针灸毫针的微型电加热装置

    公开(公告)号:CN101309528B

    公开(公告)日:2011-03-23

    申请号:CN200810071382.1

    申请日:2008-07-11

    Abstract: 本发明涉及一种针灸毫针的微型电加热装置,包括电热导体,其特征在于:所述电热导体内部设有电热丝,所述电热导体用于安装毫针的定位面上设有固定毫针螺纹连接件。所述的电热丝由控制电路控制,该装置不仅轻巧、致热效果好,而且与毫针的装配牢靠,拆卸简单,从而有利于大夫对病人实行温针灸治疗。本发明构思新颖,设计合理,应用效果好,具有较大的推广价值。

    针灸毫针的微型电加热装置

    公开(公告)号:CN101309528A

    公开(公告)日:2008-11-19

    申请号:CN200810071382.1

    申请日:2008-07-11

    Abstract: 本发明设计一种针灸毫针的微型电加热装置,包括电热导体,其特征在于:所述电热导体内部设有电热丝,所述电热导体用于安装毫针的定位面上设有固定毫针螺纹连接件。所述的电热丝由控制电路控制,该装置不仅轻巧、致热效果好,而且与毫针的装配牢靠,拆卸简单,从而有利于大夫对病人实行温针灸治疗。本发明构思新颖,设计合理,应用效果好,具有较大的推广价值。

    一种基于频率信息增强的心电去噪方法

    公开(公告)号:CN118733979A

    公开(公告)日:2024-10-01

    申请号:CN202410732962.X

    申请日:2024-06-07

    Applicant: 福州大学

    Abstract: 本发明提供一种基于频率信息增强的心电去噪方法,将划分好的心电信号信号输入端到端的频率信息增强的两阶段去噪网络当中,首先将输入的信号进行掩码的操作并对掩码后的信号做离散余弦变换,得到信号的频域信息;接着,分别使用时域特征提取模块与频域特征提取模块对时域与频域信息进行特征提取,得到心电信号在时域与频域的特征,通过跨域特征融合模块将时域与频域特征融合,完成特征的频率信息增强;最后将融合后的时频域特征输入到信号重构模块中,并利用基于通道注意力机制改进的跨阶段特征融合模块获取第一阶段的特征;所述信号重构模块输出去噪后平滑的心电信号,由此完成心电信号混合噪声的去除。

    一种具有综合评估功能的多模式康复训练装置及方法

    公开(公告)号:CN109124996B

    公开(公告)日:2024-02-13

    申请号:CN201811249597.8

    申请日:2018-10-25

    Applicant: 福州大学

    Abstract: 本发明提供一种具有综合评估功能的多模式康复训练装置及方法,涉及肌肉康复训练技术领域,其中一种具有综合评估功能的多模式康复训练装置,包括轴承、扭矩传感器、伺服电机以及控制箱,所述控制箱包括控制器、电机驱动器以及传感器,所述扭矩传感器包括底座和转轴,所述底座通过谐波减速器与伺服电机连接,所述轴承上设置有承托支架,所述承托支架通过联轴器与所述转轴连接,所述控制器上设置有USB接口、脉冲宽度调制信号接口以及数字转换接口,所述电机驱动器上设置有模拟输出信号接口。本发明结构简单,操作方便,使用成本低,具有多种不同的康复训练模式,可以对训练过程进行综合评估,而且可以适用于不同的人不同部位的康复训练。

    一种自适应阈值规则的心电信号运动伪迹滤波方法

    公开(公告)号:CN117158990A

    公开(公告)日:2023-12-05

    申请号:CN202311151638.0

    申请日:2023-09-07

    Applicant: 福州大学

    Abstract: 本发明提出一种自适应阈值规则的心电信号运动伪迹滤波方法,具体为:第一阶段:对心电信号低频部分设置多分辨率阈值以滤除低频部分的运动伪迹;其次再对处理后的心电信号再次进行平稳小波变换,设置自适应阈值对P波T波所在的小波系数进行缩放以降低心电信号低频部分的运动伪迹;第二阶段:利用箱线图分析提取同一心电片段的不平衡QRS波群,保留正常QRS波群的同时修复不平衡QRS波,抑制QRS波群的运动伪迹,在滤除心电高频成分的运动伪迹的同时充分保留高频成分的细节,经滤波消除由于QRS波群与P波T波的直接叠加而引起的幅值急剧变化,最后得到降噪后平滑的心电信号;本发明能提高基于信号分解的滤波算法在强噪声和弱噪声环境下滤除运动伪迹的能力。

    脊柱3D建模的方法和系统
    46.
    发明公开

    公开(公告)号:CN115908717A

    公开(公告)日:2023-04-04

    申请号:CN202211600511.8

    申请日:2022-12-12

    Applicant: 福州大学

    Abstract: 本发明提出一种脊柱3D建模的方法和系统,首先,在Unity软件中初始化Azure Kinect传感器的身体追踪功能捕获关节点坐标数据,并采用骨长约束法和无迹卡尔曼滤波法对数据进行处理生成控制点,再采用Catmull‑Rom样条插值得到拟合的脊柱曲线;其次,在场景中建立通用的3D脊柱模型并配准到拟合脊柱曲线上,得到实时更新的个性化3D脊柱模型;最后,根据拟合脊柱线的曲率分析算法自动计算冠状面的Cobb角和矢状面的胸椎后凸角、腰椎前凸角。本发明的优点是能够实时可视化3D脊柱模型并准确的评估脊柱角度参数,且无任何电离辐射、成本低廉以及便捷易部署,适用于脊柱侧弯筛查和脊柱康复训练评估。

    一种基于表面肌电信号的长时手势识别方法

    公开(公告)号:CN115841701A

    公开(公告)日:2023-03-24

    申请号:CN202211661799.X

    申请日:2022-12-21

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于表面肌电信号的长时手势识别方法。包括两个部分:第一个部分是数据预处理,包括特征提取、特征降维;第二个部分是分类模型的自适应更新。首先是数据预处理部分,在已有天数的手势数据上(通常为第一天采集的数据)上提取差分共空间模式(differential CSP,DCSP)特征,接着通过带有激活系数归一化的非负矩阵分解算法(nonnegative matrix factorization,NMF)对特征进行转换。然后是分类模型的自适应更新部分,将每个测试天的第一次重复实验作为无标签样本,对这部分样本用分类聚类自训练(Clustering and classification self‑training,CCST)方法进行评估和标注,将合格样本和标签和已有数据一起重新训练分类模型。本发明避免用户每日需要采集数据进行校准的麻烦,提高了用户的使用舒适度。

    一种分步式肌电信号活动段检测方法

    公开(公告)号:CN115778408A

    公开(公告)日:2023-03-14

    申请号:CN202211583953.6

    申请日:2022-12-10

    Applicant: 福州大学

    Inventor: 李玉榕 郑楠

    Abstract: 本发明涉及一种分步式肌电信号活动段检测方法,包括:获取原始肌电信号,并对其进行数据预处理,得到肌电信号的包络线;将得到的肌电信号包络线,利用斜率的变化提取转折点并分段,将段与段能量差异变化作为包络线起止点的提取依据,提取包络线起止点,并利用激活长度及激活能量的大小排除虚假尖峰;利用包络线起止点进行分区,将不同区内的原始数据映射到TKE域中,找到静息区的TKE最大值作为归一化的分母,比较标准值和归一化的信号大小,进而确定信号起止点。该方法有利于提高肌电信号活动段提取的效果。

    一种基于肌电信号的肌力训练设备控制方法

    公开(公告)号:CN114733160B

    公开(公告)日:2022-10-18

    申请号:CN202210392344.6

    申请日:2022-04-14

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于肌电信号的肌力训练设备控制方法。将实时采集到的肌电信号经过滤波,放大,特征值提取后通过动态循环神经网络进行关节力矩预测。在等速和等张训练中,预测力矩作为控制信号驱动肌力训练设备运动;在等长模式中,预测的力矩作为肌肉发力方向的指令信号;在被动训练中,利用用户在发生肌肉痉挛时肌张力升高的特点,对关节力矩阻力矩进行实时预测,当预测阻力矩大于设定阈值时肌力训练设备停止,从而达到痉挛保护的目的。本发明利用肌电信号超前预测力矩作为控制信号,解决了以力矩传感器采集的力矩值作为控制信号驱动肌力训练设备的滞后性。同时保证了预测精度,又实现了预测的快速性,以及提高肌力训练设备的安全性。

    基于自适应学习的用户无关肌电手势识别系统

    公开(公告)号:CN114384999A

    公开(公告)日:2022-04-22

    申请号:CN202111376022.4

    申请日:2021-11-19

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于自适应学习的用户无关肌电手势识别系统,包括依次连接的数据获取单元、聚类单元、自适应KNN近邻分类器和风险评估器;所述数据获取单元,获取现有用户数据,并进行数据处理;所述聚类单元,将数据处理后的信号数据,采用K‑Means聚类找到不同动作的聚类中心,提取各个用户每种动作与聚类中心距离最短的N个样本充当训练集,用于训练自适应KNN近邻分类器;所述自适应KNN近邻分类器,用于根据新用户数据得到对应的标签;所述风险评估器对新用户数据进行评估,合格的样本则用来替换训练集的偏远样本和更新训练集样本的权值。本发明解决了因肌电信号的个体差异性而导致的模型不通用问题,无需用户再训练步骤,极大的提高了用户的使用体验,且识别正确率会动态提升。

Patent Agency Ranking