本发明涉及手部康复训练，尤其涉及一种镜像控制的手部康复方法、系统及终端。
背景技术：
1、脑卒中是一种急性脑血管疾病，是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病。在出现脑卒中后，会产生肌力衰退，导致很大一部分患者出现偏瘫现象，特别是遗留上肢运动功能障碍，这是脑卒中幸存者常见的后遗症症状，严重影响患者的正常生活。此外，由各种事故造成的单侧肢体损伤人数也越来越多，由于缺乏有效的康复治疗，经过长时间的累积，这些患者会出现不同程度的肌肉萎缩，导致肌力严重下降，进而产生单侧肢体运动功能障碍。因此，提供有效的上肢康复训练服务是非常必要的。-
2、目前，康复训练服务主要是由康复训练师和简单的康复器械来完成。康复训练师通过按摩的方式帮助患者治疗，需要的劳动力度比较大，且人员缺乏，往往使医院不能及时给患者安排治疗，错过最佳治疗时段；普通的一些康复训练，虽有镜像训练功能，但康复过程是通过患者自己想象患侧手在进行相同的动作训练，实际上患侧手并没有发生动作，这种训练很难让患者长期坚持下去。现有技术在此基础上进一步提出通过检测健侧手的表面肌电信号进而识别健侧手的手部动作状态，根据健侧手的手部状态对患侧手进行镜像控制，以此实现对患侧手的康复训练。上述方法中，仅通过单一肌电信号的识别确定健侧手动作状态，识别准确率仍待进一步提升。
技术实现思路
1、本发明的目的在于克服现有技术的问题，提供了一种镜像控制的手部康复方法、系统及终端。
2、本发明的目的是通过以下技术方案实现：一种镜像控制的手部康复方法，该方法包括以下步骤：
3、接收康复训练时患者健侧手运动过程中的肌电信号和手部图像；
4、对肌电信号进行分类处理，得到第一手部状态识别结果；
5、对手部图像进行目标检测处理，得到第二手部状态识别结果；
6、将第一手部状态识别结果、第二手部状态识别结果进行融合处理，得到健侧手的最终手部状态识别结果；
7、根据健侧手的最终手部状态识别结果，或最终手部状态识别结果、肌电信号大小控制康复训练辅助设备带动患者患侧手做出对应动作，进而实现对患侧手的康复训练。
8、在一示例中，所述对肌电信号进行分类处理之前，还包括对肌电信号进行预处理，包括：
9、对肌电信号进行小波分解，得到多分解层的高频信号以及低频信号；
10、对每一分解层的高频信号进行去噪处理，去噪处理的计算表达式为：
11、
12、其中，dj,k表示第j层第k个小波系数；δ表示阈值；ρ为大于0的系数；
13、将去噪后的高频信号与对应层级的低频信号进行重构处理，得到去噪后的肌电信号。
14、在一示例中，对肌电信号进行分类处理，包括：
15、对基于自注意力机制的transformer模型进行训练；
16、将肌电信号转换为向量表示矩阵；
17、将向量表示矩阵输入transformer模型的编码器中进行特征提取，得到编码信息矩阵；
18、将编码信息矩阵输入transformer模型的解码器中进行解码处理，得到第一手部状态识别结果。
19、在一示例中，采用交叉熵损失函数对transformer模型进行训练，交叉熵损失函数lce_smoothing的计算表达式为：
20、
21、其中，m为类别数；λ为平滑参数；yi表示第i个类别的真实标签；标签k范围是[1,m]；z为非标准化的概率。
22、在一示例中，对手部图像进行目标检测处理，包括：
23、在传统ssd模型的预测卷积层中增加多个预测卷积层；
24、对ssd模型进行训练；
25、将手部图像输入ssd模型中，使基础网络、辅助卷积层进行特征提取，再通过预测卷积层进行目标检测处理，得到第二手部状态识别结果。
26、在一示例中，对ssd模型进行训练时，包括：
27、在总损失函数中引入广义交并比和中心点回归损失，总损失函数ltotal表达式为：
28、
29、lgiou＝1-giou(bw,bv)
30、
31、其中，n为匹配样本的数量lconf分类损失函数；lloc为回归损失函数；α为损失函数的权重系数；lgiou为广义交并比损失函数；lcenter为中心点回归损失函数；β为广义交并比损失的权重系数，γ为中心点回归损失的权重系数；bw为预测框；bv为真实框；为模型预测的框的中心点坐标；pi为真实框的中心点坐标。
32、需要进一步说明的是，上述方法各示例对应的技术特征可以相互组合或替换构成新的技术方案。
33、本发明一示例还提供了一种镜像控制的手部康复系统，该系统包括信号处理模块，信号处理模块包括信号接收单元、分类单元、目标检测单元、信息融合单元和控制单元；
34、信号接收单元用于接收康复训练时患者健侧手运动过程中的肌电信号和手部图像；
35、分类单元用于对肌电信号进行分类处理，得到第一手部状态识别结果；
36、目标检测单元用于对手部图像进行目标检测处理，得到第二手部状态识别结果；
37、信息融合单元用于将第一手部状态识别结果、第二手部状态识别结果进行融合处理，得到健侧手的最终手部状态识别结果；
38、控制单元控制健侧手的最终手部状态识别结果控制康复训练辅助设备带动患者患侧手做出对应动作，进而实现对患侧手的康复训练。
39、在一示例中，所述系统还包括信息采集模块，包括肌电信号采集单元和图像采集单元；
40、肌电信号采集单元用于采集康复训练时患者健侧手运动过程中的肌电信号；
41、图像采集单元用于采集康复训练时患者健侧手运动过程中的手部图像。
42、在一示例中，所述肌电信号采集单元为臂环结构，包括若干盒体，盒体内间隔形成有多个腔体，腔体内设有肌电信号传感器，盒体间通过弹性塑料进行连接。
43、需要进一步说明的是，上述系统各示例对应的技术特征可以相互组合或替换构成新的技术方案。
44、本发明还包括一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一示例或多个示例形成的所述的一种镜像控制的手部康复方法的步骤。
45、与现有技术相比，本发明有益效果是：
46、1.在一示例中，采用表面肌电信号分类和手部图像识别对健侧手状态分别进行识别，最后将两个识别结果进行融合，采用了多模态融合的策略，提高了最终手部状态识别结果的可靠性，以此保证健侧手状态的识别准确率。
47、2.在一示例中，通过阈值去噪处理，能够兼顾硬阈值法和软阈值法的优点，去噪信号边缘性较好、具有连续性、去噪效果平滑，且处理后信号不会出现较大震荡。
48、3.在一示例中，通过在transformer模型的交叉熵损失函数中引入标签平滑，能够防止模型过拟合，提高泛化性能。
49、4.在一示例中，在ssd模型的损失函数中增加广义交并比，能够优化模型参数，帮助模型更好地学习手势的位置和形状信息，从而提高手势识别算法的准确率；在ssd模型的损失函数中增加中心点回归损失，能够帮助模型更好地预测手势边界框的中心点位置，进而更准确地识别出手势的位置和形状。
1.一种镜像控制的手部康复方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种镜像控制的手部康复方法，其特征在于，所述对肌电信号进行分类处理之前，还包括对肌电信号进行预处理，包括：
3.根据权利要求1所述的一种镜像控制的手部康复方法，其特征在于，对肌电信号进行分类处理，包括：
4.根据权利要求3所述的一种镜像控制的手部康复方法，其特征在于，采用交叉熵损失函数对transformer模型进行训练，交叉熵损失函数lce_smoothing的计算表达式为：
5.根据权利要求1所述的一种镜像控制的手部康复方法，其特征在于，对手部图像进行目标检测处理，包括：
6.根据权利要求5所述的一种镜像控制的手部康复方法，其特征在于，对ssd模型进行训练时，包括：
7.一种镜像控制的手部康复系统，其特征在于，包括信号处理模块，信号处理模块包括信号接收单元、分类单元、目标检测单元、信息融合单元和控制单元；
8.根据权利要求7所述的一种镜像控制的手部康复系统，其特征在于，所述系统还包括信息采集模块，包括肌电信号采集单元和图像采集单元；
9.根据权利要求8所述的一种镜像控制的手部康复系统，其特征在于，所述肌电信号采集单元为臂环结构，包括若干盒体，盒体内间隔形成有多个腔体，腔体内设有肌电信号传感器，盒体间通过弹性塑料进行连接。
10.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1-6任意一项所述的一种镜像控制的手部康复方法的步骤。
