基于运动想象的手部康复训练方法.pdf

《基于运动想象的手部康复训练方法.pdf》由会员分享，可在线阅读，更多相关《基于运动想象的手部康复训练方法.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911214330.X (22)申请日 2019.12.02 (71)申请人 燕山大学 地址 066004 河北省秦皇岛市海港区河北 大街西段438号 (72)发明人 杜义浩房华蕾王子豪于金须 郝慎才白晓林袁航程生翠 温美哲 (74)专利代理机构 北京孚睿湾知识产权代理事 务所(普通合伙) 11474 代理人 孙建 (51)Int.Cl. A61M 21/00(2006.01) A61H 1/02(2006.01) G06K 9/00(2006.01) G06K 9/62(。

2、2006.01) (54)发明名称 基于运动想象的手部康复训练方法 (57)摘要 本发明提出一种基于运动想象的手部康复 训练方法， 首先设计包含文字语音、 图片语音、 虚 拟动作在内的多种虚拟场景， 深层次诱导受试者 进行肢体运动想象； 通过脑电采集设备实时采集 大脑运动想象区的脑电信号， 经信号预处理、 特 征提取、 分类识别后将结果以指令形式通过蓝牙 发送给可穿戴康复机械手， 利用可穿戴康复机械 手辅助受试者进行抓握训练， 实现运动想象和物 理治疗相结合方式进行手部康复训练。 同时， 通 过LeapMotion采集受试者手部动作， 并同步到 虚拟场景中的虚拟手， 实现可穿戴康复机械手与 虚。

3、拟手的虚实交互， 刺激受试者进行主动运动想 象。 本发明加速了受试者大脑受损运动区功能的 重塑和手部康复速度与康复效果， 提高患者手部 康复训练的主动性。 权利要求书2页 说明书6页 附图5页 CN 111110982 A 2020.05.08 CN 111110982 A 1.一种基于运动想象的手部康复训练方法， 其包括脑电采集装置、 可穿戴康复机械手、 虚拟康复训练系统及Leap Motion手部跟踪器， 所述脑电采集装置包括脑电帽、 脑电放大器， 所述脑电帽佩戴于受试者头顶， 以采集运 动想象脑电信号， 通过所述脑电放大器与上位机进行信号的发送与接收； 所述可穿戴康复机械手包括掌骨板、 。

4、电机推杆、 掌骨连接件、 关节推杆、 关节角板和铰 链销， 所述关节推杆的第一端与所述掌骨板相连， 所述关节推杆的第二端通过所述铰链销 与所述掌骨连接件相连， 所述电机推杆的第一端与驱动相连， 所述电机推杆的第二端与所 述关节角板相连， 所述关节角板上的滑杆能沿所述关节推杆上的滑槽滑动； 所述可穿戴康复机械手能实现手部每根手指的独立运动， 并辅助受试者实现各个手指 关节的伸展和弯曲， 所述可穿戴康复机械手与所述虚拟康复训练系统相结合， 用于受试者 的康复训练； 所述康复训练系统包括脑电采集软件， 能进行脑电信号的预处理、 特征提取及分类识 别， 通过对虚拟场景设计， 多方位、 深层次地诱发受试。

5、者进行肢体运动想象， 提高训练的趣 味性和受试者大脑的神经激活程度； 所述Leap Motion手部跟踪器能实时采集受试者手部动作， 并以虚拟手的实时动作形 式在虚拟场景中展示出来， 以作为视觉反馈和进行虚实交互， 刺激受试者的大脑运动功能 区， 提高受试者大脑的神经激活程度； 其特征在于， 其包括以下步骤： S1： 为受试者佩戴所述脑电帽并涂抹脑电膏， 将所述脑电放大器与脑电采集软件连接， 同时接通所述可穿戴康复机械手， 通过蓝牙与上位机进行连接； S2： 登录所述康复训练系系统， 采集受试者进行肢体运动想象的脑电信号， 信号采集通 道选取大脑运动功能区C3、 C4、 FC3、 FC4、 C。

6、P3、 CP4、 C5、 C6共8个通道， 对采集的脑电信号进行 预处理和特征提取； S3： 通过已建立的PSO-SVM分类模型进行分类， 并以两个十六进制指令的形式将分类结 果通过蓝牙模块发送至所述可穿戴康复机械手， 分别用来控制所述可穿戴康复机械手的抓 握与伸展， 辅助受试者进行手部康复训练； S4： 通过所述Leap Motion手部跟踪器采集受试者手部动作， 并在虚拟场景中以虚拟手 的实时动作形式展示出来， 作为视觉反馈加深受试者大脑运动区神经激活程度， 形成闭环 的神经康复训练能从运动想象层面对大脑运动区功能进行重塑， 提高康复训练的效果； S5： 根据受试者情况设置训练时间， 训练。

7、结束后， 生成训练报表并打印存档， 退出康复 训练系统。 2.根据权利要求1所述基于运动想象的手部康复训练方法， 其特征在于， 所述步骤S2中 对采集的脑电信号所进行的预处理包括： 截取各通道第2s第6s间的数据， 进行降采样到128Hz， 再进行0.5Hz2Hz高通滤波去 除基线漂移， 进行自适应陷波去除50Hz工频干扰； 对信号进行6层小波包分解提取脑电特征频段， 选择小波包分解的第4层中的04Hz频 带与EEG信号中的 波对应， 选择第4层中的48H频带与EEG信号中的 波对应， 选择第4层中 的812Hz频带与第6层中的1213Hz频带组合后与 波对应， 选择第5层中的1416Hz频带。

8、 和2830Hz频带组合后与 波对应。 3.根据权利要求1所述基于运动想象的手部康复训练方法， 其特征在于， 所述步骤S2中 权利要求书 1/2 页 2 CN 111110982 A 2 对采集的脑电信号所进行的特征提取包括： 对各通道中的 波与 波频段的EEG数据分别进行CSP共空间模式和多导联空间滤波， 以 生成能够最优区分抓取动作运动想象时间序列； 采用周期图法对 / 频段进行功率谱密度提取， 进一步通过提取小波包节点能量和小 波熵的特征获得小波包熵作为脑电信号的特征点。 权利要求书 2/2 页 3 CN 111110982 A 3 基于运动想象的手部康复训练方法 技术领域 0001 本。

9、发明涉及一种基于运动想象的手部康复训练方法， 属于虚拟现实、 运动想象及 康复机械手控制等领域。 背景技术 0002 据世界卫生组织报道， 因脑卒中所引起的运动功能障碍患者正在逐年增加， 而且 我国脑卒中发病率已位居世界第一。 临床发现， 75以上的脑卒中患者存在不同程度的肢 体功能障碍， 严重影响患者的生活质量， 给患者、 家庭及社会带来沉重负担。 其中， 手部运动 功能障碍已成为脑卒中引发的主要病症之一， 具体表现为手指关节弯曲伸展困难， 不能进 行正常的抓握与伸展动作。 研究证明， 积极主动的康复训练有助于患者肢体运动功能的恢 复并促进痊愈。 0003 然而， 传统手部运动功能障碍患者的。

10、康复训练， 主要是采取医师一对一式康复治 疗或借助简单康复器械， 不仅劳动强度大、 费用昂贵， 而且训练效果差强人意， 尤其针对康 复后期患者， 康复过程枯燥乏味， 患者参与主动性差， 使得康复周期延长。 近几年， 脑卒中后 手部运动功能障碍康复治疗技术不断出现， 如强迫性运动疗法、 机器人辅助治疗技术、 经颅 磁刺激技术、 运动想象疗法等。 其中， 运动想象与物理治疗相结合可以显著改善脑卒中患者 手部运动功能。 但由于康复训练模式单一、 交互性差， 无法适应不同患者、 不同康复阶段的 康复训练需求， 即存在个体适应性差和患者主动性差的问题。 0004 本发明提出一种基于运动想象的手部康复训练。

11、方法， 通过构建不同的虚拟场景和 Leap Motion视觉反馈刺激患者大脑功能神经的激活程度， 提高康复训练的趣味性和患者 康复训练的主动性； 利用运动想象脑肌接口控制可穿戴康复机械手进行抓取动作训练， 实 现可穿戴康复机械手抓握和Leap Motion虚拟手抓握的虚实交互， 进而重塑脑卒中患者的 大脑运动区功能。 本发明不仅可以提高患者康复训练的积极性， 而且可以通过康复机械手 的辅助加快对手部肌力、 手指协调性、 灵活性等功能的恢复， 使康复训练更加智能化、 人性 化， 构建 “以人为中心” 的康复训练策略。 发明内容 0005 本发明公开一种基于运动想象的手部康复训练方法， 目的在于通。

12、过运动想象与物 理治疗相结合， 构建不同的虚拟场景和Leap Motion视觉反馈刺激大脑功能神经的激活程 度， 利用运动想象脑肌接口控制可穿戴康复机械手进行康复训练， 并通过虚拟场景中的 Leap Motion虚拟手进行虚实交互， 为脑卒中患者提供一种基于运动想象的手部康复训练 方法。 0006 一种基于运动想象的手部康复训练方法， 其包括脑电采集装置、 可穿戴康复机械 手、 虚拟康复训练系统及Leap Motion手部跟踪器， 所述脑电采集装置包括脑电帽、 脑电放 大器， 所述脑电帽佩戴于受试者头顶， 以采集运动想象脑电信号， 通过所述脑电放大器与上 位机进行信号的发送与接收； 所述可穿戴。

13、康复机械手包括掌骨板、 电机推杆、 掌骨连接件、 说明书 1/6 页 4 CN 111110982 A 4 关节推杆、 关节角板和铰链销， 所述关节推杆的第一端与所述掌骨板相连， 所述关节推杆的 第二端通过所述铰链销与所述掌骨连接件相连， 所述电机推杆的第一端与驱动相连， 所述 电机推杆的第二端与所述关节角板相连， 所述关节角板上的滑杆能沿所述关节推杆上的滑 槽滑动； 所述可穿戴康复机械手能实现手部每根手指的独立运动， 并辅助受试者实现各个 手指关节的伸展和弯曲， 所述可穿戴康复机械手与所述虚拟康复训练系统相结合， 用于受 试者的康复训练； 所述康复训练系统包括脑电采集软件， 能进行脑电信号的。

14、预处理、 特征提 取及分类识别， 通过对虚拟场景设计， 多方位、 深层次地诱发受试者进行肢体运动想象， 提 高训练的趣味性和受试者大脑的神经激活程度； 所述Leap Motion手部跟踪器能实时采集 受试者手部动作， 并以虚拟手的实时动作形式在虚拟场景中展示出来， 以作为视觉反馈和 进行虚实交互， 刺激受试者的大脑运动功能区， 提高受试者大脑的神经激活程度； 0007 一种基于运动想象的手部康复训练方法包括以下步骤： 0008 S1： 为受试者佩戴所述脑电帽并涂抹脑电膏， 将所述脑电放大器与脑电采集软件 连接， 同时接通所述可穿戴康复机械手， 通过蓝牙与上位机进行连接； S2： 登录所述康复训。

15、 练系系统， 采集受试者进行肢体运动想象的脑电信号， 信号采集通道选取大脑运动功能区 C3、 C4、 FC3、 FC4、 CP3、 CP4、 C5、 C6共8个通道， 对采集的脑电信号进行预处理和特征提取； S3： 通过已建立的PSO-SVM分类模型进行分类， 并以两个十六进制指令的形式将分类结果通过 蓝牙模块发送至所述可穿戴康复机械手， 分别用来控制所述可穿戴康复机械手的抓握与伸 展， 辅助受试者进行手部康复训练； S4： 通过所述Leap Motion手部跟踪器采集受试者手部 动作， 并在虚拟场景中以虚拟手的实时动作形式展示出来， 作为视觉反馈加深受试者大脑 运动区神经激活程度， 形成闭环。

16、的神经康复训练能从运动想象层面对大脑运动区功能进行 重塑， 提高康复训练的效果； S5： 根据受试者情况设置训练时间， 训练结束后， 生成训练报表 并打印存档， 退出康复训练系统。 0009 优选地， 所述步骤S2中对采集的脑电信号所进行的预处理包括： 截取各通道第2s 第6s间的数据， 进行降采样到128Hz， 再进行0.5Hz2Hz高通滤波去除基线漂移， 进行自 适应陷波去除50Hz工频干扰； 对信号进行6层小波包分解提取脑电特征频段， 选择小波包分 解的第4层中的04Hz频带与EEG信号中的 波对应， 选择第4层中的48H频带与EEG信号中 的 波对应， 选择第4层中的812Hz频带与第。

17、6层中的1213Hz频带组合后与 波对应， 选择 第5层中的1416Hz频带和2830Hz频带组合后与 波对应。 0010 优选地， 所述步骤S2中对采集的脑电信号所进行的特征提取包括： 对各通道中的 波与 波频段的EEG数据分别进行CSP共空间模式和多导联空间滤波， 以生成能够最优区分 抓取动作运动想象时间序列； 采用周期图法对 / 频段进行功率谱密度提取， 进一步通过提 取小波包节点能量和小波熵的特征获得小波包熵作为脑电信号的特征点。 0011 本发明技术方案产生的积极效果如下： 0012 (1)本发明针对受试者肢体运动想象能力差异性， 采用多种虚拟场景对受试者进 行多方位的神经刺激， 诱。

18、发受试者进行运动想象， 加速大脑受损运动区的重塑； 0013 (2)本发明针对受试者的手部功能障碍问题， 利用可穿戴康复机械手进行抓握动 作辅助， 通过对手功能障碍患者的物理治疗， 加速患者的手部康复速度与康复效果； 0014 (3)本发明与传统康复训练方法相比， 采用运动想象与可穿戴康复机械手相结合 的方式进行手部功能障碍康复训练， 并通过Leap Motion虚拟手进行视觉反馈， 提高患者手 说明书 2/6 页 5 CN 111110982 A 5 部康复训练的主动性。 附图说明 0015 图1为本发明提出的系统原理图； 0016 图2为本发明的脑电信号采集电极分布图； 0017 图3为本。

19、发明训练阶段实验范式示意图； 0018 图4为本发明可穿戴康复机械手机构图； 0019 图5为本发明虚拟场景图； 以及 0020 图6为本发明所述康复训练方法实施流程图。 0021 图中： 0022 1掌骨板； 2电机推杆； 3掌骨连接件； 4关节推杆； 5关节角板； 6铰链销。 具体实施方式 0023 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。 基于本发明中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所 获得的所有其它实施例， 都属于本发明保护的范围。 0024 需要注意的为， 除非另有说明， 本申请使用的技术术语或者科学术语应当为本发。

20、 明所属领域技术人员所理解的通常意义。 0025 如图1图6所示， 本发明提出一种基于运动想象的手部康复训练方法， 其包括脑 电采集装置、 可穿戴康复机械手、 运动想象康复训练系统及Leap Motion手部跟踪器， 脑电 采集装置包括脑电帽和脑电放大器， 脑电帽佩戴于受试者头顶， 以采集运动想象脑电信号， 通过脑电放大器与上位机进行信号的发送与接收； 可穿戴康复机械手能实现手部每根手指 的独立运动， 能够辅助各个手指关节伸展和弯曲， 可穿戴康复机械手与运动想象康复训练 系统相结合， 用于受试者的康复训练； 康复训练系统包括脑电采集软件， 能进行脑电信号的 预处理、 特征提取及分类识别， 通过。

21、对虚拟场景设计； Leap Motion手部跟踪器为进行手部 移动追踪的高精度手指识别设备。 0026 人手骨骼结构主要由腕骨、 掌骨、 指骨所组成， 指骨又由近端指骨、 中指骨和远端 指骨组成。 如图4所示， 本发明的可穿戴康复机械手包括掌骨板1、 电机推杆2、 掌骨连接件3、 关节推杆4、 关节角板5和铰链销6， 其中关节推杆4的第一端与掌骨板1相连， 关节推杆4的第 二端通过铰链销6与掌骨连接件3相连， 电机推杆2的第一端与驱动相连， 电机推杆2的第二 端与关节角板5相连， 关节角板5上的滑杆能沿关节推杆4上的滑槽滑动， 可穿戴康复机械手 以掌骨板1作为固定基座， 掌骨板1通过掌骨连接件。

22、3将相互连接的近指骨外壳和中指骨外 壳连接起来； 近指关节推杆、 近指关节角板、 中指关节角板、 中指关节推杆、 中指骨外壳之间 的顺次连接均采用带肩扣环固定型的铰链销6； 手背接触面为弧面设计， 增加使用者的穿戴 舒适感。 0027 优选地， 采用直线电机作为驱动， 不仅可以将电能直接转换成直线运动的机械能， 且不需要中间转换机构， 也能满足手指康复机器人对于柔顺性、 便携性、 安全性的要求。 0028 在加工制造时， 可通过3D扫描逆向工程实现患者个性定制可穿戴设备， 3D打印零 件采用进口的高韧性树脂。 说明书 3/6 页 6 CN 111110982 A 6 0029 本发明的设计思路。

23、为： 通过声音文字、 图片视频、 虚拟动作等， 设计多种运动想象 虚拟场景， 深层次地诱导受试者进行肢体运动想象。 脑电采集设备实时采集大脑运动想象 区的脑电信号， 经过信号预处理、 特征提取、 分类识别后将结果以指令的形式通过蓝牙发送 给可穿戴康复机械手， 利用可穿戴康复机械手辅助受试者进行抓握训练， 实现运动想象和 物理治疗相结合方式进行手部康复训练。 同时， 通过Leap Motion手部跟踪器采集受试者手 部动作， 并同步到虚拟场景中的虚拟手， 实现可穿戴康复机械手与虚拟手的视觉交互， 刺激 受试者进行主动运动想象， 以促进患者大脑运动区功能的重塑， 具体流程如图6所示。 0030 选。

24、取一个安静舒适的实验环境， 受试者位于电脑屏幕前约一米处， 打开脑电放大 器与脑电采集软件进行连接， 为受试者佩戴脑电帽并在相应电极通道涂抹导电膏， 如图2所 示， 本发明选取大脑运动区C3、 C4， 为了更好地分析大脑运动区脑电信号， 另选取FC3、 FC4、 CP3、 CP4、 C5、 C6通道， 同时接通可穿戴康复机械手电源， 通过蓝牙与上位机进行连接， 为受 试者穿戴康复机械手。 0031 登录运动想象康复训练系统， 开始对受试者进行手部抓握动作训练， 包括对运动 想象信号的采集、 预处理、 特征提取、 分类识别和PSO-SVM分类模型建立。 0032 运动想象信号采集： 如图2所示，。

25、 L表示左脑区， R表示右脑区， 脑电数据采集选用64 导无线脑电采集系统， 电极位置采用国际标准1020电极导联定位， 参考电极设在头顶中央 区。 放大器采样频率为1000Hz， 采集通道为运动区相关的8个通道， 包括： C3、 C4、 FC3、 FC4、 CP3、 CP4、 C5、 C6。 0033 训练阶段实验范式： 选取安静舒适的实验环境， 受试者佩戴脑电采集设备和可穿 戴康复机械手， 保持身体处于放松状态， 训练过程中尽量避免眼动及其它实际动作。 要求受 试者根据屏幕提示进行肢体运动想象。 首先， 屏幕提示受试者集中精神即将开始运动想象， 此过程持续2s时间， 第2s时， 屏幕中央出。

26、现抓取动作提示， 受试者跟随抓取动作的虚拟场景 提示进行抓取运动想象， 持续时间为4s， 第6s时运动想象提示消失， 受试者运动想象过程结 束， 之后有2s时间供受试者休息， 重复进行第二次运动想象训练， 直到完成10次运动想象训 练。 0034 脑电信号数据预处理： 将采集到的训练数据分成10段， 分别截取8个通道中每个通 道第2s到6s之间(共4s)的数据进行分析处理。 首先对截取的运动想象信号进行降采样到 128Hz， 之后进行0.52Hz高通滤波去除基线漂移和自适应陷波去除50Hz工频干扰。 0035 运动意图特征提取与分类识别： 因为脑电信号的特征主要体现在alpha( )频段(8 。

27、13Hz)和beta( )频段(1330Hz， 所以对10次试验中采集的脑电信号的 频段(813Hz) 与 频段(1330Hz)数据分别进行CSP共空间模式进行多导联空间滤波， 脑电信号在滤波处 理之后产生新的能够最优区分抓取动作运动想象时间序列。 0036 进一步地， 采用周期图法实现对 / 频段进行功率谱密度提取， 将随机序列x(n)的 N个观测数据视为一能量有限的序列， 直接计算x(n)的离散傅立叶变换， 得X(k)， 然后再取 其幅值的平方， 并除以N， 作为序列， x(n)真实功率谱的估计。 假定有限长随机信号序列为x (n)， 它的功率谱密度估计求取存在关系为： 0037 说明书 。

28、4/6 页 7 CN 111110982 A 7 0038其中，代表谱密度， FFTx(n)代表随机序列x(n)的傅里叶变换， N代表观测 数据的个数， n代表随机信号中离散序列的序列号。 0039 进一步地， 提取小波包节点能量特征。 信号x(t)经过N层分解， 可以分成2N个子空 间， 第n(n1,2,3,.,2N)个子空间重构信号对应的能量En可由该空间小波包系数的平方 和计算， 如式：其中， t代表时间， j表示尺度系数， k代表平移因数，为小 波系数。 0040进一步地， 提取小波熵特征， 首先， 将重构信号进行m等分， 那么每个时段的总 能量可表示为：其次， 每一频带能量的概率密度。

29、分布Pmk可由每时段总能量 经过归一化后为再次， 这时候信号在不同时段的不同频带中的能量分布情况可 通过pmk反映出来， 计算不同时段对应的带谱熵值该带谱熵值称为小波 包频带局部熵， 矩阵可表示为：最后， 可得小波包熵S计算公式 为： 0041 其中， Ek代表平移因数为k时的时段能量， Pk代表平移因数为k时频带能量的概率密 度， P代表所有频带能量的概率密度， Pi代表第i个频带能量的概率密度， i代表频带的序号， m为信号等分的份数。 0042 PSO-SVM分类模型建立： SVM(支持向量机)能够实现在特征空间构建最优分割超平 面， 进而使不同类别的样本线性分开。 将CSP特征矩阵输入。

30、到SVM进行分类模型训练， 同时利 用粒子群优化算法PSO的全局搜索能力， 对SVM建模过程中的惩罚参数C和核参数g进行自适 应优化调整， 以获得分类效果更佳、 识别更为精确的SVM分类器。 0043 可穿戴康复机械手控制： 将受试者运动想象分类结果， 通过上位机以指令形式发 送给可穿戴康复机械手， 控制可穿戴康复机械手辅助患者进行康复训练， 如图3所示， 可穿 戴康复机械手可以实现手部每根手指单独运动， 能够辅助各个手指关节伸展和弯曲， 并通 过蓝牙4.2接收上位机两个十六进制指令。 0044 肢体运动想象在线训练阶段： 利用已经建立的PSO-SVM分类模型进行当前运动想 象分类识别， 并将。

31、分类结果以指令形式发送给可穿戴康复机械手， 控制可穿戴康复机械手 辅助手功能障碍患者进行康复训练。 0045 运动想象虚拟场景： 如图5(a)、 5(b)、 5(c)所示， 利用Unity3D游戏开发引擎搭建了 包括声音文字、 图片视频、 虚拟动作三种任务式虚拟场景， 全方位诱导受试者进行肢体运动 想象。 0046 进一步地， 在图5(a)所示的声音文字场景中， 通过诸如 “抓取水杯” 等文字提示， 同 时播放对应文字内容的语音来诱导受试者进行相应的肢体运动想象。 如果PSO-SVM对受试 者运动想象信号的分类识别结果为抓取， 则上位机发送抓取指令给可穿戴康复机械手， 若 说明书 5/6 页 。

32、8 CN 111110982 A 8 分类结果不是抓取， 则上位机发送指令使可穿戴康复机械手处于伸展姿态， 其中a1-训练计 时时间， a2-文字提示， a3-语音开， a4-虚拟手。 0047 在图5(b)所示的图片视频场景中， 通过诸如 “抓取水杯” 等与现实相关的图片或短 视频提示， 受试者进行相应动作的肢体运动想象。 0048 在图5(c)所示的虚拟游戏场景， 受试者能够通过场景中虚拟手抓取动作的提示进 行肢体抓取运动想象。 0049 进一步， 本发明采用Leap Motion手部跟踪器实时采集受试者的手部动作， 经过分 析处理后， 完成手势识别， 并将其以虚拟手的动作展示给受试者， 。

33、对受试者产生一种视觉神 经反馈， 达到一种闭环神经康复训练和物理疗法同时进行的效果， 提高了手功能障碍患者 康复训练的主动性和效率。 0050 到达目标训练时间， 康复训练系统自动生成训练报表， 并对受试者的训练信息进 行打印并存档， 最后退出康复训练系统， 完成本次康复训练。 0051 以上所述各实施例仅用于说明本发明的技术方案， 而非对其限制； 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该理解： 其依然可以对前述 实施例所记载的技术方案进行修改， 或者对其中部分或全部技术特征进行等同替换； 而这 些修改或替换， 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。 说明书 6/6 页 9 CN 111110982 A 9 图1 说明书附图 1/5 页 10 CN 111110982 A 10 图2 图3 说明书附图 2/5 页 11 CN 111110982 A 11 图4 图5(a) 说明书附图 3/5 页 12 CN 111110982 A 12 图5(b) 图5(c) 说明书附图 4/5 页 13 CN 111110982 A 13 图6 说明书附图 5/5 页 14 CN 111110982 A 14 。