摘要
本文提出了一种基于增强现实（AR）的综合性上肢康复系统，该系统整合了AR辅助艺术疗法、自动化无标记测角技术以及康复动力学的区间数学建模。该平台由四个相互连接的子系统组成：(i) 一个基于Python的无标记视频分析模块，利用三台固定IP摄像头、MediaPipe Pose Landmarker和卡尔曼滤波技术；(ii) 为Magic Leap 2头戴设备开发的AR艺术疗法应用程序，采用Unity/OpenXR技术实现；(iii) 一个用NestJS/TypeScript实现的服务器端子系统；(iv) 一个用React开发的面向物理治疗师的网络应用程序。本研究的主要目标是实时自动评估AR辅助康复过程中的肩关节运动学参数，包括屈曲（160–180°）、伸展（50–60°）和外展（最大180°）。为了描述和预测康复动力学，研究人员开发了基于递归差分方程的区间数学模型，能够利用前3–4次观测数据预测后续的关节角度值。区间模型的结构和参数识别采用了人工蜂群优化算法。实验验证使用了来自五名不同临床诊断患者的康复数据，这些患者的疾病包括滑囊炎、肱骨外上髁炎、关节囊炎、骨关节炎和骨折相关损伤。在实验条件下，所提出的方法表现出良好的预测性能，角度预测误差低于5°，预测轨迹与实际测量轨迹之间的相关性超过95%。该系统实现了“执行–测量–预测–调整”的统一康复周期，能够持续监测康复动态，自适应调整康复方案，并估算达到目标运动效果所需的康复时间。通过将无标记运动分析、预测性区间建模和自适应艺术疗法机制结合在一个临床框架内，该方法为智能AR康复系统的发展做出了贡献。
