-
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：CN113155464B
公开(公告)日：2022-03-18
申请号：CN202110351265.6
申请日：2021-03-31
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明提供一种面向轴承故障识别的CNN模型可视化优化方法，具体实施步骤如下：首先，使用轴承故障试验台的振动加速度传感器采集测试轴承的不同状态下驱动端和风扇端的高频振动加速度信号数据；然后，对轴承振动加速度信号数据做预处理，并划分为训练集、测试集和验证集；接着，搭建轴承故障识别CNN模型，并初始化，将样本图像与标签作为训练样本来训练完整的卷积神经网络模型，并记录完整的卷积神经网络模型中各层相关参数和超参数信息；最后，将轴承故障识别CNN模型可视化，并对可视化模型结果进行分析评估，并依照优化方法优化模型结构。本发明使用了三种可视化的方法，同时得到了基于可视化的参数优化方法和基于可视化判断网络模型的方法。
-
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：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。
-
公开(公告)号：CN111110982A
公开(公告)日：2020-05-08
申请号：CN201911214330.X
申请日：2019-12-02
Applicant: 燕山大学
Abstract: 本发明提出一种基于运动想象的手部康复训练方法，首先设计包含文字语音、图片语音、虚拟动作在内的多种虚拟场景，深层次诱导受试者进行肢体运动想象；通过脑电采集设备实时采集大脑运动想象区的脑电信号，经信号预处理、特征提取、分类识别后将结果以指令形式通过蓝牙发送给可穿戴康复机械手，利用可穿戴康复机械手辅助受试者进行抓握训练，实现运动想象和物理治疗相结合方式进行手部康复训练。同时，通过Leap Motion采集受试者手部动作，并同步到虚拟场景中的虚拟手，实现可穿戴康复机械手与虚拟手的虚实交互，刺激受试者进行主动运动想象。本发明加速了受试者大脑受损运动区功能的重塑和手部康复速度与康复效果，提高患者手部康复训练的主动性。
-
Patent Agency Ranking
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：CN113155464A
公开(公告)日：2021-07-23
申请号：CN202110351265.6
申请日：2021-03-31
Applicant: 燕山大学
IPC: G01M13/045
Abstract: 本发明提供一种面向轴承故障识别的CNN模型可视化优化方法，具体实施步骤如下：首先，使用轴承故障试验台的振动加速度传感器采集测试轴承的不同状态下驱动端和风扇端的高频振动加速度信号数据；然后，对轴承振动加速度信号数据做预处理，并划分为训练集、测试集和验证集；接着，搭建轴承故障识别CNN模型，并初始化，将样本图像与标签作为训练样本来训练完整的卷积神经网络模型，并记录完整的卷积神经网络模型中各层相关参数和超参数信息；最后，将轴承故障识别CNN模型可视化，并对可视化模型结果进行分析评估，并依照优化方法优化模型结构。本发明使用了三种可视化的方法，同时得到了基于可视化的参数优化方法和基于可视化判断网络模型的方法。
-
公开(公告)号：CN110428043B
公开(公告)日：2021-05-07
申请号：CN201910622679.0
申请日：2019-07-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于粒子群算法的神经元群模型参数自适应优化方法，其步骤包括：S1：初始化粒子群，设置粒子群算法基本参数，设置每个粒子的参数组合搜索范围，设置神经元群模型基本参数；S2：计算初始粒子群中每个粒子的适应度值，根据粒子适应度值初始化粒子个体极值和全局极值；S3：更新粒子速度和位置；S4：计算新的粒子适应度值，更新粒子个体极值和全局极值；S5：判断是否满足最大迭代次数，是则输出全局最优粒子，否则返回步骤S3；步骤S6：根据步骤S5输出的全局最优粒子，获得脑电频段的最优参数组合。本发明提供了一种便捷高效的神经元群模型参数调节方法，增加了参数辨识准确性，缩短了调节时间。
-
公开(公告)号：CN109331453A
公开(公告)日：2019-02-15
申请号：CN201811181254.2
申请日：2018-10-11
Applicant: 燕山大学
IPC: A63B71/06
Abstract: 本发明公开了基于肌电反馈与Kinect交互的虚拟康复系统及训练方法，所述系统包括数据采集部分和虚拟现实人机交互部分；所述数据采集部分包括肌电信号数据采集模块和Kinect肢体动作识别模块；所述虚拟现实人机交互部分包括康复训练方式选择模块和虚拟现实人机交互模块；所述系统的康复训练方式包括肌电反馈方式、Kinect交互方式和肌电+Kinect结合方式，从而可以满足患者不同关节康复训练的需求；所述肌电+Kinect结合方式为一种全新的康复训练方法，通过Kinect进行肢体动作识别，由肌电信号进行肌力大小评估，实现对虚拟康复训练场景难度系数的自适应调整，从而可以满足患者的个性化康复需求。
-
公开(公告)号：CN109011097A
公开(公告)日：2018-12-18
申请号：CN201810834728.2
申请日：2018-07-26
Applicant: 燕山大学
CPC classification number: A61M21/00 , A61M2021/0011 , A63B71/0619 , A63B71/0622 , A63B2071/0638 , A63B2071/0647 , A63B2230/105 , G06F3/011 , G06F3/015 , G16H20/30
Abstract: 本发明公开了一种基于运动想象与增强现实的康复训练方法，所述康复训练方法将运动想象与增强现实技术相结合，针对脑卒中软瘫期患者运动能力十分微弱的特征，设计基于运动想象的康复训练模式，即对患者的脑电信号进行采集、处理和分析，基于运动想象，通过离线训练和在线控制，来实现对康复场景的控制；利用Kinect扫描技术来获取真实场景，通过增强现实技术，将虚拟物体添加到真实场景中，达到对现实增强的效果，患者可以通过运动想象模式实现对真实场景中虚拟物体的控制，完成相应的任务，这大大提高了患者康复训练的积极性，从而可以达到脑功能重塑的效果，进而有利于患者的康复。本发明大大提高了患者康复训练的积极性，能够达到脑功能重塑的效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.02 seconds)
