-
公开(公告)号:CN114259243A
公开(公告)日:2022-04-01
申请号:CN202111659039.0
申请日:2021-12-31
Applicant: 燕山大学
IPC: A61B5/369 , A61B5/389 , A61B5/1455 , A61B5/00
Abstract: 本发明公开了一种多模态人体参数同步采集系统及方法,涉及多模态信息研究及同步采集领域。本发明包括多模态信息采集硬件系统、上位机软件系统及无线网络传输部分,其中硬件系统包括计算机、脑电‑脑氧信息同步采集装置、脑电、脑氧、肌氧、肌电及运动信息采集及传输、同步触发等部分,提供多模态信息采集的硬件设备基础;并基于MATLAB的GUI环境开发上位机软件系统,实现多类任务选择及呈现、同步触发打标、信号接收、保存、预处理及波形实时显示等功能;无线网络传输部分实现运动过程中多模态人体参数信息的实时采集及传输。本发明便于无线传输、多类信号同步采集,在时间上实现精确匹配。
-
公开(公告)号:CN113951900B
公开(公告)日:2023-02-21
申请号:CN202111286589.2
申请日:2021-11-02
Applicant: 燕山大学
IPC: A61B5/369 , A61B5/1455
Abstract: 本发明公开了一种基于多模态信号的运动想象意图识别方法,利用了脑电信号与近红外信号的时空分辨率互补性,以及多任务的相关性,设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征,并以级联的方式将两种信号进行特征层融合,然后分别送入辅助度量任务与主分类任务,上述技术手段融合了多任务学习的方法,因此能够提取更具代表性的特征,与传统的卷积网络模型及其变体相比,本发明能够增强分类性能,提高模型泛化能力,为运动想象分类识别提供新的途径。
-
公开(公告)号:CN113229831B
公开(公告)日:2022-02-01
申请号:CN202110507436.X
申请日:2021-05-10
Applicant: 燕山大学
Abstract: 本发明提供一种基于肌电和肌氧信号的运动功能监测管理方法,其包括:同步采集不同动作模式下的多通道肌电和肌氧信号;对肌电及肌氧信号进行预处理;对预处理后的信号进行特征提取;构建多模态特征指间回归分析模型,对特征指标之间进行回归分析,研究两两指标之间的关系;构建基于多模态特征指标间的肌肉‑血管状态监测模型,实现对运功功能的客观描述和精准监测。本发明拓展研究多模态关联及耦合分析方法,从肌肉协同特性、组织血氧代谢及肌肉‑血管的非线性耦合特性等层面,构建有效刻画多层次耦合特性的单模态及跨膜态耦合特征指标,综合描述肌肉‑血管间的多层次信息交互特性,实现运动功能的多层次有效刻画和精准监测管理。
-
公开(公告)号:CN113951900A
公开(公告)日:2022-01-21
申请号:CN202111286589.2
申请日:2021-11-02
Applicant: 燕山大学
IPC: A61B5/369 , A61B5/1455
Abstract: 本发明公开了一种基于多模态信号的运动想象意图识别方法,利用了脑电信号与近红外信号的时空分辨率互补性,以及多任务的相关性,设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征,并以级联的方式将两种信号进行特征层融合,然后分别送入辅助度量任务与主分类任务,上述技术手段融合了多任务学习的方法,因此能够提取更具代表性的特征,与传统的卷积网络模型及其变体相比,本发明能够增强分类性能,提高模型泛化能力,为运动想象分类识别提供新的途径。
-
公开(公告)号:CN113229831A
公开(公告)日:2021-08-10
申请号:CN202110507436.X
申请日:2021-05-10
Applicant: 燕山大学
Abstract: 本发明提供一种基于肌电和肌氧信号的运动功能监测管理方法,其包括:同步采集不同动作模式下的多通道肌电和肌氧信号;对肌电及肌氧信号进行预处理;对预处理后的信号进行特征提取;构建多模态特征指间回归分析模型,对特征指标之间进行回归分析,研究两两指标之间的关系;构建基于多模态特征指标间的肌肉‑血管状态监测模型,实现对运功功能的客观描述和精准监测。本发明拓展研究多模态关联及耦合分析方法,从肌肉协同特性、组织血氧代谢及肌肉‑血管的非线性耦合特性等层面,构建有效刻画多层次耦合特性的单模态及跨膜态耦合特征指标,综合描述肌肉‑血管间的多层次信息交互特性,实现运动功能的多层次有效刻画和精准监测管理。
-
公开(公告)号:CN116269366A
公开(公告)日:2023-06-23
申请号:CN202310258046.2
申请日:2023-03-17
Applicant: 燕山大学
IPC: A61B5/1455 , G06F18/25
Abstract: 本发明公开了一种基于fNIRS分析的ROI脑区通道优化筛选方法,具体包括:同步采集多通道近红外信号,并对其进行预处理,得到脑血氧浓度信号;对预处理后的多通道脑血氧信号计算多类时域特征集合,采用最小二乘法的特征融合算法对时域多特征集合进行特征融合,得到时域最优特征集;基于排列组合算法构建各ROI区通道第一集合,进一步采用先序遍历算法构建ROI区通道第二集合;采用局部‑全局寻优方法,确定使得局部评价指标和大脑全局评价指标最大的ROI区通道第二集合元素,得到大脑各ROI区最优通道组合,实现脑功能状态的有效监测;本发明能够反映大脑真实神经活动。
-
公开(公告)号:CN113476799A
公开(公告)日:2021-10-08
申请号:CN202110762225.0
申请日:2021-07-06
Applicant: 燕山大学
Abstract: 本发明提供一种基于肌电和惯性信息的手部训练及评估方法,步骤如下:S1、根据不同的训练强度,设计两种虚拟训练场景;S2、将delsys的肌电惯性采集模块分别与第一侧和第二侧进行连接,并将采集的肌电惯性信号传输给上位机;S3、在进入虚拟训练场景之前,将S1中虚拟训练场景的动作训练提示进行分类器的训练;S4、将S2采集的第一侧的肌电信号通过S3进行预处理和特征提取,并送入S3训练好的区分动作的分类器中,生成相应的动作指令;S5、将S4生成的动作指令传输到康复机械手中,完成对应的动作;S6、对S5训练好的动作完成训练后的结果进行评估。本发明利用第一侧第二侧协同运动,结合康复机械手辅助第二侧进行抓握训练,加速手部康复速度和康复效果。
-
公开(公告)号:CN114259243B
公开(公告)日:2024-07-26
申请号:CN202111659039.0
申请日:2021-12-31
Applicant: 燕山大学
IPC: A61B5/369 , A61B5/389 , A61B5/1455 , A61B5/00
Abstract: 本发明公开了一种多模态人体参数同步采集系统及方法,涉及多模态信息研究及同步采集领域。本发明包括多模态信息采集硬件系统、上位机软件系统及无线网络传输部分,其中硬件系统包括计算机、脑电‑脑氧信息同步采集装置、脑电、脑氧、肌氧、肌电及运动信息采集及传输、同步触发等部分,提供多模态信息采集的硬件设备基础;并基于MATLAB的GUI环境开发上位机软件系统,实现多类任务选择及呈现、同步触发打标、信号接收、保存、预处理及波形实时显示等功能;无线网络传输部分实现运动过程中多模态人体参数信息的实时采集及传输。本发明便于无线传输、多类信号同步采集,在时间上实现精确匹配。
-
公开(公告)号:CN113476799B
公开(公告)日:2022-04-19
申请号:CN202110762225.0
申请日:2021-07-06
Applicant: 燕山大学
Abstract: 本发明提供一种基于肌电和惯性信息的手部训练及评估方法,步骤如下:S1、根据不同的训练强度,设计两种虚拟训练场景;S2、将delsys的肌电惯性采集模块分别与第一侧和第二侧进行连接,并将采集的肌电惯性信号传输给上位机;S3、在进入虚拟训练场景之前,将S1中虚拟训练场景的动作训练提示进行分类器的训练;S4、将S2采集的第一侧的肌电信号通过S3进行预处理和特征提取,并送入S3训练好的区分动作的分类器中,生成相应的动作指令;S5、将S4生成的动作指令传输到康复机械手中,完成对应的动作;S6、对S5训练好的动作完成训练后的结果进行评估。本发明利用第一侧第二侧协同运动,结合康复机械手辅助第二侧进行抓握训练,加速手部康复速度和康复效果。
-
公开(公告)号:CN113274011A
公开(公告)日:2021-08-20
申请号:CN202110507425.1
申请日:2021-05-10
Applicant: 燕山大学
IPC: A61B5/1455 , A61B5/372
Abstract: 本发明提供一种融合脑电与功能近红外光谱技术的脑功能监测管理方法,步骤为:对脑电和脑血氧信号进行同步采集;对采集的信号分别进行去除伪迹干扰的预处理;分别获取脑电‑脑电耦合特征指标MSMVTE、脑血氧‑脑血氧耦合特征指标DFC和脑电‑脑血氧耦合特征指标CIF;进行指标数据的归一化处理,得到标准化的耦合特征指标;分别计算两两指标间的皮尔逊相关系数ri及显著性系数pi;构建脑功能监测模型,分析各耦合特征指标间相关性的强弱及相关的显著性程度,对脑功能状态进行监测管理。本发明融合EEG与fNIRS技术,综合二者空间和时间分辨率的优势,有助于深入、全面地认识大脑在运动过程中脑活动的神经机制,实现大脑功能监测的有效管理。
-
-
-
-
-
-
-
-
-