本申请涉及脑电数据处理，具体涉及一种基于疼痛监测的康复训练轨迹生成、装置和训练设备。
背景技术：
1、近年随着医疗康复设备的发展，医疗康复设备对各种疾病都有显著的帮助，例如使用上下肢外骨骼帮助运动障碍患者进行康复训练，相比手工的康复训练，使用助力外骨骼可以达到重复性强，精确度高，效率高以及无需太多人力的介入即可自行进行康复训练等优势，此外还能主动记录康复数据，通过设定康复训练周期生成评估，节约了医生的时间。
2、现如今使用助力外骨骼的肢体康复训练主要分为主动模式和被动模式。主动康复训练根据患者现有康复状态结合康复类型进行可控范围、路径以及力度的训练。而被动则是通过设备自行轨迹的控制带动患者运动，但是根据不同的康复类型、不同患者或者不同康复期进行康复训练，则需要进行不同的康复训练轨迹范围的规划。此外对于已规划好的路径在训练过程如果并非最适路径，那么可能会对患者进行二次伤害。
技术实现思路
1、申请的技术目的在于针对目前缺少根据不同康复训练情况，生成相应康复训练轨迹的方法，提供一种基于疼痛监测的康复训练轨迹生成方法、装置和训练设备。
2、为实现上述技术目的，本申请采用以下技术方案。
3、第一方面，本申请实施例提供一种基于疼痛监测的康复训练轨迹生成方法，包括：
4、将患者进行康复训练过程采集的脑电数据，分为多个与疼痛相关的预设频段数据；
5、基于各所述预设频段数据分别提取时频图像；
6、基于采集所述脑电数据的同时采集的患者面部视频，提取面部图像；
7、基于各所述时频图像和所述面部图像进行归一化，获得归一化特征图；
8、将所述归一化特征图输入预先构建的疼痛监测模型，获得疼痛状态；
9、根据所述疼痛状态生成康复训练轨迹。
10、在一些实施方式中，基于各所述预设频段数据分别提取时频图像，包括：
11、对每个所述预设频段数据，利用拉普拉斯空间滤波器滤除各脑电通道的公共分量，获得空间滤波后的数据；
12、利用连续小波变换对所述空间滤波后的数据进行时频分析，获得尺度图；
13、对所述尺度图进行可视化，获得所述预设频段数据对应的时频图像。
14、在一些实施方式中，所述拉普拉斯空间滤波器的表达式如下：
15、
16、
17、其中为空间滤波后的第i个脑电通道的值；vier为第i个脑电通道对应电极与参考电极之间的电位差；si表示第i个脑电通道对应电极的相邻电极集合，dij表示第i个脑电通道和第j个脑电通道之间的距离，gij为中间参数。
18、在一些实施方式中，基于各所述时频图像和所述面部图像进行归一化，获得归一化特征图，包括：
19、将各所述时频图像和所述面部图像调整为相同像素尺寸，并分别进行中心剪裁，获得相同张量格式图像；
20、基于所有相同张量格式图像进行归一化，获得所述归一化特征图。
21、在一些实施方式中，所述疼痛监测模型被配置为利用残差网络作为主干网络，利用卷积块注意力模块对输入的特征图进行通道注意力加权和空间注意力加权，最后将通道注意力加权和空间注意力加权处理后的特征图通过平均池化层和完全连接层，输出分类结果以确定对应的所述疼痛状态。
22、在一些实施方式中，所述方法还包括利用疼痛脑电数据模型对所述疼痛监测模型进行训练，所述疼痛脑电数据模型包括患者疼痛状态下的脑电数据和非疼痛状态下的脑电数据。
23、在一些实施方式中，根据所述疼痛状态生成康复训练轨迹，包括：
24、预先根据所述疼痛状态划分患者康复训练的临界运动范围；
25、基于所述临界运动范围进行康复训练，同时根据疼痛监测模型获取的患者当前疼痛状态；根据当前疼痛状态对所述临界运动范围进行调整，以生成所述康复训练轨迹。
26、第二方面，本申请实施例提供一种基于疼痛监测的康复训练轨迹生成装置，包括：
27、脑电数据预处理模块，被配置为将患者进行康复训练过程采集的脑电数据，分为多个与疼痛相关的预设频段数据；
28、时频数据分析模块，被配置为基于各所述预设频段数据分别提取时频图像；
29、面部图像处理模块，被配置为基于采集所述脑电数据的同时采集的患者面部视频，提取面部图像；
30、图像归一化模块，被配置为基于各所述时频图像和所述面部图像进行归一化，获得归一化特征图；
31、疼痛状态识别模块，被配置为预先构建疼痛监测模型，将所述归一化特征图输入所述疼痛监测模型，获得疼痛状态；
32、训练轨迹生成模块，被配置为根据所述疼痛状态生成康复训练轨迹。
33、在一些实施方式中，所述疼痛监测模型包括：
34、主干网络，所述主干网络采用残差网络；
35、卷积块注意力模块，所述卷积块注意力模块包括通道注意力模块和空间注意力模块，所述卷积块注意力模块被配置为利用所述通道注意力模块和所述空间注意力模块对输入的特征图进行通道注意力加权和空间注意力加权；
36、分类单元，被配置为将通道注意力加权和空间注意力加权处理后的特征图通过平均池化层和完全连接层，输出分类结果。
37、第三方面，本申请实施例提供一种康复训练设备，包括如第二方面任意可能的实施方式所提供的基于疼痛监测的康复训练轨迹生成装置。
38、与现有技术相比，本申请所提供的基于疼痛监测的康复训练轨迹生成方法具有以下有益技术效果：通过分析患者在康复训练过程中的脑电数据和面部视频，可以更加精确地评估患者的疼痛感知和反应，进而生成基于疼痛状态的康复训练轨迹，可以确保训练过程中患者的疼痛水平保持在可接受的范围内，有助于制定更加个性化的康复训练计划，以最大限度地提高训练效果并减少不必要的疼痛；并在可实时监测患者的疼痛状态，及时调整康复运动轨迹，避免了对患者的二次伤害。
39、相应地，本发明实施例还提供了与上述基于疼痛监测的康复训练轨迹生成方法相对应的基于疼痛监测的康复训练轨迹生成装置和训练设备，具有上述技术效果，在此不再赘述。
1.一种基于疼痛监测的康复训练轨迹生成方法，其特征在于，包括：
2.根据权利要求1所述的基于疼痛监测的康复训练轨迹生成方法，其特征在于，基于各所述预设频段数据分别提取时频图像，包括：
3.根据权利要求2所述的基于疼痛监测的康复训练轨迹生成方法，其特征在于，所述拉普拉斯空间滤波器的表达式如下：
4.根据权利要求1所述的基于疼痛监测的康复训练轨迹生成方法，其特征在于，基于各所述时频图像和所述面部图像进行归一化，获得归一化特征图，包括：
5.根据权利要求1所述的基于疼痛监测的康复训练轨迹生成方法，其特征在于，所述疼痛监测模型被配置为利用残差网络作为主干网络，利用卷积块注意力模块对输入的特征图进行通道注意力加权和空间注意力加权，最后将通道注意力加权和空间注意力加权处理后的特征图通过平均池化层和完全连接层，输出分类结果以确定对应的所述疼痛状态。
6.根据权利要求1所述的基于疼痛监测的康复训练轨迹生成方法，其特征在于，所述方法还包括利用疼痛脑电数据模型对所述疼痛监测模型进行训练，所述疼痛脑电数据模型包括患者疼痛状态下的脑电数据和非疼痛状态下的脑电数据。
7.根据权利要求1所述的基于疼痛监测的康复训练轨迹生成方法，其特征在于，根据所述疼痛状态生成康复训练轨迹，包括：
8.基于疼痛监测的康复训练轨迹自适应装置，其特征在于，包括：
9.根据权利要求8所述的基于疼痛监测的康复训练轨迹生成装置，其特征在于，所述疼痛监测模型包括：
10.一种康复训练设备，其特征在于，包括如权利要求8或9所述的基于疼痛监测的康复训练轨迹生成装置。
