-
公开(公告)号：CN113274033A
公开(公告)日：2021-08-20
申请号：CN202110506156.7
申请日：2021-05-10
Applicant: 燕山大学
Abstract: 本发明提供一种基于脑肌电交叉频率耦合的运动功能监测管理方法，其包括步骤：同步采集脑电信号EEG和肌电信号EMG；对采集到的脑电信号EEG和肌电信号EMG分别去除基线漂移、溢出、眼动和工频干扰；研究脑电信号EEG和肌电信号EMG间的交叉频率耦合分析，获得不同运动状态下大脑皮层与肌肉之间关系，选用交叉频率耦合中的四种主要方法，即相位‑相位耦合PPC、相位‑幅度耦合PAC、频率‑幅度耦合FAC和频率‑频率耦合FFC，通过对四种不同类型的耦合方法分析，构建基于多模态特征指标间的神经肌肉系统运动功能监测模型，进行四种方法的关联性研究，从而得到较为精准的分析结果，进而研究运动功能产生的生理机制，实现神经肌肉系统运动功能监测的有效管理。
-
公开(公告)号：CN110652293A
公开(公告)日：2020-01-07
申请号：CN201911007729.0
申请日：2019-10-22
Applicant: 燕山大学
IPC: A61B5/0476
Abstract: 一种用于运动想象脑电信号的自适应预处理优化方法，包括如下步骤：针对运动想象脑电信号中C3和C4通道的数据，根据不同类型伪迹设计相应预处理方法，即去工频干扰、基线纠漂和去生物伪迹；将三种预处理方法按顺序排列组合，形成6种方案；将C3和C4通道的数据，分别进行6种方案的预处理；针对6种方案预处理后的每种信号，分别提取其特征样本熵和时域能量值后分类，将经过分类器得到的预测标签和脑电信号的实际标签进行匹配，得到每种方案对应的分类正确率；最高分类正确率对应的方案为自适应的预处理方案。本发明适用于不同受试者及不同试次实验的运动想象脑电信号自适应的选择最优预处理方案，为运动想象脑电信号预处理的优化提供新的思路。
-
Patent Agency Ranking
公开(公告)号：CN113197585B
公开(公告)日：2022-02-18
申请号：CN202110357404.6
申请日：2021-04-01
Applicant: 燕山大学
Abstract: 本发明提供一种神经肌肉信息交互模型构建及参数辨识优化方法，其包括构建神经肌肉信息交互模型和基于多层次耦合特征的参数辨识及优化。当有外界信号刺激时会使大脑神经元动作电位变化，进而引起相应肌肉运动单元动作电位的变化；当有外界感觉信号输入时，会由中介体传回大脑，从而产生感觉反馈传入信号。接着基于实测信号建立多层次特征指标，并构建基于多层次耦合特征指标的目标函数；然后基于无迹卡尔曼滤波(UKF)方法对神经肌肉信息交互模型进行参数辨识；最后以实测脑电和肌电信号能量谱为目标，基于混合粒子群算法对所辨识参量进行优化选取。本发明从神经元层面研究大脑与肌肉间多层次功能耦合连接机制，对运动控制系统机制研究有一定科学意义。
-
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：CN113197585A
公开(公告)日：2021-08-03
申请号：CN202110357404.6
申请日：2021-04-01
Applicant: 燕山大学
Abstract: 本发明提供一种神经肌肉信息交互模型构建及参数辨识优化方法，其包括构建神经肌肉信息交互模型和基于多层次耦合特征的参数辨识及优化。当有外界信号刺激时会使大脑神经元动作电位变化，进而引起相应肌肉运动单元动作电位的变化；当有外界感觉信号输入时，会由中介体传回大脑，从而产生感觉反馈传入信号。接着基于实测信号建立多层次特征指标，并构建基于多层次耦合特征指标的目标函数；然后基于无迹卡尔曼滤波(UKF)方法对神经肌肉信息交互模型进行参数辨识；最后以实测脑电和肌电信号能量谱为目标，基于混合粒子群算法对所辨识参量进行优化选取。本发明从神经元层面研究大脑与肌肉间多层次功能耦合连接机制，对运动控制系统机制研究有一定科学意义。
-
公开(公告)号：CN111067514B
公开(公告)日：2021-05-28
申请号：CN202010018077.7
申请日：2020-01-08
Applicant: 燕山大学
Abstract: 本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域，其包括以下步骤：一、采用32通道的Neuracle设备采集多通道脑电信号；二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征，并深入探索大脑不同区域间的耦合强度及信息传递的效果。
-
公开(公告)号：CN106073702B
公开(公告)日：2019-05-28
申请号：CN201610362111.6
申请日：2016-05-27
Applicant: 燕山大学
IPC: A61B5/00 , A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，所述方法包括脑肌电信号同步采集部分和信号处理部分，脑肌电信号同步采集部分包括脑电信号采集和肌电信号采集；信号处理部分包括信号预处理和脑肌电的小波‑传递熵分析方法。本发明具有可应用性、可采纳性，在康复医学领域具有重要的应用价值。
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
