CN120260806A 一种基于人工智能和虚拟现实的智能康复训练方法及系统 （华中科技大学同济医学院附属同济医院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120260806A(43)申请公布日2025.07.04

(21)申请号202510285538.X

(22)申请日2025.03.11

(71)申请人华中科技大学同济医学院附属同济

医院

地址430000湖北省武汉市硚口区宝丰街

道汉口解放大道1095号

GO6NGO6N

3/045(2023.01)

3/08(2023.01)

(72)发明人章棋韩娟

(74)专利代理机构济南畅知专利代理事务所(普通合伙)37457

专利代理师曲姮

(51)Int.CI.

G16HG16HGO6NGO6N

20/30(2018.01)

50/30(2018.01)

3/042(2023.01)

3/0464(2023.01)

权利要求书6页说明书18页附图3页

(54)发明名称

一种基于人工智能和虚拟现实的智能康复训练方法及系统

(57)摘要

CN120260806A本发明提供一种基于人工智能和虚拟现实的智能康复训练方法及系统，用户佩戴智能穿戴设备采集脑电、肌电、生理特征和运动信号等多模态数据，经预处理后输入人工智能训练模型，运用图卷积网络、注意力机制算法提取关键特征并融合。利用融合特征构建数字孪生模型，进行实时动态映射和预测性模拟，结合用户康复目标和身体状态，借助强化学习算法生成定制训练方案。用户在虚拟现实交互模型中训练，系统实时监测动作和生理状态，数字孪生模型同步动作，场景动态调整。训练后，依据生理指标、运动数据和孪生优化分析结果评估康复效果，反馈优化训

CN120260806A

S1

S1

用户佩戴智能穿戴设备，实时采集多模态数据，对所述多模态数据进行预处理

S2

将预处理后的多模态数据输入到人工智能训练模型，提取多模态数据中的关健特征，并采用图卷积网络、注意力机制算法对特征进行融合处理

利用融合后提取的多模态数据特征，构建患者的数字挛生模型，进行实时动态映射和预测性模拟

S4

根据融合后的数据特征以及数字挛生模型的分析结果，结合用户的康复目标和身体状态，利用强化学习算法生成定制训练方案

用户进入虚拟现实交互模型，根据生成的所述训练方案进行康复训练，实时监测用户的动作和生理状态，数字挛生模型实时同步用户动作，虚拟现实场景根据用户情况动态调整

根据用户训练后的生理指标、运动数据以及多模态数据驱动的李生优化分析结果，评估康复效果，将康复评估结果反馈给人工智能处理模型进一步优化训练方案和数字挛生模型

S6

CN120260806A权利要求书1/6页

2

1.一种基于人工智能和虚拟现实的智能康复训练方法，其特征在于，包括：

S1、用户佩戴智能穿戴设备，实时采集多模态数据，对所述多模态数据进行预处理；所述多模态数据包括用户脑电信号、肌电信号、生理特征信号、运动信号；

S2、将预处理后的多模态数据输入到人工智能训练模型，提取多模态数据中的关键特征，并采用图卷积网络、注意力机制算法对多模态数据特征进行融合处理；

S3、利用融合后提取的多模态数据特征，构建患者的数字孪生模型，进行实时动态映射和预测性模拟；

S4、根据融合后的数据特征以及数字孪生模型的分析结果，结合用户的康复目标和身体状态，利用强化学习算法生成定制训练方案；所述训练方案包括训练内容、难度级别、训练时长参数；

S5、用户进入虚拟现实交互模型，根据生成的所述训练方案进行康复训练，实时监测用户的动作和生理状态，数字孪生模型实时同步用户动作，虚拟现实场景根据用户情况动态调整；

S6、根据用户训练后的生理指标、运动数据以及多模态数据驱动的孪生优化分析结果，评估康复效果，将康复评估结果反馈给人工智能处理模型，进一步优化训练方案和数字孪生模型。

2.根据权利要求1所述的基于人工智能和虚拟现实的智能康复训练系统及方法，其特征在于，所述用户脑电信号采用干电极技术获取；所述肌电信号采用基于石墨烯的柔性电极采集；所述生理特征信号包括心率、温度、脉搏，采用对应传感器获取；所述运动信号采用佩戴设备上的压力传感器、加速度传感器获取。

3.根据权利要求1所述的基于人工智能和虚拟现实的智能康复训练方法，其特征在于，所述提取多模态数据中的关键特征，并采用图卷积网络、注意力机制算法对多模态数据特征进行融合处理，具体为：

S21、将多模态数据表示为图结构，设图G=(V,E),其V是节点集合，E是边