基于下肢外骨骼机器人对中风患者进行智能康复评估的方法

康复评估是评价训练效果和指导训练方案制定的重要环节。正确的康复评估有助于指导治疗师为患者制定康复训练任务，从而缩短其恢复周期。在临床上， 6分钟步行距离（6MWD）和Fugl-Meyer评估下肢分量表（FMA-LE）是重要的测量和参考指标用于评估中风患者实际康复状况。6MWD是通过试验记录患者在6分钟之内行走的距离。测量过程中需要多名治疗师和医护人员协调配合，同时需要长时间占用大面积的医疗空间。FMA-LE是让患者依次完成规定的动作，治疗师根据患者完成动作的难易程度进行打分并统计得分。这就导致对于同一病例，由于主观偏差，不同治疗师会得出不同的评价结果，因而给出不同的康复治疗方案。因此期望提出一种标准、方便且有效的方法对患者进行智能康复评估。

该论文提出一种新颖的基于下肢外骨骼机器人对中风患者进行智能康复评估的方法。其工作框架包括：数据采集模块 – 收集并预处理患者的身体特征参数、患病状况和运动生物力学参数；特征提取模块 – 根据外骨骼机器人传感器数据，构造步态特征模型推导患者步态参数；模型训练模块 – 基于患者特征参数、步态参数及人机交互参数，利用XGBoost机器学习算法训练康复评估模型；应用模块 – 评估模式下，康复评估模型可以预测新的中风患者6MWD和FMA-LE值。

当有效预测偏差值设置为真实值的20%时，智能康复评估模型对6MWD、FMA-LE的预测准确率分别为85.19%、92.66%。