智慧起航，共创未来
年7月2日上午，中国科学院自动化研究所王卫群研究员做客“CAA云讲座——数基生命与数字健康专题论坛”作题为“基于生机电融合的康复机器人关键技术”的报告。目前，我国社会人口的老龄化程度不断加剧，脑卒中、脊髓损伤等疾病造成的肢体障碍患者数量庞大，传统的人工康复方法在康复效率和效果方面存在很大局限性，康复资源和康复需求的矛盾十分突出。康复机器人是解决康复资源供需矛盾的有效途径。康复机器人技术涵盖神经科学、机械工程、控制与信息、临床医学等多个学科，是一个高度综合的技术领域，还有很多的技术难点有待突破。王卫群研究员在报告中结合典型的康复机器人平台，探讨了康复机器人研究面临的问题和技术挑战，重点介绍了课题组在基于脑电、肌电和力位传感信息解码人体运动意图方面的研究进展以及样机研制的初步成果。
作者简介
王卫群
中国科学院自动化研究所研究员
王卫群，中国科学院自动化研究所研究员、博导，中国自动化学会智能健康与生物信息专委会副主任委员、混合智能专委会委员，中国生物医学工程学会康复工程分会委员。围绕康复辅助机器人的基础理论和关键技术开展研究，创新研制了全周期下肢康复机器人、下肢外骨骼机器人等样机平台，在人机动力学系统的建模与辨识、生理学步态建模、基于脑肌电信号的意图识别与参与度增强等方面提出了创新的技术方法。获得授权国家发明专利26项，授权国际发明专利2项，发表学术论文60余篇。以第一完成人获得第四届全国机器人专利创新创业大赛特等奖、第48届日内瓦国际发明展金奖等。
1
研究背景与挑战
目前，我国社会人口的老龄化程度不断加剧，脑卒中、脊髓损伤等疾病造成的肢体障碍患者数量庞大，传统的人工康复方法在康复效率和效果方面还存在很大局限性，康复资源和康复需求的矛盾十分突出。康复机器人是解决康复资源供需矛盾的有效途径。康复机器人技术涵盖神经科学、机械工程、控制与信息、临床医学等多个学科，是一个高度综合的技术领域，还有很多的技术难点有待突破。
统计数据显示，近年来我国脑卒中形势严峻，每年新增脑卒中患者超过万，其中绝大部分患者会产生运动功能障碍。
而在庞大的患者群体面前，我国专业物理治疗师人数的严重短缺，让本就严峻的形势雪上加霜。《关于加快推进康复医疗工作发展的意见》指出，直至年，我国计划达到每十万人中有12名专业物理治疗师，但该目标仍与美国等发达国家存在很大差距。
现有的人工辅助的运动康复训练模式存在许多不足，例如劳动强度大、人员成本高、训练强度难以保证、依赖治疗师主观经验、执行主动训练难等。康复机器人的研究就显得尤为重要。
当今投入临床使用的几款典型康复机器人，如美国MIT研发的MIT-MANUS、受临床认可度较高的瑞士ETH研发的Lokomat机器人等都存在一定不足，如训练模式较简单、缺乏康复处方的在线调整等。
图一：康复机器人案例
从基础神经科学、机器人设计与控制到临床应用研究，研发功能更全面的康复机器人还存在大量的问题有待解决。例如：如何诱导神经可塑性，实现大脑等中枢神经系统的重塑；如何优化设计机器人系统，实现人体与机器人很好的相容性与人机交互性能；以及如何实施大规模的随机对照临床试验等等。
2
运动意图识别研究进展
在康复机器人中，常用脑电、肌电、力位信息作为信息源，得到人体的运动意图。这三种信息源有各自的优缺点，其中，脑电信号提前于肢体运动时间较长，对设计具有快速响应性能的控制策略较为有利。
2.1
基于改进CSP和视觉反馈的闭环运动想象脑机接口（MI-BCI）
现有的脑机接口做运动想象主要针对上肢，针对下肢运动想象的意图识别难度较大。
针对传统特征提取方法——脑电图（EEG）易受噪声和异常点的干扰的问题，提出利用互相关嫡诱导度量(CIM）准则改进传统共空间模式(CSP）算法，提升抗噪能力的解决办法。针对大脑皮质功能区负责下肢活动的区域较小、对下肢的运动想象尤为困难的问题，提出通过虚拟人物的下肢动作给被试提供视觉反馈，进一步改善分类效果；同时在信号预处理方面，可以对EEG进行子频带分析、特征提取和融合，充分利用EEG不同频段的信息，提升分类效果。
图二：利用EEG不同频段信息提取特征的过程图
通过实验范式并分析、对比结果得到：针对脚动、腿动、空想的分类问题，所提出的基于互相关熵诱导度量准则和子频带分析的改进共空间模式算法(SFCSP-CIM)可以获得最好的分类准确率。
图三：CSP,CSP-CIM,SFCSP,SFCSP-CIM分类效果对比图
2.2
基于注意力卷积神经网络的BCI算法
现有BCI解码算法并不能有效兼顾时间、空间与频率信息。而基于注意力卷积神经网络的BCI算法，提出一种区域注意力卷积神经网络(RACNN)，通过对单个通道和局部脑区EEG信号贡献权重的协同优化，可以自适应地识别初级运动皮层的激活区域，并对关键脑区赋予更高的权重，有效兼顾EEG信号的时间、空间和频率特征，提高EEG信号的分类准确率。
2.3
基于sEMG的关节主动扭矩估计
在运动意图识别中，肌电信号信噪比低、稳定性较差，现有方法难以同时保证高识别率与稳定性。针对基于sEMG的关节主动扭矩估计，提出了基于神经肌骨协同建模与自适应学习的人体关节扭矩精确估计方法，解决了传统神经肌骨模型的参数标定易陷入局部最优解、难以适应肌肉状态变化等问题,实现了对人体主动关节扭矩的精确、稳定估计。
2.4
基于人机混合动力学模型的主动力估计
在人机强耦合条件下，难以建立精确动力学模型、满足意图识别与交互控制。针对基于人机混合动力学模型的主动力估计问题，提出了考虑耦合特性的关节摩擦力建模、优化问题初始解的快速搜索、模型优化等一系列方法，实现对人机动力学系统的精确建模与准确辨识。
3
康复策略
在已有训练策略中，如何评价参与水平，如何在线调节康复任务、强化被试参与水平，以及如何评价注意力、提高被试训练中的注意力水平等问题一直存在。
针对评价参与水平、在线调节康复任务、强化被试参与水平的问题，提出“训练策略在线调整”——基于面部和腿部肌肉的肌电信号评价患者的情感状态和疲劳程度，作为被试参与水平指标，并据此在线调整训练模式，提高患者的参与水平。
针对评价注意力、提高被试训练中的注意力水平的问题，提出“基于BCI的参与度增强”方案，基于theta波和beta波能量比值（TBR）评价被试注意力，并以注意力水平为代价函数，优化训练参数和反馈模式，提高患者在训练时的注意力。
4
样机研制与主要学术成果
现有的康复设备主要针对特定康复阶段设计，如：康复前期采用康复踏车，康复中期采用电动直立床，康复后期采用步态训练康复机器人，存在评价标准难以统一、训练任务难以进行全周期优化、及设备效率低等问题。
研发的可以在完整康复周期内为下肢瘫痪患者提供训练的全周期下肢康复器人很好的解决了现有康复机器人的问题。该机器人成果已获得授权国际PCT专利1项，授权国家发明专利9项，并获得全国机器人专利创新创业大赛特等奖，日内瓦国际发明展金奖等奖项。
END
内容来源学会秘书处编辑
王馨爽责任编辑
叩颖
往期文章
关于中国自动化大会延期举办的通知关于征集自动化领域技术成果的通知中国自动化学会通讯年10月第5期（第42卷总第期）发布“CAA云讲座”报告人火热征集中！华诞一甲子九州同欢庆CAAYeS·走进企业系列活动征集开启联系我们