1.本发明涉及康复训练技术，具体涉及基于人工智能的前庭康复训练动态评估系统。
背景技术：
2.前庭系统是人体平衡系统的重要组成部分，它具有特殊的感受器，能够接受适宜的刺激，经前庭神经把刺激信息传入到相应的脑干内的前庭神经核以及小脑，经过与其他感觉信息（如视觉信息、其它本体觉信息）的整合、加工等处理后，再经多条神经通路把这些信息传送到脑内更高层次的中枢，进行高层次的加工处理，甚至形成主观意识，或经一定的神经通路传送到运动神经核（如眼动神经核、脊髓前角运动核等），从而做出特异性和非特异性的功能反应。患者的前庭系统产生病变后的主要症状包括眩晕、头晕和平衡障碍等。
3.现有的康复训练系统在进行使用时，功能障碍患者依靠治疗师及康复器械进行康复训练，环境为康复治疗室封闭、平坦的室内环境，与自然环境迥然不同，训练模式单一，容易令患者产生枯燥感，且在患者康复治疗过程当中并不能记录出患者运动的轨迹，不能判断出患者偏向运动过程当中偏向于哪个方向运动，不能进行针对性的治疗。
技术实现要素：
4.本发明的目的是提供基于人工智能的前庭康复训练动态评估系统，以解决现有技术中的上述不足之处。
5.为了实现上述目的，本发明提供如下技术方案：基于人工智能的前庭康复训练动态评估系统，包括：
6.用户登录模块，用于患者登录训练系统进行个性化前庭康复训练定制；
7.训练动作输入模块，用于输入训练动作和标准动作视频；
8.病情测评模块，用于根据训练动作输入模块中存入的标准动作视频测评患者病情，所述测评包括视觉测评以及体感测评；
9.康复训练计划制定模块，用于根据病情测评模块对患者的病情测评制定对应的康复训练计划，所述训练计划包括视觉训练计划以及体感训练计划；
10.康复训练模块，用于患者根据康复训练计划制定模块制定的康复训练计划进行康复训练，所述康复训练包括视觉训练以及体感训练；
11.康复训练评估模块，用于对患者的康复训练进行训练结果评估，以及将评估结果发送至康复训练计划制定模块进行康复训练计划的更新。
12.进一步地，所述用户登录模块用于患者进行注册以及病情输入，所述用户登录模块还用于管理使用系统的各个患者，其中管理操作包括对患者的列表查看、增加、删除，查看并修改用户的属性。
13.进一步地，所述康复训练计划制定模块包括：
14.视觉测评结果识别模块，用于对病情测评模块对患者的视觉测评结果进行各项目
识别评分；
15.体感测评结果识别模块，用于对病情测评模块对患者的体感测评结果进行各项目识别评分；
16.训练参数输入模块，用于医护人员输入视觉训练和体感训练的训练占比参数，其中视觉训练参数与体感训练参数之和为1；
17.视觉训练计划制定模块，用于将视觉测评结果识别模块的各项目识别评分与视觉训练占比参数进行相乘，并从小到大进行排列；
18.体感训练计划制定模块，用于将体感测评结果识别模块的各项目识别评分与体感训练占比参数进行相乘，并从小到大进行排列。
19.进一步地，所述康复训练计划制定模块的具体工作方式为：
20.a1，视觉测评结果识别模块对病情测评模块对患者的视觉测评结果进行各项目识别评分；
21.a2，体感测评结果识别模块对病情测评模块对患者的体感测评结果进行各项目识别评分；
22.a3，医护人员通过训练参数输入模块输入视觉训练和体感训练的训练占比参数；
23.a4，视觉训练计划制定模块将视觉测评结果识别模块的各项目识别评分与视觉训练占比参数进行相乘，并从小到大进行排列；
24.a5，体感训练计划制定模块将体感测评结果识别模块的各项目识别评分与体感训练占比参数进行相乘，并从小到大进行排列。
25.进一步地，所述康复训练模块包括：
26.视觉训练模块，所述视觉训练模块包括：
27.可佩戴vr模块，用于患者通过vr进行视觉训练；
28.眼球追踪模块，用于患者在视觉训练时进行眼球追踪；
29.体感模块，用于患者进行视觉训练时进行体感检测；
30.体感训练模块，所述体感训练模块包括：
31.体型识别模块，用于识别患者体型信息；
32.肢体识别模块，用于根据体型识别模块识别的用患者体型信息别患者肢体信息；
33.关节点识别模块，用于根据肢体识别模块识别的用户肢体信息识别患者的关节点，并根据关节点位置对体感训练姿势进行调整；
34.足底压力传感器，用于采集患者足底压力信息；
35.惯性测量装置，用于测量患者肢体运动角度，以及患者进行体感训练时的体感角。
36.进一步地，所述体感训练模块计算体感角的具体方法为：
37.b1，重力加速度在地理坐标系下表示为g=（0，0，1）
t
，乘以地理坐标系转换到传感坐标系的旋转矩阵c
sn
后，得出其在传感器坐标系下的表示g'=（g'
x
，g'y，g'z）；
38.b2，加速度计测量得到的是当前时刻载体的运动加速度a在传感器坐标系三个轴上的分量，分别为a
x
、ay、az，当前时刻测量得到的重力加速度相对前一时刻计算得到的重力加速度的偏移量e；
39.b3，在算法中加入的比例积分控制器 可对偏差进行修正，以提高系统的稳定性；
40.b4，用修正后的偏移量调节角速度ω；
41.b5，通过求解四元数的微分方程更新四元数；
42.b6，四元数更新之后进行归一化，计算姿态角。
43.进一步地，所述康复训练评估模块具体工作方式为：
44.c1，首先取任意一组人体关节点数据，以向量形式抽象成表示动作特征的数据信息；
45.c2，将每一个标准康复训练动作，加入标准姿态向量数据库；
46.c3，接着对患者实际训练中某动作进行人体关节点检测，同样将其抽象成向量数据信息；
47.c4，将识别姿态的关节点信息与标准姿态向量数据库中各个标准姿态信息进行相似度计算。
48.与现有技术相比，本发明提供的基于人工智能的前庭康复训练动态评估系统，通过足底压力传感器采集患者足底压力信息，可以将在患者在做出标准动作时，分析患者足底受力情况，通过对患者足底受力情况的检测可以侧面评估训练效果，通过惯性测量装置测量患者肢体运动角度，以及患者进行体感训练时的体感角，这样可以检测患者在进行康复训练时所做动作是否标准。
附图说明
49.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
50.图1为本发明实施例提供的整体结构示意图。
具体实施方式
51.为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
52.请参阅图1，基于人工智能的前庭康复训练动态评估系统，包括：
53.用户登录模块，用于患者登录训练系统进行个性化前庭康复训练定制；
54.训练动作输入模块，用于输入训练动作和标准动作视频；
55.病情测评模块，用于根据训练动作输入模块中存入的标准动作视频测评患者病情，测评包括视觉测评以及体感测评；
56.康复训练计划制定模块，用于根据病情测评模块对患者的病情测评制定对应的康复训练计划，训练计划包括视觉训练计划以及体感训练计划；
57.康复训练模块，用于患者根据康复训练计划制定模块制定的康复训练计划进行康复训练，康复训练包括视觉训练以及体感训练；
58.康复训练评估模块，用于对患者的康复训练进行训练结果评估，以及将评估结果发送至康复训练计划制定模块进行康复训练计划的更新。
59.系统具体工作方式为，患者通过用户登录模块登录训练系统进行个性化前庭康复训练定制，通过训练动作输入模块输入训练动作和标准动作视频，通过病情测评模块根据训练动作输入模块中存入的标准动作视频测评患者病情，通过康复训练计划制定模块根据
病情测评模块对患者的病情测评制定对应的康复训练计划，康复训练模块患者根据康复训练计划制定模块制定的康复训练计划进行康复训练，通过康复训练评估模块对患者的康复训练进行训练结果评估，以及将评估结果发送至康复训练计划制定模块进行康复训练计划的更新。
60.用户登录模块用于患者进行注册以及病情输入，用户登录模块还用于管理使用系统的各个患者，其中管理操作包括对患者的列表查看、增加、删除，查看并修改用户的属性。
61.康复训练计划制定模块包括：
62.视觉测评结果识别模块，用于对病情测评模块对患者的视觉测评结果进行各项目识别评分；
63.体感测评结果识别模块，用于对病情测评模块对患者的体感测评结果进行各项目识别评分；
64.训练参数输入模块，用于医护人员输入视觉训练和体感训练的训练占比参数，其中视觉训练参数与体感训练参数之和为1；
65.视觉训练计划制定模块，用于将视觉测评结果识别模块的各项目识别评分与视觉训练占比参数进行相乘，并从小到大进行排列；
66.体感训练计划制定模块，用于将体感测评结果识别模块的各项目识别评分与体感训练占比参数进行相乘，并从小到大进行排列。
67.康复训练计划制定模块的具体工作方式为：
68.a1，视觉测评结果识别模块对病情测评模块对患者的视觉测评结果进行各项目识别评分；
69.a2，体感测评结果识别模块对病情测评模块对患者的体感测评结果进行各项目识别评分；
70.a3，医护人员通过训练参数输入模块输入视觉训练和体感训练的训练占比参数；
71.a4，视觉训练计划制定模块将视觉测评结果识别模块的各项目识别评分与视觉训练占比参数进行相乘，并从小到大进行排列；
72.a5，体感训练计划制定模块将体感测评结果识别模块的各项目识别评分与体感训练占比参数进行相乘，并从小到大进行排列。
73.康复训练模块包括：
74.视觉训练模块，视觉训练模块包括：
75.可佩戴vr模块，用于患者通过vr进行视觉训练；
76.眼球追踪模块，用于患者在视觉训练时进行眼球追踪；
77.体感模块，用于患者进行视觉训练时进行体感检测；
78.体感训练模块，体感训练模块包括：
79.体型识别模块，用于识别患者体型信息；
80.肢体识别模块，用于根据体型识别模块识别的用患者体型信息别患者肢体信息；
81.关节点识别模块，用于根据肢体识别模块识别的用户肢体信息识别患者的关节点，并根据关节点位置对体感训练姿势进行调整；
82.足底压力传感器，用于采集患者足底压力信息；
83.惯性测量装置，用于测量患者肢体运动角度，以及患者进行体感训练时的体感角。
84.康复训练模块具体工作方法为，患者通过可佩戴vr模块进行视觉训练，患者在视觉训练时通过眼球追踪模块进行眼球追踪，这样可以实时检测患者眼球是否处于训练状态，同时通过体感模块在患者进行视觉训练时进行体感检测，避免发生摔倒、滑倒等意外，在进行体感训练时，通过体型识别模块识别患者体型信息，通过肢体识别模块根据体型识别模块识别的用患者体型信息别患者肢体信息，通过关节点识别模块根据肢体识别模块识别的用户肢体信息识别患者的关节点，并根据关节点位置对体感训练姿势进行调整，这样可以保证在进行动作识别时不会发生识别误差，同时通过足底压力传感器采集患者足底压力信息，可以将在患者在做出标准动作时，分析患者足底受力情况，通过对患者足底受力情况的检测可以侧面评估训练效果，通过惯性测量装置测量患者肢体运动角度，以及患者进行体感训练时的体感角，这样可以检测患者在进行康复训练时所做动作是否标准。
85.体感训练模块计算体感角的具体方法为：
86.b1，重力加速度在地理坐标系下表示为g=（0，0，1）
t
，乘以地理坐标系转换到传感坐标系的旋转矩阵c
sn
后，得出其在传感器坐标系下的表示g'=（g'
x
，g'y，g'z），其中g'
x
、g'y、g'z分别代表g在x轴、y轴、z轴上的分量，由于c
sn
为传感器标系绕x轴、y轴、z轴的顺序依次旋转所得，所以地理坐标系应该绕z轴、y轴、x轴的顺序依次旋转才能转换到传感器坐标系，因此，c
sn
=（c
ns
）
t
=（c
hb
）
t
，重力加速度在传感器坐标系下的表达式为：
87.，
88.其中由于c
sn
是用前一个积分周期的四元数计算得到，因此g'代表前一时刻重力加速度g在传感器坐标系下的坐标；
89.b2，加速度计测量得到的是当前时刻载体的运动加速度a在传感器坐标系三个轴上的分量，分别为a
x
、ay、az，当前时刻测量得到的重力加速度相对前一时刻计算得到的重力加速度的偏移量e，则表达式为：
90.，
91.因为，根据极限定理知，当偏移角度
∆
ɑ
足够小时，偏移角度的正弦sin
∆
ɑ
=
∆
ɑ
；
92.b3，在算法中加入的比例积分控制器 可对偏差进行修正，以提高系统的稳定性，其中用k
p
代表比例增益，ki代表积分增益，dt代表采样周期，则修正后的角度偏移量ec为：
93.；
94.b4，用修正后的偏移量调节角速度ω，则修正后的角速度ωc为：
95.，
96.其中ω
cx
，ω
cy
，ω
cz
分别为调节后的角速度在x轴、y轴、z轴上的分量；
97.b5，通过求解四元数的微分方程更新四元数，其中根据一阶龙格-库塔法求解四元
数的微分方程，可得四元数的微分方程为：
98.，
99.其中r代表修正后的角速度ωc在四元数空间中的矩阵表示，即：
100.，
101.令t为采样周期，按一阶龙格-库塔展开后，得到更新后的四元数，即：
102.；
103.b6，四元数更新之后进行归一化，计算姿态角，归一化公式为：
104.，
105.将四元数转化为欧拉角表示，公式为：
106.，
107.φ即为从传感器坐标系转换至地理坐标系下的肢体转动姿态角。
108.康复训练评估模块具体工作方式为：
109.c1，首先取任意一组人体关节点数据，以向量形式抽象成表示动作特征的数据信息；
110.c2，将每一个标准康复训练动作，加入标准姿态向量数据库，其中标准姿态向量用b=（x2，y2）表示；
111.c3，接着对患者实际训练中某动作进行人体关节点检测，同样将其抽象成向量数据信息，其中人物实际动作向量用a=（x1，y1）表示；
112.c4，将识别姿态的关节点信息与标准姿态向量数据库中各个标准姿态信息进行相似度计算，根据两个向量的余弦相似度可得：
113.，
114.其中当两个姿态垂直时，函数值为0，也就是说动作越标准，函数值越接近于1。
115.工作原理：使用时，通过用户登录模块登录训练系统进行个性化前庭康复训练定制，通过训练动作输入模块输入训练动作和标准动作视频，通过病情测评模块根据训练动作输入模块中存入的标准动作视频测评患者病情，通过康复训练计划制定模块根据病情测评模块对患者的病情测评制定对应的康复训练计划，康复训练模块患者根据康复训练计划制定模块制定的康复训练计划进行康复训练，通过康复训练评估模块对患者的康复训练进行训练结果评估，以及将评估结果发送至康复训练计划制定模块进行康复训练计划的更新。
116.以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。