用基于表面肌电信号(sEMG)表征的肌肉激活度来评估被试者的参与度,其次采用基于轨迹误差放大的抗阻训练模式进行上肢训练,并构建归一化急动度和肌肉激活度相结合的综合目标函数,然后采用贝叶斯优化方法在训练过程中更新挑战型力场的抗阻系数和死区宽度两个超参数,逐次优化该目标函数,以提高运动轨迹的
2、顺滑度并保持被试者的训练参与度。最后,将16名健康被试者随机分为实验组和对照组并以其非利手进行训练,验证所提方法的有效性。实验结果表明,训练过程中实验组的肌肉激活度维持在高于对照组2.51%的水平;训练后实验组的运动能力改善明显优于对照组(59.8%vs 40.7%),验证了该文所提的自适应增强康复训练参与度策略比固定参数策略更有优势。关键词:自适应抗阻训练;上肢康复;表面肌电信号;肌肉激活度;贝叶斯优化中图分类号:TP242;TH-39文献标识码:A文章编号:1009-5896(2023)08-2770-10DOI:10.11999/JEIT221122Research on Adaptiv
3、e Enhancement Method of Rehabilitation TrainingParticipation Based on Bayesian OptimizationZENG Hong CHEN Qingqing LI Xiao ZHANG Jianxi SONG Aiguo(School of Instrument Science and Engineering,Southeast University,Nanjing 210096,China)Abstract:For the problems that the existing evaluation index of pa
4、tient active engagement is complicated tomodel and training intensity does not match the exercise ability and participation of the participants.A challenge force controller based on Bayesian optimization to enhance adaptively the participation ofrehabilitation training is proposed.Firstly,muscle act
5、ivation based on surface ElectroMyoGram(sEMG)signal is used to evaluate the participants participation.Secondly,the resistance training mode basedon trajectory error amplification is used to train the upper limb,and a comprehensive objective functioncombining normalized intensity and muscle activati
6、on is constructed.Then,Bayesian optimization methodis used to update the resistance coefficient and dead zone width of the challenge force field in each training,and optimize the objective function continuously to improve the smoothness of the motion trajectory,while maintaining the participants par
7、ticipation in training.Finally,16 healthy subjects are randomly dividedinto experimental group and control group and trained with their non-handedness to verify the effectiveness ofthe proposed method.The experimental results show that the muscle activation of the experimental group is2.51%higher th
8、an that of the control group.After training,the improvement of exercise ability in theexperimental group is significantly better than that in the control group(59.8%vs 40.7%),which verifies thatthe adaptive rehabilitation training engagement strategy proposed has more advantages than the fixedparame
9、ter strategy.Key words:Adaptive resistance training;Upper-limb rehabilitation;Surface ElectroMyoGram(sEMG);Muscleactivation;Bayesian optimization 收稿日期:2022-08-29;改回日期:2022-10-30;网络出版:2022-11-05*通信作者:陈晴晴基金项目:国家自然科学基金(62173089)Foundation Item:The National Natural Science Foundation of China(62173089)第
10、45卷第8期电 子 与 信 息 学 报Vol.45No.82023年8月Journal of Electronics&Information TechnologyAug.2023 1 引言过去几十年脑卒中患者的发病率逐年上升,且有极高的致残率,由于医疗资源有限,患者后期康复训练若得不到保障,将会带来一系列社会问题1。因此康复机器人逐渐应用于康复医学领域,大多数康复机器人都可编程,能够将训练效果量化评价,方便治疗师及时调整治疗方案2,3,机器人辅助治疗的控制策略能够显著影响康复性能49,但是患者的康复训练过程是动态的,其运动能力也在变化,长时间重复性的康复训练虽然能让患者得到锻炼,但也容易产生懈
11、怠,降低其主动参与度10,11。对运动学习的研究表明,对于轻度损伤患者的训练任务选择中,基于误差放大的挑战型力场的训练更有利于增强其神经肌肉的重塑性12,与辅助训练相比,当训练过程中轨迹误差被机器人放大时,能够增加被试的主动参与度和训练效果13。Marchal-Crespo等人4的研究表明对于初始运动技能较高的被试者,误差增强和随机干扰的训练策略对增强大脑激活和运动任务学习是有效的。在康复训练过程中,根据患者的运动能力提供相应的训练强度同时保持被试者的主动参与度,对取得良好的训练效果有重要的作用。因此如何检测并量化康复训练过程中被试者的主动参与度,并根据其运动能力实现训练强度的自适应调整,是神
12、经康复训练的重要问题14。目前的研究提出了许多方法来解决上述问题,首先选择合适的指标估计康复训练中被试者的主动参与度。有研究是基于物理测量来表征其运动参与度,如手部运动的最小加加速度值15,行走时达到的台阶高度16,以及在达到任务中手与目标位置之间的运动学误差17。也有使用模型来估计被试者的肌肉参与度,如Taheri等人18使用覆盖工作空间的多个位置学习的径向基函数构建一个非结构化模型来估计被试者的参与度。Carmichael等人19建立被试者上肢的肌肉骨骼模型来计算他们手部的力量,这种估计方法虽然有效,但需要确定和更新大量的模型参数,难以建立精确的模型。Wang等人6用轨迹跟踪精度和肌肉激活
13、度相结合的指标来评估被试者参与,但是跟踪精度的指标不适用于误差放大的抗阻训练模式。自适应调整训练强度也是影响训练效果的关键,文献20提出一种挑战型力交互控制器(chal-lenge-based controllers)通过提供抗阻训练使运动任务更具有挑战性,提高了轻度损伤患者的参与度和主动性。但是抗阻训练并不是总能提高运动学习效果21,需要调整挑战型力控制器的超参数提供不同的训练强度11,目前通常需要手动调整控制器超参数以适应被试者的参与水平,这是一种繁琐和耗时的过程。最近的研究2224大多数是根据被试者在任务中的表现来调整训练强度以保持运动任务的挑战性。但这些方法是贪心优化方法,在优化过程中
14、只考虑被试者最新一次实验的运动性能,而不考虑历史性能,并且对被试者的表现或参与度的测量中通常包含大量噪声7,25,这种贪心优化方法对噪声干扰的鲁棒性低,很容易陷入局部最优。针对以上问题,本文提出一种基于贝叶斯优化的挑战型力控制器,能够自适应增强康复训练参与度的训练策略,为了提高轻度损伤患者的训练效果,以提供抗阻力的形式实现基于轨迹误差放大的抗阻训练。首先采用基于表面肌电信号(surfaceElectroMyoGram,sEMG)的肌肉激活度来表征被试者的肌肉参与度,由于归一化急动度能够评价被试者的运动控制能力,因此结合肌肉激活度和归一化急动度建立的综合目标函数来评估被试者训练过程中的运动参与度
15、。然后逐次优化该目标函数,确保任务完成的同时保持被试者的高度参与。由于本文所提的挑战型力控制器的目标函数观测值具有不确定性26,而贝叶斯优化算法对观测值噪声具有容错性,且迭代次数少,是一种全局优化算法,因此采用贝叶斯优化方法来优化该控制器,可以调整抗阻训练过程中的抗阻系数和死区宽度,引导挑战型力控制器自适应调整合适的抗阻训练强度,以保持和提高被试者的训练参与度。本文以肌肉激活度和归一化急动度对被试者的神经肌肉参与度、运动控制能力等进行在线量化评估,针对评估结果,利用贝叶斯优化对挑战型力控制器的抗阻系数和死区宽度两个超参数进行自适应调整,从而提高神经康复的训练效果。2 实验装置与数据来源 2.1
16、 实验装置本文使用上海傅利叶智能科技有限公司的ArmMotus M2上肢康复机器人(如图1所示)作为康复训练平台,该机器人是一种用于上肢康复的2自由度的末端执行机器人。M2由水平和垂直两个方向的驱动器组成,手柄上配置了力传感器,可以测得被试者施加的2维力大小。其工作空间是0.55 m0.5 m,在训练过程中,采用机器人康复训练中最常用的跟踪圆轨迹的训练任务,圆轨迹半径设为0.125 m,保证在有限的空间内进行最大范围的运动,被试者将手臂放在支架上并握住手柄,跟随屏幕中显示的圆轨迹进行顺时针方向运动,实际运动轨迹和预设的圆轨迹作为视觉反馈同时显示在屏幕上(如图1所示)。第8期曾 洪等:基于贝叶斯
17、优化的康复训练参与度自适应增强方法研究27712.2 数据来源本文邀请了16名无已知神经肌肉障碍且对实验任务不熟悉的被试者(S1S16,年龄243岁),并使用其非利手模拟轻度损伤患者,在东南大学机器人传感与控制技术研究所参与该实验,所有被试者在训练前均给予知情同意。将所有被试者随机分成两组,实验组(YE)和对照组(GE)各8人,本文所提基于贝叶斯优化的挑战型力控制器自适应增强康复训练参与度的训练策略作为优化训练策略,进行实验组训练。固定超参数的传统控制器作为非优化训练策略,进行对照组实验。实验通过TCP/IP协议,以330 Hz的采样率将被试者的实际运动轨迹传输到计算机。本实验是针对上肢康复训
18、练,因此选择肱二头肌(BICeps brachii,BIC)、肱三头肌长头(TRiceps brachii LOng head,TRLO)和肱三头肌外头(TRiceps brachii LAteralhead,TRLA)、肱桡肌(BRAchioraDialis,BRAD)作为代表肌肉来完成任务,使用采样频率为2 000 Hz的Delsys表面肌电采集系统(Delsys trigno)进行训练过程中表面肌电信号的采集,将表面肌电传感器贴在4块肌肉的肌腹中央位置。实验前要求被试者不做任何剧烈运动,防止肌肉疲劳影响采集到的表面肌电信号。训练过程中的某一实验场景如图1所示。所有被试者接受相同的任务指导
19、,尽力完成画圆轨迹的任务,并保持身体和肩膀尽可能静止。实验组和对照组都设为4个阶段:熟悉阶段、评估前阶段、训练阶段、评估后阶段。在熟悉阶段,被试者在抗阻系数和死区宽度为零的模式下熟悉训练任务。在训练前的评估阶段,对每位被试者在抗阻系数和死区宽度为0的模式下进行训练前参与度的评估。训练阶段使用基于优化或非优化的训练策略进行训练。最后在抗阻系数和死区宽度为零的模式下,再次对被试者的参与度进行训练后的评估。具体如表1所示,实验的整个时间约为60 min,每个阶段之间有3 min的休息时间,熟悉阶段和训练前评估、训练后评估阶段各进行5次,训练阶段是20次(实验组是初始化实验6次+优化训练14次)。3
20、研究方法 3.1 自适应增强康复训练参与度的超参数优化策略图2是基于贝叶斯优化的挑战型力控制器,进行自适应增强康复训练参与度的超参数优化的训练方案示意图。被试者在训练过程中跟踪屏幕显示的圆轨迹,基于贝叶斯优化的挑战型力控制器为被试提供相应的抗阻力,其大小受抗阻系数和死区宽度影响。首先定义自适应挑战型力控制器的力场规律(如图2(a)所示)F=Kd=K(|l r|e)(1)F是抗阻力,K是抗阻系数;d是运动轨迹误差,l是实际运动位置到圆心的距离,r是预定轨迹圆的半径,e是死区宽度(死区边界到预定圆轨迹边界的长度,为了描述方便以下采用死区宽度e来表示此长度)。PP由于是抗阻训练,允许被试者存在误差,
21、即在一定区域内偏离预定轨迹依然处于零力模式,该区域表示为死区(图2(b)黄色环状区域),此区域越大,表示零力作用范围越大。图2(b)中点和表示分解为竖直方向力和水平方向力的示例点,矢量箭头表示抗阻力F 的大小及方向。0 F 50 N,0 e 0.07 mm,0 K 700根据被试者的操作经验,F最小0 N,即机器人不对被试者提供任何抗阻力,F最大50 N,如果超过50 N可能会伤到被试者,此时停止机器人电机的运行,以保护被试者的安全。死区宽度e最小为0 mm,死区宽度e最大值是70 mm;根据被试者的实验经验,以及实验设备的限制,被试者的轨迹误差一般不超过80 mm,如果死区宽度过大,被试者将
22、始终运动在零力模式下,起不到锻炼的效果。随着被试表 1 训练过程安排参数过程1过程2过程3过程4过程5过程6过程7时间(min)53533035实验阶段熟悉休息训练前休息训练中休息训练后实验次数(次)50506+1405 图 1 训练过程中的一个实验场景2772电 子 与 信 息 学 报第 45 卷者偏离预定轨迹越远,抗阻力越大,为了保证F的范围,抗阻系数K取值在0700。3.2 目标函数的设计表面肌电信号是人体肌肉收缩时产生的电信号,能够在一定程度上反映肌肉的活动状态,表面肌电信号的均方根值是求解肌肉激活度最常用的方法,肌肉激活度指标能够从生理学角度直接表征被试者在训练过程中的肌肉参与度,且
23、无需复杂的人体建模,因此本文采用肌肉激活度来表示被试者的肌肉参与度。归一化急动度即运动轨迹顺滑度,常用于表示被试者的运动控制能力。因此将肌肉激活度和归一化急动度相结合构造的综合指标作为目标函数,然后通过贝叶斯优化算法对力场的K值和e值进行更新迭代,从而对当前策略进行优化,调整训练强度。由于抗阻力较大时,肌肉激活度较大,归一化急动度也较大;抗阻力较小时,肌肉激活度较小,归一化急动度也较小。因此若抗阻力太小,被试者训练强度不够,参与度较低,不利于神经重塑性;如果抗阻力过大,被试者不足以完成任务,甚至可能放弃任务,失去锻炼效果。所以要找到一组最佳的训练参数,在设计目标函数时同时考虑了归一化急动度和肌
24、肉激活度,具体指标如下:急动度即加加速度(又称顺滑度),反映训练过程中运动轨迹的顺滑程度15,是运动性能改善的衡量指标之一smt=tjti.x(t)2dt(2).x(t)=d3x(t)dt3(3)x(t).x(t)Jnor为运动过程中的位置坐标;表示位置的3阶导。标准化的加加速度是康复训练中比较常用的指标,以实现不同运动不同轨迹之间的可比性,表示为归一化急动度Jnor=vuuut12tjti.x(t)2(dur5/len2)dt(4)durlenJnor为运动时间;是运动轨迹长度;越小,表示速度突变越少,运动轨迹的顺滑度越高,运动控制能力越好。采用表面肌电信号的均方根表示肌肉激活度M=144i
25、=1Si2/Ni,i=1,2,3,4(5)M 0,1SiNii其中,是采集到的长度为的第 通道的表面肌电信号的幅值向量。原始的表面肌电信号首先通过带通巴特沃斯滤波器(4阶,50450 Hz)进行滤波;然后用4阶低通(10 Hz)巴特沃斯滤波器进行降噪、整流和平滑。为了比较不同被试者之间的肌肉激活度,对每一个被试者的每块肌肉的表面肌电信号进行最大值归一化;然后根据式(5)计算被试者的平均肌肉激活度。图 2 自适应增强康复训练参与度的超参数优化策略第8期曾 洪等:基于贝叶斯优化的康复训练参与度自适应增强方法研究2773最后根据自适应训练目标,定义了一个需要最大化的目标函数,该目标函数由归一化急动度
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 贝叶斯 优化 康复训练 参与 自适应 增强 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。