拉压反馈型RA训练器、RA训练识别与推荐系统及方

本发明涉及智能康复，尤其涉及一种拉压反馈型ra训练器、ra训练识别与推荐系统及应用方法和电子设备。背景技术：1、类风湿关节炎(ra)以关节病变为主，是一种全身性的疾病。其病理基础是滑膜炎症，也可扩大到肌腱等结缔组织，最后从滑膜侵蚀关节软骨和骨组织，导致关节受到破坏，进而影响患者正常的关节功能，导致活动受限。2、按照疾病整体的症状表现分类，类风湿关节炎(ra)主要表现如下症状：3、(1)关节疼痛4、发病初期，ra患者常感觉关节疼痛，并在晨起时感觉关节僵硬，持续半小时以上方可自如活动。发病的关节通常是对称的，最常见于近侧的指间关节，其次是双手、腕部、膝盖部位、手肘部位等等；5、(2)关节肿胀6、由滑膜肿胀和关节腔积液导致的，ra患者此时的主动和被动关节活动均会受到限制；7、(3)关节畸形8、ra患者此时会发生受累关节脱位或半脱位，外观看起来有关节畸形。约有10％～15％的患者出现“类风湿结节”。9、而上述的类风湿关节炎疾病症状，是ra患者在日常中时常面临的疼痛问题，对ra患者的指关节、腕关节等造成影响，无法正常使用导致活动受限。10、为了缓解和治疗ra患者因类风湿关节炎引起的症状，临床需要对ra患者的手指等部位进行康复训练，以此锻炼ra患者手指等部位，让ra患者适应并加强对手指等关节部位的正常使用。11、而在现有的ra患者康复训练设备中，多数以手指和腕关节、膝关节等为主要部位进行康复训练，比如公开号为cn113842610b的发明专利，公开了一种类风湿关节炎用手指恢复训练器(即ra训练器)：构造有抵掌部的手掌部，以及位于所述手掌部周围且构造有指头容纳腔的五个手指部；五个所述手指部均通过弹性限位组件与手掌部连接；软质筒，其设置于手掌部周围并与手指部位置对应，所述软质筒内壁上还贴合固定设置有电极片；电源组件，其固定设置在装置本体上为电极片起到供电作用。通过设计一种模拟手掌结构的设备，让ra患者的手指通过拉力训练或者握力训练的动作进行恢复训练。虽然该专利能够通过ra患者的手指训练器的仿生结构进行拉力或握力训练，但是在临床康复时，还存在如下对ra患者的训练不足：12、一是，在ra患者的手指通过拉力训练或者握力训练之时，无法监测并判断ra患者是否达到一定的训练力度，装置并无拉力或者握力上的力反馈，无法为ra患者提供力反馈的训练结果，直到ra患者按照期望力进行训练；13、二是，在ra患者训练过程中，若无临床护士在一旁观测并指导ra患者进行训练，则ra患者不能够指导自己手指等部位在拉力或者握力过程中的动作是否标准，临床护士无法为其提供实际反馈；即使有，则会让康复训练护士花费大量时间陪同ra患者进行训练，耽搁护士做其他事情，浪费护理资源，效率低。技术实现思路1、为了解决上述问题，本发明提出一种拉压反馈型ra训练器、ra训练识别与推荐系统及应用方法和电子设备。2、本发明一方面，提出一种拉压反馈型ra训练器，用于ra患者康复训练，包括构造有抵掌部111的手掌部11，以及位于所述手掌部11周围且构造有指头容纳腔121的五个手指部12，所述手指部12通过弹性限位组件122与手掌部11连接，所述弹性限位组件122包括一外筒体1221，所述外筒体1221内匹配设置有滑动筒1222且所述滑动筒1222在外筒体1221内滑动，所述滑动筒1222一端延伸至外筒体1221外并与手指部12连接，使用者在进行使用时将指头插入手指部12内的指头容纳腔121内，然后通过指头带动手指部12移动，此时通过对滑动筒1222的限位即可起到限位作用完成拉力训练或者握力训练效果，所述外筒体1221内设置有限位弹簧1223，所述滑动筒1222一端通过限位弹簧1223与外筒体1221内底部固定连接，在使用者指头带动手指部12进行移动时，通过限位弹簧1223进行弹性限位，从而完成向外拉动实现拉力训练以及向内滑动实现握力训练；还包括：3、拉力传感器，设于所述手指部12上，用于监测ra患者向外拉动实现拉力训练之时每根手指对所述限位弹簧1223施加的拉力信号，并将所述拉力信号实时反馈至控制器mcu；4、应变片式压力传感器，设于所述限位弹簧1223上，用于监测ra患者向内滑动实现握力训练之时每根手指对所述限位弹簧1223施加的应变压力信号，并将所述应变压力信号实时反馈至控制器mcu；5、控制器mcu，用于根据所述拉力信号计算ra患者向外拉动实现拉力训练之时手指对所述限位弹簧1223施加的拉力值t；和/或，6、根据所述应变压力信号加权计算ra患者向内滑动实现握力训练之时手指对所述限位弹簧1223施加的压力值f：7、f＝ρ(i)f(i)，8、ρ(i)分别为ra患者每根手指的压力值系数，f(i)为ra患者每根手指部12处的手指i对所述限位弹簧1223施加的压力值；9、通信模块，用于将所述拉力值t和/或所述压力值f，实时上报至后台服务器，由所述后台服务器记录ra患者的所述拉力值t和/或所述压力值f；以及，将所述后台服务器基于所述拉力值t和/或所述压力值f，以及对ra患者当前手部训练动作合格判断所下发的训练指示灯信号转发至控制器mcu，由控制器mcu转发至指示灯模块；10、指示灯模块，用于响应所述训练指示灯信号，提醒ra患者拉力训练合格或不合格，或者握力训练合格或不合格；11、电源，用于供电；12、所述拉力传感器、应变片式压力传感器、通信模块、指示灯模块和电源，分别与所述控制器mcu电连接。13、本技术另一方面，提出一种ra训练识别与推荐系统，包括：14、上述所述的拉压反馈型ra训练器，用于采集ra患者向外拉动实现拉力训练之时的拉力值t和/或向内滑动实现握力训练之时对限位弹簧1223施加的压力值f，并将所述拉力值t和/或所述压力值f实时上报至后台服务器；15、图像采集设备，用于采集ra患者进行握力训练时的手部训练动作图像并上传至所述后台服务器；16、后台服务器，包括ra患者管理模块，用于通过ra患者管理模块记录在系统时间t之时所采集的ra患者的训练值并与ra患者的身份id绑定；以及，基于所述拉力值t和/或所述压力值f，以及对ra患者当前手部握力训练动作的合格判断，下发对应的训练指示灯信号至所述拉压反馈型ra训练器的通信模块；以及，将不合格对象的对应合格训练信息下发至终端app；17、终端app，用于ra患者登录所述后台服务器，并查看ra患者在系统时间t下的各个训练值；以及，由ra患者查看不合格对象的对应合格训练信息，进行训练矫正；18、所述拉压反馈型ra训练器与所述终端app，分别与所述后台服务器通信连接。19、作为本技术的一可选实施方案，可选地，所述后台服务器，还包括：20、姿态识别模块，用于基于cnn卷积神经网络模型对所述手部训练动作图像进行图像特征识别，提取对应ra患者的握力训练动作特征p并传输至特征比对模块；21、特征比对模块，用于将所述握力训练动作特征p与预设的手部康复训练动作特征p进行对比，判断ra患者的握力训练动作特征p是否匹配所述手部康复训练动作特征p：匹配则将ra患者的握力训练动作特征p发送至相似度计算模块，反之通知ra患者模块；22、相似度计算模块，用于计算所述握力训练动作特征p与对应的所述手部康复训练动作特征p之间的特征相似度，并将所述握力训练动作特征p的所述特征相似度发送至所述ra患者管理模块进行记录。23、作为本技术的一可选实施方案，可选地，所述后台服务器，还包括：24、特征数据库，用于预先存储不同握力训练姿态上的所述手部康复训练动作特征集：25、ps＝{(x1，p1)......(xn，pn)}，26、其中，pn为握力训练姿态xn上的手部康复训练动作特征。27、作为本技术的一可选实施方案，可选地，所述特征比对模块，还用于：28、根据当前所识别的ra患者的所述握力训练动作特征p，确定当前ra患者的握力训练姿态x；29、根据所述握力训练姿态x，从所述特征数据库中调取对应的所述手部康复训练动作特征px，并用于与所述握力训练动作特征p进行对比。30、作为本技术的一可选实施方案，可选地，所述ra患者管理模块，还用于：31、(1)判断ra患者的当前手部训练动作是否合格：32、若所述握力训练动作特征p的所述特征相似度达到预设相似度值，则认定ra患者的当前手部握力训练动作合格；反之不合格；33、以及，34、(2)判断ra患者的当前施加的所述拉力值t和/或所述压力值f是否合格：35、若所述拉力值t和/或所述压力值f符合预设的拉力阈值和/或压力阈值，则认定ra患者当前施加的力量合格；反之不合格；36、以及，37、(3)联合(1)和(2)的合格判断结果，下发对应的训练指示灯信号：38、若(1)和(2)均合格，则下发绿色指示灯信号至所述拉压反馈型ra训练器的通信模块；39、若(1)或(2)不合格，则下发黄色指示灯信号至所述拉压反馈型ra训练器的通信模块；40、若(1)和(2)均不合格，则下发红色指示灯信号至所述拉压反馈型ra训练器的通信模块。41、作为本技术的一可选实施方案，可选地，所述ra患者管理模块，还用于：42、记录ra患者在系统时间t下的各个训练事件，所述训练事件包括：所述拉力值t和/或所述压力值f以及对应的合格判断结果，当前ra患者的握力训练姿态x以及对应的握力训练动作特征p与合格判断结果；43、将ra患者在系统时间t下的各个训练事件，生成对应的ra训练清单并绑定ra患者的身份id之下，进行训练统计。44、本技术另一方面，还提出一种所述ra训练识别与推荐系统的应用方法，包括如下步骤：45、穿戴好拉压反馈型ra训练器，采集ra患者向外拉动实现拉力训练之时的拉力值t和/或向内滑动实现握力训练之时对限位弹簧1223施加的压力值f，并将所述拉力值t和/或所述压力值f实时上报至后台服务器；46、图像采集设备采集ra患者进行握力训练时的手部训练动作图像并上传至后台服务器；47、后台服务器：48、通过图像特征识别提取对应ra患者的握力训练动作特征p并传输至特征比对模块；49、通过特征比对模块将所述握力训练动作特征p与预设的手部康复训练动作特征p进行对比，判断ra患者的握力训练动作特征p是否匹配所述手部康复训练动作特征p：匹配则将ra患者的握力训练动作特征p发送至相似度计算模块，反之通知ra患者模块；50、通过相似度计算模块计算所述握力训练动作特征p与对应的所述手部康复训练动作特征p之间的特征相似度，并将所述握力训练动作特征p的所述特征相似度发送至所述ra患者管理模块进行记录；51、通过ra患者管理模块：52、(1)判断ra患者的当前手部训练动作是否合格：53、若所述握力训练动作特征p的所述特征相似度达到预设相似度值，则认定ra患者的当前手部握力训练动作合格；反之不合格；54、以及，55、(2)判断ra患者的当前施加的所述拉力值t和/或所述压力值f是否合格：56、若所述拉力值t和/或所述压力值f符合预设的拉力阈值和/或压力阈值，则认定ra患者当前施加的力量合格；反之不合格；57、以及，58、(3)联合(1)和(2)的合格判断结果，下发对应的训练指示灯信号：59、若(1)和(2)均合格，则下发绿色指示灯信号至所述拉压反馈型ra训练器的通信模块；60、若(1)或(2)不合格，则下发黄色指示灯信号至所述拉压反馈型ra训练器的通信模块；61、若(1)和(2)均不合格，则下发红色指示灯信号至所述拉压反馈型ra训练器的通信模块；62、通信模块将训练指示灯信号转发至控制器mcu，由控制器mcu转发至指示灯模块；63、指示灯模块响应所述训练指示灯信号，提醒ra患者拉力训练合格或不合格，或者握力训练合格或不合格；64、后台服务器同时将不合格对象的对应合格训练信息下发至终端app；65、ra患者通过终端app登录所述后台服务器，并查看ra患者在系统时间t下的各个训练值；以及，由ra患者查看不合格对象的对应合格训练信息，进行训练矫正。66、本技术另一方面，还提出一种电子设备，包括：67、处理器；68、用于存储处理器可执行指令的存储器；69、其中，所述处理器被配置为执行所述可执行指令时实现所述的应用方法。70、本发明的技术效果：71、本发明通过在训练器上设置有相应的力传感器，可以用来监测并采集患者在握力或者是拉力过程中的力量，以此来可视化监测患者的训练力道，判断患者的训练力道是否达到预设要求，并结合智能化系统对采集数据进行进一步合格训练判断，并向患者发出对应的提醒信息，让患者获知当前的训练动作是否合格。以此能够让患者在训练监督下进行有序、有力量的针对性训练，提高训练效果。72、同时利用智能系统进行训练动作的智能识别，判断患者的训练动作是否达标，并给予对应的动作是否合格反馈，进行指导性训练。73、通过结合力道与训练动作的双重监督与合格判断，系统给患者反馈对应的训练结果判断，并将不合格项目的分析结果发送至患者，让患者认知到自己训练不足之处，进行增强训练，以此加强ra恢复效果，同时可以让康复训练护士的康复辅助工作得到解放，去做其他的医院护理，节省护理资源。74、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。