基于Opensim的颈椎康复训练生物力学仿真分析方法

    公开(公告)号:CN114724681B

    公开(公告)日:2024-05-31

    申请号:CN202210444795.X

    申请日:2022-04-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于Opensim的颈椎康复训练生物力学仿真分析方法,包括以下步骤:步骤S1:基于外部康复训练设备的仿真模型结合Opensim头颈部肌肉骨骼模型搭建抗阻训练模型及在不同角度的等长训练模型;步骤S2:根据得到的抗阻训练模型及在不同角度的等长训练模型,基于预设仿真方案进行仿真分析,获得肌肉疲劳程度;步骤S3:利用Matlab更新模型肌肉参数,并利用更新肌肉参数的模型进行仿真,生成的结果与没有添加肌肉疲劳的仿真结果作比较并从肌肉激活模式、肌肉疲劳前后各肌群贡献度等方面分析肌肉疲劳对训练效果的影响。本发明以非侵入式的方式探究在颈椎抗阻训练、等长训练等过程中的肌肉激活、肌肉力以及椎间压力等指标,安全可靠。

    一种基于气压阻力的颈椎康复训练及评估装置

    公开(公告)号:CN116832399A

    公开(公告)日:2023-10-03

    申请号:CN202310840305.2

    申请日:2023-07-11

    Applicant: 福州大学

    Abstract: 本发明还提供了一种基于气压阻力的颈椎康复训练及评估装置,包括气囊囊体、电动气泵、压力测量模块、气压测量模块以及主控模块;所述主控模块连接电动气泵、压力测量模块以及气压测量模块;通过不同的气体压强来改变气囊整体的强度,以达到控制训练时的抗阻大小。利用气压传感器进一步量化训练过程中气囊内的压强变化数据,数据可反映不同用户的颈部力量水平。

    一种基于力度无关鲁棒特征的肌电手势识别方法

    公开(公告)号:CN114169375A

    公开(公告)日:2022-03-11

    申请号:CN202111514339.X

    申请日:2021-12-11

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于力度无关鲁棒特征的肌电手势识别方法。包括:离线训练阶段,首先需要对用户的原始肌电信号数据进行预处理;接着采用CSP算法,两两动作之间计算得到一个最大化二者之间区别的二分类空间投影矩阵,组合空间投影矩阵,得到适用于多分类的空间投影矩阵;再通过差分、取方差、归一化,用线性无关分析将数据投影到低维空间,得到训练特征;最后训练特征和训练标签共同训练分类器;在线测试阶段,新得到的肌电数据同样经过预处理,接着用离线训练阶段得到的投影矩阵,得到投影后的新信号,然后新信号经过差分、取方差、数据归一化,再用离线训练阶段得到的降维矩阵进行降维,最后将特征输入离线训练阶段训练好的分类器输出预测的类别。

    一种基于力度无关鲁棒特征的肌电手势识别方法

    公开(公告)号:CN114169375B

    公开(公告)日:2024-07-26

    申请号:CN202111514339.X

    申请日:2021-12-11

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于力度无关鲁棒特征的肌电手势识别方法。包括:离线训练阶段,首先需要对用户的原始肌电信号数据进行预处理;接着采用CSP算法,两两动作之间计算得到一个最大化二者之间区别的二分类空间投影矩阵,组合空间投影矩阵,得到适用于多分类的空间投影矩阵;再通过差分、取方差、归一化,用线性无关分析将数据投影到低维空间,得到训练特征;最后训练特征和训练标签共同训练分类器;在线测试阶段,新得到的肌电数据同样经过预处理,接着用离线训练阶段得到的投影矩阵,得到投影后的新信号,然后新信号经过差分、取方差、数据归一化,再用离线训练阶段得到的降维矩阵进行降维,最后将特征输入离线训练阶段训练好的分类器输出预测的类别。

    一种基于OpenSim的颈椎肌肉骨骼模型

    公开(公告)号:CN117252981A

    公开(公告)日:2023-12-19

    申请号:CN202310888623.6

    申请日:2023-07-19

    Applicant: 福州大学

    Abstract: 本发明提出一种基于OpenSim的颈椎肌肉骨骼模型,所述肌骨模型为基于OpenSim平台且侧重于颈部生物力学分析的人体上半身肌骨模型,其建模包括以下步骤;步骤一、利用关节特性定义颈椎各节段的运动学特征,对骨骼系统建模;步骤二、对部分颈部肌肉建模;步骤三、对椎间盘的力学特性进行建模;步骤四、利用弹性元件对韧带进行建模;本发明用于分析颈部生物力学特性,相较于传统的志愿者和尸体标本实验,该肌骨模型能获得更加全面的生物力学参数,在研究颈椎损伤机制、评估颈椎功能等方面有着巨大优势。

    基于Opensim的颈椎康复训练生物力学仿真分析方法

    公开(公告)号:CN114724681A

    公开(公告)日:2022-07-08

    申请号:CN202210444795.X

    申请日:2022-04-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于Opensim的颈椎康复训练生物力学仿真分析方法,包括以下步骤:步骤S1:基于外部康复训练设备的仿真模型结合Opensim头颈部肌肉骨骼模型搭建抗阻训练模型及在不同角度的等长训练模型;步骤S2:根据得到的抗阻训练模型及在不同角度的等长训练模型,基于预设仿真方案进行仿真分析,获得肌肉疲劳程度;步骤S3:利用Matlab更新模型肌肉参数,并利用更新肌肉参数的模型进行仿真,生成的结果与没有添加肌肉疲劳的仿真结果作比较并从肌肉激活模式、肌肉疲劳前后各肌群贡献度等方面分析肌肉疲劳对训练效果的影响。本发明以非侵入式的方式探究在颈椎抗阻训练、等长训练等过程中的肌肉激活、肌肉力以及椎间压力等指标,安全可靠。

    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。

    一种基于反向运动学的人体运动学分析方法及系统

    公开(公告)号:CN115937255A

    公开(公告)日:2023-04-07

    申请号:CN202211583696.6

    申请日:2022-12-10

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于反向运动学的人体运动学分析方法及系统,该方法包括:利用自适应误差状态卡尔曼滤波器AESKF估计附着在身体段上的惯性传感单元IMU的姿态角;构建带关节自由度与关节活动范围约束的人体运动学模型,并且生成与实际穿戴位置相对应的虚拟IMU;将姿态角数据与人体运动学模型结合,通过最小化实际IMU与虚拟IMU轴角差的反向运动学估计方法计算人体运动过程的关节角。该方法及系统有利于准确测量人体运动学数据,且计算量小,实时性好。

Patent Agency Ranking