-
Patent Agency Ranking
公开(公告)号：CN110710984A
公开(公告)日：2020-01-21
申请号：CN201910992020.4
申请日：2019-10-18
Applicant: 福州大学
IPC: A61B5/22 , A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于表面肌电信号的递归小脑模型的足踝力矩预测方法。该方法利用和人体足踝关节相关肌肉（包括但不限于腓肠肌、胫骨前肌、腓骨长肌以及踇长伸肌）的表面肌电信号（sEMG）数据以及对应的速度和位置数据，采用递归小脑模型神经网络进行对于人体足踝关节的力矩预测。
-
公开(公告)号：CN110710984B
公开(公告)日：2021-11-02
申请号：CN201910992020.4
申请日：2019-10-18
Applicant: 福州大学
Abstract: 本发明涉及一种基于表面肌电信号的递归小脑模型的足踝力矩预测方法。该方法利用和人体足踝关节相关肌肉（包括但不限于腓肠肌、胫骨前肌、腓骨长肌以及踇长伸肌）的表面肌电信号（sEMG）数据以及对应的速度和位置数据，采用递归小脑模型神经网络进行对于人体足踝关节的力矩预测。
-
公开(公告)号：CN110032987A
公开(公告)日：2019-07-19
申请号：CN201910326077.0
申请日：2019-04-23
Applicant: 福州大学
IPC: G06K9/00 , A61B5/0488 , G06N3/04
Abstract: 本发明涉及一种基于小脑神经网络模型的表面肌电信号分类方法，包括以下步骤：步骤S1：采用包括胫骨前肌、腓肠肌在内的相关肌肉的表面肌电信号数据，提取上述表面肌电信号的特征参数，将提取的特征参数及其分类结果作为训练数据，训练小脑神经网络模型；步骤S2：对测量数据进行分析处理，然后提取作为测试数据的表面肌电信号的特征参数；步骤S3：采用训练好的小脑神经网络模型对步骤S2提取的表面肌电的特征参数进行分类识别。本发明能够精确地得到分类结果。
-
公开(公告)号：CN109979595A
公开(公告)日：2019-07-05
申请号：CN201910134090.6
申请日：2019-02-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于足底压力检测的支持向量机足踝外伤康复评估结果的分类方法，首先采集行走时的足底压力数据；然后根据采集到的足底压力数据进行分析，提取足底压力特征参数；所述足底压力特征参数包括足底压力中心轨迹的时间网格序列、双足支撑时间差值百分比以及双足支撑期总压力差值百分比；最后采用线性支持向量机对足底压力特征参数进行分类预测，通过支持向量机分类得到足踝外伤康复的评估结果。本发明对于足踝部外伤治疗方案实施具有极其重要意义。
-
公开(公告)号：CN110032987B
公开(公告)日：2022-07-08
申请号：CN201910326077.0
申请日：2019-04-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于小脑神经网络模型的表面肌电信号分类方法，包括以下步骤：步骤S1：采用包括胫骨前肌、腓肠肌在内的相关肌肉的表面肌电信号数据，提取上述表面肌电信号的特征参数，将提取的特征参数及其分类结果作为训练数据，训练小脑神经网络模型；步骤S2：对测量数据进行分析处理，然后提取作为测试数据的表面肌电信号的特征参数；步骤S3：采用训练好的小脑神经网络模型对步骤S2提取的表面肌电的特征参数进行分类识别。本发明能够精确地得到分类结果。
-
-
-
-
Search Results
5
records
(took 0.011 seconds)
