-
公开(公告)号:CN119326626A
公开(公告)日:2025-01-21
申请号:CN202411566874.3
申请日:2024-11-05
Applicant: 复旦大学
Abstract: 本发明属于下肢康复技术领域,具体涉及一种精准对接的下肢训练系统及其控制方法。本发明的下肢训练系统包括一组用于承载患者的承载平台;下肢康复装置;定位对接装置,设置在承载平台与下肢康复装置之间,用于将下肢康复装置与承载平台对接;定位对接装置包括沿X轴方向设置在地面上的定位轨道、设置在定位轨道上的定位槽、固定安装在定位轨道一侧的后定位板以及滑动卡合在定位轨道一侧的前定位板。本发明的下肢训练系统将下肢康复装置与承载平台能够均以定位对接装置为位置基准,进行定位对接,从而实现下肢康复装置与承载平台的快速、精准对接,以解决现有技术中下肢康复装置与承载平台对接不准确或使用、移动不便的问题。
-
公开(公告)号:CN119454400A
公开(公告)日:2025-02-18
申请号:CN202411566877.7
申请日:2024-11-05
Applicant: 复旦大学
Abstract: 本发明属于下肢康复技术领域,具体涉及一种多体位下肢康复系统以及使用方法。本发明的多体位下肢康复系统包括设置在地面或训练平台上的至少一个下肢训练装置和通过定位连接机构与下肢训练装置定位安装的变换椅装置;变换椅装置中的第一调角组件设置在座板的中间位置,第一调角组件带动座板沿平行于Y轴的座板中间线转动,第二调角组件带动背板沿平行于Y轴的座板边缘线转动。巧妙采用不同安装位置的第一调角组件和第二调角组件来实现站‑坐‑躺三种姿态的变换,不需要较为复杂的支撑和驱动,下肢训练装置和变换椅装置结构轻便、可分开移动,能够适用于家庭型康复的同时,且能保证康复过程中的多位姿变换稳定性。
-
公开(公告)号:CN119405486A
公开(公告)日:2025-02-11
申请号:CN202411608633.0
申请日:2024-11-12
Applicant: 复旦大学
Abstract: 本发明属于护理床技术领域,具体涉及融合患者位姿和护理床姿态的自动翻身系统及控制方法。本发明包括护理床、安装在护理床上的翻身装置、设置在翻身装置上的检测床垫以及用于控制护理床和翻身装置动作的控制模块;翻身系统还包括位姿分析计算模块和护理床姿态检测模块,控制模块根据位姿信息和姿态信息控制护理床和/或翻身装置动作。本发明的自动翻身系统将患者卧床位姿与真实环境中的护理床姿态相融合,利用压电薄膜的设置位置点和压力大小通过位姿分析计算模块,对患者卧床位姿进行精准判断,控制模块结合真实环境中的护理床姿态信息和患者卧床位姿信息实现护理床和翻身装置的自动化控制,真正实现安全且完全自动化的翻身过程。
-
公开(公告)号:CN119279940A
公开(公告)日:2025-01-10
申请号:CN202411287500.8
申请日:2024-09-13
Applicant: 复旦大学
IPC: A61G7/015 , A61G7/018 , A61G7/00 , A61G7/05 , A61G7/10 , A61G5/00 , A61G5/04 , A61G5/08 , A61G5/10 , G01C21/00 , G01C21/16 , G01B21/00 , G01B21/26
Abstract: 本发明属于医疗护理技术领域,具体涉及一种卧床老人智能护理系统及自适应柔顺控制方法。本发明的卧床老人智能护理系统,包括多体位护理床、用于带动老人移动的轮椅机构、用于将老人从多体位护理床上搬运至轮椅机构上的移乘搬运装置;轮椅机构包括:全向底盘和安装在全向底盘上的折叠椅板组件;调整机构;容纳腔;检测模块;自主定位导航模块。本发明采用检测模块对轮椅机构和马桶进行相对位置的定位,通过自主定位导航模块用于接收所述检测模块发送的检测数据,并根据接收到的检测数据控制所述全向底盘进行位姿调整及与马桶的对接动作,将轮椅机构的实时监测与自主定位导航相结合,实现“轮椅‑马桶”的自适应柔顺控制。
-
公开(公告)号:CN118873114A
公开(公告)日:2024-11-01
申请号:CN202311465423.6
申请日:2023-11-06
Applicant: 复旦大学
IPC: A61B5/024 , A61B5/0245 , A61B5/11 , A61B5/113 , A61B5/318 , A61B5/346 , A61B5/00 , G06F18/24 , G06N3/0464 , G06N3/09
Abstract: 本发明属于生物信息处理技术领域,具体涉及一种非接触式BCG信号的心率变异性计算方法及系统。本发明的计算方法包括以下步骤:S1、BCG信号和ECG信号的同步采集、传输和储存;S2、BCG信号和ECG信号的预处理;S3、数据集样本的构建和划分;S4、构建“注意力‑相位平移‑编解码”的深度网络模型;S5、获取最佳模型;S6、获取估计的R峰位置;S7、根据步骤S6获取的R峰位置,计算心率变异性。本发明通过预处理算法精准地去除了人体微振动信号中的呼吸信号,并将硬件电路所固有的高频噪声去除,得到纯净的BCG信号,构建“注意力‑相位平移‑编解码”的深度网络模型通过提取BCG信号的内在特征,还原出真实心跳位置,以计算准确的心率变异性指标。
-
-
-
-