1.本发明属于大数据技术领域，尤其涉及一种基于大数据的上肢功能康复模拟系统、方法以及实现该方法的计算机可读存贮介质。
背景技术：
2.脑卒中常见的后遗症之一就是肢体运动障碍。有关资料显示，85%以上的患者发病后伴有不同程度的肢体运动障碍，而做好康复锻炼，是减少脑卒中后遗症的关键。
3.传统康复治疗的模式是治疗师一对一对患者进行治疗，由治疗师协助患者进行肢体运动，通过大量的重复性运动，逐渐刺激患者受损脑部神经，修复脑神经。这种训练方式效率低、成本高、训练强度难以保证；训练效果受到治疗师水平的影响；缺乏实时评价训练参数和康复效果关系的客观数据。
4.现代科技发展迅速，越来越多配合康复的器械被发明出来，让患者的康复训练更加高效，但同时又不缺乏趣味性，极大地增加了患者的积极性。例如，上肢康复机器人通过运用计算机技术模拟上肢的三维运动模式，是针对患者上肢功能障碍情况，结合计算机虚拟情景进行康复训练的机器人系统。
5.申请号为cn202011352253.7的中国发明专利申请提出一种上肢运动控制康复训练设备，其结构包括支架、控制器、推盘，控制器倾斜安装在支架顶中部，推盘与支架活动配合，由于病人的上肢手臂突然脱离推举器时，推举器快速沿着倾斜的滑杆底端下滑，通过减速机构与滑杆活动配合，使得推盘与滑杆的摩擦力加大，减慢推盘的滑动速度，有利于减少病人手臂与推举器的距离较近时，手臂受到推举器的冲撞，造成上肢再次受到伤害，有利于病人肢体康复，由于康复人员的手部长期与握板接触，手部生出汗液，导致握板与手部的摩擦力减少，通过握板内部的气流往排气孔扩散，有利于康复人员手部的汗液蒸发，增大手部与握板的摩擦力，减少手指在移动的过程中脱离握板。
6.申请号为cn201810947564.4的中国发明专利申请公开了一种个性化上肢康复训练机器人系统的康复训练方法，包括以下步骤：s1、系统开机自检；s2、登录个人康复训练系统；s3、对患者进行康复训练；s4、存储患者康复训练的数据；s5、对患者的康复训练效果进行评估；s6、退出系统。本发明能够让不同康复阶段的、不同症状的、不同体型的患者进行上肢康复训练与评估，适用于因中枢神经、周围神经、脊髓、肌肉或骨骼疾病引起的上肢功能障碍或功能受限的患者，能满足患者不同地点进行相同康复训练的需求。
7.然而，发明人发现，上述现有技术的上肢康复方案，都是针对个体利用个体数据执行康复锻炼或者指导，锻炼模式单一。这种基于个体的康复锻炼方案，锻炼参数异常时无法得到提示，锻炼参数正常时又无法正确留存，导致个体锻炼的驱动力减弱，也无法实现自适应的锻炼状态判断以及全流程的锻炼指导。
技术实现要素：
8.为解决上述技术问题，本发明的技术方案在硬件上包括一种基于大数据的上肢功
能康复模拟系统，包括集中控制端、与所述集中控制端远程通信的多个功能康复端；每个功能康复端包括语音传感器、运动传感器以及边缘计算单元；运动传感器用于获取目标患者的运动传感数据，所述运动传感数据包括上肢肌力和上肢姿态模式；边缘计算单元周期性的获取运动传感数据执行边缘计算分析；当边缘计算分析的结果满足第一预定条件时，激活所述语音传感器输出语音提示信号；当边缘计算分析的结果满足第二预定条件时，激活所述语音传感器输出语音测试信号；在软件上，本发明的上述技术方案也可以体现为一种基于大数据的上肢功能康复模拟方法，所述方法基于集中控制端、与所述集中控制端远程通信的多个功能康复端实现。
9.具体而言，本发明针对上述技术问题的具体技术方案可以从三个方面体现：在本发明的第一个方面，提供一种基于大数据的上肢功能康复模拟系统，所述系统包括集中控制端、与所述集中控制端远程通信的多个功能康复端；其中，所述集中控制端包括至少一个康复数据库，所述康复数据库用于存储生理康复数据；每个所述功能康复端包括语音传感器、运动传感器以及边缘计算单元；所述运动传感器用于获取目标患者的运动传感数据，所述运动传感数据包括上肢肌力和上肢姿态模式；作为本发明的优点之一，所述边缘计算单元周期性的获取所述运动传感数据执行边缘计算分析；当所述边缘计算分析的结果满足第一预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音提示信号；作为本发明的优点之一，当所述边缘计算分析的结果满足第二预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音测试信号；并且，作为上述优点的具体体现之一，所述语音提示信号是所述集中控制端从所述康复数据库中查找与所述目标患者对应的生理康复数据后确定的。
10.作为体现上述的更具体的关键技术手段之一，所述康复数据库用于存储生理康复数据，所述生理康复数据包括第一运动传感数据以及眼底采样图片数据，所述第一运动传感数据与所述眼底采样图片数据关联存储；当所述边缘计算分析的结果满足第一预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音提示信号，具体包括：当所述运动传感器获取的所述上肢肌力持续超过预定阈值的次数达到预设值时，所述边缘计算单元发送预警信号给所述集中控制端；所述集中控制端从所述康复数据库中查找与所述目标患者对应的生理康复数据，所述对应的生理康复数据包括上肢锻炼模式；将所述上肢锻炼模式与所述运动传感器获取的所述上肢姿态模式进行比对，生成所述语音提示信号。
11.当所述边缘计算分析的结果满足第二预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音测试信号，具体包括：若所述运动传感数据在预定时间段内的变化趋势低于预定范围、或者所述运动传感器连续采集的预定次数的运动传感数据的变化趋势低于预定范围，则所述边缘计算单元
激活所述语音传感器。
12.在本发明的第二个方面，提供一种基于大数据的上肢功能康复模拟方法，所述方法基于集中控制端、与所述集中控制端远程通信的多个功能康复端实现，其特征在于，所述方法包括如下步骤：s701：在所述集中控制端构建可更新的康复数据库；s702：在目标患者康复出院时，采集所述目标患者的至少一张眼底图片，将所述眼底图片保存至所述康复数据库；s703：获取目标患者在所述功能康复端上的运动传感数据；s704：按照第一周期对所述运动传感数据执行第一边缘计算分析；s705：判断所述第一边缘计算分析的结果是否满足第一预设条件，如果是，进入下一步；否则，返回步骤s703；s706：所述集中控制端生成语音提示信号，并发送至所述功能康复端，所述功能康复端播放所述语音提示信号；s707：按照第二周期对所述运动传感数据执行第二边缘计算分析；s708：判断所述第二边缘计算分析的结果是否满足第二预设条件，如果是，进入下一步；否则，返回步骤s703；s709：所述功能康复端输出语音测试信号。
13.并且，作为更进一步的改进，在所述步骤s709之后，所述方法还包括：s710：所述功能康复端接收所述目标患者的语音反馈信号；s711：对所述语音反馈信号和所述语音测试信号执行相似度比对；s712：基于所述相似度比对的结果，更新所述康复数据库。
14.本发明的上述方法可以通过包含处理器和存储器的终端设备，尤其是图像处理终端设备，包括移动终端、桌面终端、服务器以及服务器集群等，通过程序指令自动化的执行，因此，在本发明的第三个方面，还提供一种计算机可读存储介质，其上存储有计算机程序指令；通过包含处理器和存储器的图像终端处理设备，执行所述程序指令，用于实现第二个方面所述方法的全部或者部分步骤。
15.本发明采用边缘计算技术，使得本地数据不需要全部或者时刻传输至云端，避免数据堵塞；同时，利用了边缘计算的优点，能够在本地及时响应；本地相应的边缘计算处理综合多种条件判断，针对不同的条件判断给出了不同的响应，使得康复锻炼更有针对性；并且，针对上肢功能康复，采用上肢肌力和上肢姿态模式进行数据判定，当数据异常时提出提示信号做出调整；此外，当数据标准时，及时上传保存，更新远端数据库；而数据异常时的提示信号是基于远端数据库的标准比对得出，避免了本地边缘计算的局限性；同时，本发明的技术方案能够及时的更新远端的标准数据库，充分体现了大数据价值。
16.本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本发明一个实施例的一种基于大数据的上肢功能康复模拟系统的总体结构图；图2是图1所述系统的部分硬件连接示意图；图3是图1所述系统的具体工作原理的部分示意图；图4-图5是基于图1所述系统实现的一种基于大数据的上肢功能康复模拟方法的两个不同实施例示意图。
实施方式
19.下面，结合附图以及具体实施方式，对发明做出进一步的描述。
20.参照图1，是本发明一个实施例的一种基于大数据的上肢功能康复模拟系统的总体结构图。
21.在图1中，所述系统包括多个功能康复端，多个功能康复端与集中控制端远程通信，并且所述集中控制端包括至少一个康复数据库，所述康复数据库用于存储生理康复数据。
22.在本发明的各个实施例中，生理康复数据是指目标康复患者上传的处于正常康复锻炼状态下的运动康复数据；尤其需要指出的是，所述上传是被动上传，当目标患者的实际运动康复数据满足预定条件时，对应的实际运动康复数据被判定为符合正常康复锻炼状态，即启动上传程序。
23.在本发明中，这种实际运动康复数据又被称之为运动传感数据，所述运动传感数据包括上肢肌力数据和上肢姿态模式数据。
24.作为示例，肌力数据可以通过压力传感器收集，监测上肢肌力情况；姿态模式数据可以采用运动传感器收集，用于感知上肢的运动模式，例如抬起幅度、周期以及最大高度等。
[0025] 在图1中，虽然未示出，但是每个所述功能康复端包括语音传感器、运动传感器以及边缘计算单元；所述运动传感器用于获取目标患者的运动传感数据所述语音语音传感器用于输出语音提示信号或语音测试信号。
[0026]
语音提示信号用于对目标康复患者执行语音提示，例如锻炼参数异常、锻炼模式异常等；语音测试信号用于对处于正常康复锻炼状态的目标康复患者执行语音表达能力测试。
[0027]
所述边缘计算单元周期性的获取所述运动传感数据执行边缘计算分析。
[0028]
由于功能康复端与集中控制端是远程通信，并且一个集中控制端需要与多个（通常是较大数量）功能康复端执行数据交互，如果每个功能康复端一采集到参数数据就发送
至集中控制端，不可避免的将会导致数据阻塞，甚至无法及时收到反馈，影响康复锻炼效果。
[0029]
为解决上述问题，本发明首次提出将边缘计算应用于本地功能康复端。
[0030] 边缘计算的起源可以追溯到上个世纪90年代，当时akamai推出了内容传送网络(cdn)，该网络在接近终端用户设立了传输节点。这些节点能够存储缓存的静态内容，如图像和视频等。边缘计算通过允许节点执行基本的计算任务来进一步理解这一概念。1997年，计算机科学家brian noble演示了移动技术如何将边缘计算用于语音识别，两年后这种方式也被用来延长手机电池的寿命。当时这一过程被称为“cyber foraging”，这也是苹果的siri和google的语音识别的工作原理。
[0031]
边缘计算因为是在靠近数据源所在的局域网络环境内运算，所以可以是在一台大型运算设备，或者是很多台中、小型运算设备或设备组成的本地端网络内运算，这些运算设备可以是个人所有的移动设备（如智能手机、穿戴式设备），也可以是终端设备（如网关、监视摄影机、银行atm），或是其他物联网设备。因为运算设备和设备之间彼此靠得很近，网络传输更直接，如透过wi-fi、蓝牙等，所以传递数据变很快。
[0032]
在图1基础上，参见图2。
[0033]
所述边缘计算单元周期性的获取所述运动传感数据执行边缘计算分析；当所述边缘计算分析的结果满足第一预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音提示信号；当所述边缘计算分析的结果满足第二预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音测试信号；其中，所述语音提示信号是所述集中控制端从所述康复数据库中查找与所述目标患者对应的生理康复数据后确定的。
[0034]
作为具体的硬件实现，在图1-图2的实施例中，所述语音传感器包括语音输出组件和语音接收组件；通过所述语音输出组件输出所述语音提示信号或语音测试信号；通过所述语音接收组件接收所述目标患者针对所述语音测试信号的语音反馈信号。
[0035]
所述边缘计算单元与所述语音传感器连接；所述语音传感器将所述语音测试信号和所述语音反馈信号发送至所述边缘计算单元；所述边缘计算单元将所述语音测试信号和所述语音反馈信号执行相似度比对，当所述相似度比对的结果满足第三预定条件时，将所述运动传感器获取的第一运动传感数据上传至所述康复数据库。
[0036]
这里的第三预定条件，例如可以是，所述语音测试信号和所述语音反馈信号的相似度大于第一预定值，或者差异度低于第二预定值。
[0037]
所述康复数据库用于存储生理康复数据，所述生理康复数据包括第一运动传感数据以及眼底采样图片数据，所述第一运动传感数据与所述眼底采样图片数据关联存储；当所述边缘计算分析的结果满足第一预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音提示信号，具体包括：
当所述运动传感器获取的所述上肢肌力持续超过预定阈值的次数达到预设值时，所述边缘计算单元发送预警信号给所述集中控制端；所述集中控制端从所述康复数据库中查找与所述目标患者对应的生理康复数据，所述对应的生理康复数据包括上肢锻炼模式；将所述上肢锻炼模式与所述运动传感器获取的所述上肢姿态模式进行比对，生成所述语音提示信号。
[0038]
当所述边缘计算分析的结果满足第二预定条件时，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音测试信号，具体包括：若所述运动传感数据在预定时间段内的变化趋势低于预定范围、或者所述运动传感器连续采集的预定次数的运动传感数据的变化趋势低于预定范围，则所述边缘计算单元激活所述语音传感器。
[0039]
作为另一个改进，所述康复数据库中保存有每个目标患者的眼底采样图片数据。
[0040]
此种改进主要针对术后脑卒中康复患者。
[0041]
发明人发现，视网膜及视神经作为间脑的直接延伸，与中枢神经系统具有高度同源性。眼底微血管是人体唯一可以在活体上观察到的微循环血管，为研究中枢神经系统疾病提供了可靠、易行的观察窗口。
[0042]
本发明首次将眼底照相技术开始应用于探索眼底病变与脑卒中的相关性研究，并对研究脑卒中发病机制显示出了独特的优势。
[0043]
因此，针对脑卒中患者，采用其眼底采样图片数据作为康复锻炼状态的标志之一，可以综合性判断当前术后脑卒中康复锻炼患者的锻炼状态。
[0044]
在图1-图2基础上，参见图3，图3是图1所述系统的具体工作原理的部分示意图。
[0045]
所述工作原理具体分为如下步骤：首先，所述边缘计算单元周期性的获取所述运动传感数据执行边缘计算分析；这里的边缘计算分析包括数据趋势分析；然后，判断所述边缘计算分析的结果是否满足第一预定条件；结合前述的具体例子，当所述运动传感数据包括上肢肌力和上肢姿态模式时，这里的判断所述边缘计算分析的结果是否满足第一预定条件，具体执行为：判断所述运动传感器获取的所述上肢肌力持续超过预定阈值的次数是否达到预设值；如果是，所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音提示信号；如果否，则判断所述边缘计算分析的结果是否满足第二预定条件，结合前述的具体例子，这里的判断所述边缘计算分析的结果是否满足第二预定条件，具体执行为：判断所述运动传感数据在预定时间段内的变化趋势是否低于第一预定范围、或者所述运动传感器连续采集的预定次数的运动传感数据的变化趋势是否低于第二预定范围；若是，则所述边缘计算单元激活所述语音传感器，所述语音传感器输出语音测试信号。
[0046]
当所述语音传感器输出语音提示信号后，目标康复锻炼患者通常会根据提示信号
调整锻炼姿态、动作或者模式；当所述语音传感器输出语音测试信号后，所述语音传感器通过所述语音接收组件接收所述目标患者针对所述语音测试信号的语音反馈信号。
[0047]
然后，所述边缘计算单元将所述语音测试信号和所述语音反馈信号执行相似度比对；当所述相似度比对的结果满足第三预定条件时，将所述运动传感器获取的第一运动传感数据上传至所述康复数据库，从而完成康复数据库的更新。
[0048] 需要指出的是，在不同实现方案中，出现的“第一”或“第二”、“第三”限定的“预设条件”、“预定条件”等，并不代表各个“预设条件”、
ꢀ“
预定条件”等一定存在区别或者不存在区别。在本发明的上述不同技术方案中的判断条件中使用到的各种“预设条件”、
ꢀ“
预定条件”等，本领域技术人员可以根据实际情况进行合理设置，本发明对此不作具体限定。后续在具体实施例介绍部分，相关的实施例可能也对部分“预设条件”、
ꢀ“
预定条件”等给出了具体的限定条件，但是这仅仅是众多合理设置中的一种或者几种举例，并不是穷举式限定，也不构成对本发明实际保护范围的限定，任何符合实际情况的“预设条件”都应该属于本发明的保护范围之内。
[0049] 结合后续整体的方案也可以理解，本发明的改进和核心构思也不在于“预设条件”、
ꢀ“
预定条件”等本身，因此，根据实际情况进行合理设置的不同预设条件，只要符合客观情况，均可以实现本发明。
[0050]
基于图1-图2给出的硬件架构以及图3给出的工作原理，本发明还可以实现为计算机程序指令可执行的方法，参见图4-图5，是基于图1所述系统实现的一种基于大数据的上肢功能康复模拟方法的两个不同实施例示意图。
[0051]
在图4中，所述方法所述方法基于集中控制端、与所述集中控制端远程通信的多个功能康复端实现，包括步骤s701-s709，其中，s708和s705各自包含循环判断支路。
[0052]
更具体的，各个步骤简介如下：s701：在所述集中控制端构建可更新的康复数据库；s702：在目标患者康复出院时，采集所述目标患者的至少一张眼底图片，将所述眼底图片保存至所述康复数据库；s703：获取目标患者在所述功能康复端上的运动传感数据；s704：按照第一周期对所述运动传感数据执行第一边缘计算分析；s705：判断所述第一边缘计算分析的结果是否满足第一预设条件，如果是，进入下一步；否则，返回步骤s703；s706：所述集中控制端生成语音提示信号，并发送至所述功能康复端，所述功能康复端播放所述语音提示信号；s707：按照第二周期对所述运动传感数据执行第二边缘计算分析；s708：判断所述第二边缘计算分析的结果是否满足第二预设条件，如果是，进入下一步；否则，返回步骤s703；s709：所述功能康复端输出语音测试信号。
[0053]
图5在图4基础上进行了进一步的方法改进，因此，图5中有关图4的部分不再详细描述，对于新增的改进部分，具体包括：在所述步骤s709之后，所述方法还包括：s710：所述功能康复端接收所述目标患者的语音反馈信号；s711：对所述语音反馈信号和所述语音测试信号执行相似度比对；s712：基于所述相似度比对的结果，更新所述康复数据库。
[0054]
所述步骤s712具体包括：若所述相似度比对结果满足第三预定条件，则将所述目标患者的所述运动传感数据上传至所述康复数据库，并与所述眼底图片关联存储。
[0055]
本发明的优点至少体现在：（1）采用边缘计算技术，使得本地数据不需要全部或者时刻传输至云端，避免数据堵塞；同时，利用了边缘计算的优点，能够在本地及时响应；（2）本地相应的边缘计算处理综合多种条件判断，针对不同的条件判断给出了不同的响应，使得康复锻炼更有针对性；（3）针对上肢功能康复，采用上肢肌力和上肢姿态模式进行数据判定，当数据异常时提出提示信号做出调整；当数据标准时，及时上传保存，更新远端数据库；（4）数据异常时的提示信号是基于远端数据库的标准比对得出，避免了本地边缘计算的局限性；（5）能够及时的更新远端的标准数据库，充分体现了大数据价值。
[0056]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。