检索结果-南通市图书馆

中国康复医学杂志 2020年第2期35卷 195-199页

作者：邢旭严郭欣张燕河北工业大学

目的:在肌电模式识别的实际应用中,力的变化会影响训练分类器的性能,导致很差的鲁棒性。本文提出了联合频域和谱域,提取四个频谱域特征进行分类来提高肌电模式识别分类器抗力变化的鲁棒性。方法:本实验招募了7名健康受试者,对15个手部... 详细信息

目的:在肌电模式识别的实际应用中,力的变化会影响训练分类器的性能,导致很差的鲁棒性。本文提出了联合频域和谱域,提取四个频谱域特征进行分类来提高肌电模式识别分类器抗力变化的鲁棒性。方法:本实验招募了7名健康受试者,对15个手部精细动作在三个不同力度水平下进行交叉验证分析。利用高密度肌电信号提取频谱域四个与幅值无关的特征,以便提高肌电模式识别的鲁棒性,并与提取四个传统时域特征方法进行对比研究。结果:通过比较传统时域特征和频谱域特征之间的平均分类结果,频谱域特征显示出对抗力变化更好的鲁棒性。传统时域特征同力度水平间平均分类结果为89.31%±0.49%,不同力度水平间平均分类结果为76.57%±3.59%;频谱域特征同力度水平间平均分类结果为92.39%±0.26%,不同力度水平间平均分类结果为86.94%±2.23%。与传统时域特征相比,频谱域特征在同力度水平间平均分类结果增加了3.09%,在不同力度水平间平均分类结果增加了10.36%。特别当使用频谱域特征进行低强度测试时,分类器的平均分类结果为70.97%,比传统时域特征高20.45%。结论:与传统时域特征方法相比,频谱域特征具有显著的比较性优势。提取频谱域特征可能成为一种运动意图识别的有效方法。

关键词：脑损伤手部运动意图鲁棒性力水平变化肌电模式识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于新型双输入卷积神经网络的肌电模式识别

引用

中国医学物理学杂志 2022年第6期39卷 743-751页

作者：杨诞阚秀曹乐张文艳孟壮壮上海工程技术大学电子电气工程学院上海201620

针对双臂协同运动中蕴含的运动信息量大,难以充分解读且识别率不高的问题,提出一种新型的双输入卷积神经网络(ND-CNN)模型。首先,根据双臂运动的特点,分别设计数据整理和模型输入两种策略。然后,利用两个结构相同、参数共享的特征提取... 详细信息

针对双臂协同运动中蕴含的运动信息量大,难以充分解读且识别率不高的问题,提出一种新型的双输入卷积神经网络(ND-CNN)模型。首先,根据双臂运动的特点,分别设计数据整理和模型输入两种策略。然后,利用两个结构相同、参数共享的特征提取层提取信号本身的特征和信号之间的差别特征。最后,利用所提取的两类特征实现双臂协同动作的识别。在自主设计的双臂实验中,将ND-CNN与其余3种先进的神经网络对比。实验结果表明,本文所提的ND-CNN模型在识别精度和可靠性上优于其他网络模型,能够对双臂肌电动作有效识别。

关键词：双臂协同运动卷积神经网络差别特征肌电模式识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于脉冲神经网络的肌电模式识别研究

基于脉冲神经网络的肌电模式识别研究

引用

作者：孙安同中国科学技术大学

学位级别：硕士

由于其安全便携且低成本的特性,表面肌电信号(surface electromyography,sEMG)经模式识别后常被用作控制外围设备,被广泛应用于假肢控制、人机交互等肌电控制领域。肌电控制系统性能的决定性因素是肌电模式识别算法。随着人工智能的发展... 详细信息

由于其安全便携且低成本的特性,表面肌电信号(surface electromyography,sEMG)经模式识别后常被用作控制外围设备,被广泛应用于假肢控制、人机交互等肌电控制领域。肌电控制系统性能的决定性因素是肌电模式识别算法。随着人工智能的发展,肌电模式识别可分别由传统机器学习、深度神经网络(Deep Neural Network,DNN)和脉冲神经网络(Spiking Neural Network,SNN)实现,然而,当前的肌电模式识别方案多具有算法鲁棒性差、用户训练负担重和功耗高等问题,阻碍了肌电控制技术的进一步发展。为推动肌电控制技术的应用,结合SNN在处理时序生理信号方面的优势,本论文从脉冲编码、脉冲神经元和突触结构入手,构建了多种基于SNN的肌电模式识别方案,并重点探索了 SNN在降低用户训练负担、提高算法鲁棒性和减少功耗上的可行性,其主要工作与研究成果可总结如下:(1)基于脉冲编码、脉冲神经元和突触结构构建了基于SNN的肌电模式识别的框架。首先,根据突触结构的类型,构建了脉冲循环神经网络(Spiking Recurrent Neural Network,SRNN)、脉冲循环卷积神经网络(Spiking Recurrent ConvolutionalNeuralNetwork,SRCNN)以及脉冲长短时记忆网络(Spiking Long Short-term Memory,SLSTM);其次,针对传统的泄露积分发放(LeakyIntegrate and Fire,LIF)神经元,引入了基于电压电流效应的LIF和指数LIF(Exponential LIF,ELIF)两种改进模型,并从神经元脉冲发放率、手势识别准确率和训练速度等角度确定了 ELIF为合适的神经元模型;最后,对泊松编码、延迟编码和自适应时间对比编码从编码脉冲发放率、手势识别准确率和编码时间窗口等角度进行了性能对比,确定了自适应时间对比编码为三种编码中最优脉冲编码方法。(2)对SRCNN和SLSTM两种网络架构开展了性能测试实验。具体地,以分别包含9类手势的ES-GE数据集和30类手势的30-GE数据集为目标集,开展了用户无关条件、电极偏移条件和不同训练测试比的手势识别实验。从手势识别准确率、训练集所包含的手势重复次数和网络计算功耗等角度,对比分析了SRCNN、SLSTM、CNN、LSTM 以及线性判别分析(Linear DiscriminantAnalysis,LDA)分类器的性能,发现SNN:在提高模型分类精度和减轻用户训练负担上具有绝对优势,在电极偏移和用户无关实验中基本达到甚至超过了现有的DNN鲁棒性,具有明显的低功耗和低存储资源的优势。本论文研究成果对于推动肌电控制系统的实际应用具有一定的价值,提出的基于SNN的肌电模式识别框架具有降低用户训练负担、增强鲁棒性、减少延迟、降低功耗以及降低存储资源等多种优势,更适合于实时肌电控制系统的实现。

关键词：肌电模式识别 SNN 脉冲编码 sEMG LIF

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于SEMG的肌肉疲劳度评估及其在上肢康复产品设计中的应用研究

基于SEMG的肌肉疲劳度评估及其在上肢康复产品设计中的应用研究

引用

作者：张博文浙江理工大学

学位级别：硕士

在日常生活中,中风发病常常会引起人们不同程度的运动性障碍,使得部分患者丧失了基本的活动能力,患者为了较快速的恢复,往往忽视了肌肉的疲劳程度而进行长时间或高强度的康复训练,引起了一些负面效果,更甚是危害生命安全。所以,患者需... 详细信息

在日常生活中,中风发病常常会引起人们不同程度的运动性障碍,使得部分患者丧失了基本的活动能力,患者为了较快速的恢复,往往忽视了肌肉的疲劳程度而进行长时间或高强度的康复训练,引起了一些负面效果,更甚是危害生命安全。所以,患者需要寻求合理的、有效的治疗方式来帮助自己恢复身体健康。传统的康复或简单的医疗设备已不能满足用户对健康的需求,因此研制新的智能辅助设备对患者进行实时监控并科学地制定康复计划有着广阔的市场前景。人们日常活动中,有些肌肉疲劳可以主观感知而有些则感知不到,如果长时间不顾肌肉的疲劳而过量运动很可能会对肌体产生伤害,所以我们需要实时了解肌肉的疲劳状况,避免对肌体产生伤害。因此,对于肌肉电的实时性检测和反馈是很有必要的。通过对肌肉电信号采集及数据处理的方法研究可以获知,表面肌电信号特征能较好的表征肌体的疲劳状态,凭借它的反馈可以及时了解自身肌肉所处的状态,并做出相对应的科学性康复计划,帮助患者有效的恢复身体健康。本文在深入研究国内外上肢康复机器人的基础上,结合当前的相关康复医学理论,总结出了基于sEMG的肌肉疲劳度的评估在上肢康复设备设计方面的可行性及设计原则,旨在开发一款具有安全性、智能性、实用性等特点的上肢康复训练的设备,用于帮助患有上肢肢体运动障碍的人群,快速恢复日常的生活能力。该设备的系统根据sEMG信号数据来检测肌体的疲劳程度,并给予及时的反馈和提醒,既可以避免对患者肌肉的二次伤害,又可以对患者的上肢关节活动能力进行简单的快速评估。该设备轻便安全,患者不需要医师一对一的跟踪治疗,患者完全可以独立的完成日常的康复训练,在保证患者及时持续治疗的同时,很大程度上也减少了训练费用的开支,所以该康复的用户需求性强,实用范围广,具有较好的市场前景。本文在现有sEMG信号采集的基础上,通过比对患者在不同负载下主动和被动康复时的肌肉疲劳度,提出了基于小波包熵方法来评测肌肉疲劳度并进行检测反馈的方法,并基于此进行研制使患者更安全有效的康复训练的产品。本文主要研究内容有以下几点:1)深入研究国内外康复训练相关产品及系统的研发现状,及康复训练系统评价与检测方法。(2上肢动作的sEMG模式识别的方法研究,包括肌肉的选择,确定特征组合以及算法运行环境及肌电信号采集与处理等。(3)采用小波包熵方法实现对上肢肌肉疲劳程度的评估研究,包括不同运动状态下的信号数据的划分,评价验证等(4)通过前期康复医学及生理结构等理论分析,再结合肌肉疲劳度状态的可视化,推导患者康复训练动作与设备控制机构之间的关系,拟定主动康复运动模式,研发上肢康复训练设备及其交互界面,实现有针对性、科学性的正确训练方式。

关键词：肌肉疲劳小波包熵康复训练设备肌电模式识别医疗康复

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

社区康复环境下上肢康复训练设备研制

社区康复环境下上肢康复训练设备研制

引用

作者：邵俊凯浙江理工大学

学位级别：硕士

中风发病通常以肢体不同程度的运动障碍居多,导致患者丧失基本的日常生活活动能力。通过传统康复或简单的医疗设备等治疗手段,已远不能满足社会需求,开展机器人辅助患者进行主动康复治疗技术的研究有着广阔的前景。本文设计研究的模块... 详细信息

中风发病通常以肢体不同程度的运动障碍居多,导致患者丧失基本的日常生活活动能力。通过传统康复或简单的医疗设备等治疗手段,已远不能满足社会需求,开展机器人辅助患者进行主动康复治疗技术的研究有着广阔的前景。本文设计研究的模块化康复设备配合不同运动配件进行康复训练,能够有针对性的辅助偏瘫患者受损关节形成正确的运动模式,是提升主动康复训练效率的一种可行方式,而对肢体运动功能恢复的有效评估是提升康复训练的关键。表面肌电信号具备采集方便且安全等优势,能够实时的监测和反映肌肉的运动状态,通过对肌电信号的模式识别研究能够逐步实现对关节活动度的追踪,以此构建出上肢运动能力的简化评价策略。本文首先对国内外上肢康复机器人系统技术进行了较为深入的探讨和分析,以及从康复医学理论,康复评价方法,上肢生理结构和运动功能四个方面,总结出上肢主动康复设备在评价和训练方面的可行性方法和设计原则。为了更好的实现基于肌电信号评估策略下的上肢主动康复设备的研制,本文重点研究以下几个内容:(1)通过分解ADL量表评定的日常生活活动,采集12个上肢基本动作的肌电,通过横向对比SVM和BP分类算法,提出LLE-ELM混合识别算法,实现了对上肢动作肌电模式的有效识别。(2)对上肢动作进一步提炼,对关节角度等级划分构建简化评价量表,依据LLE-ELM混合模型识别上肢关节活动角度,实现了有效评价患者的上肢活动能力,验证了该评价策略的有效性。(3)通过前期康复医学和生理结构等理论分析,依据分解上肢日常活动获取的基本动作模式,推导训练动作与设备执行机构之间的关系,拟定主动和抗阻运动模式,研制上肢主动康复设备,实现有针对性的正确训练方式。

关键词：中风社区康复关节活动度评价肌电模式识别康复训练设备

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

实用上肢假肢功能及控制技术

引用

科技与企业 2014年第11期 370-370页

作者：孙为上海科生假肢有限公司

手的应用是人类从猿进化到人的重要标志,它的精妙无比是现代假手技术无法企及的。为肢残者安装功能先进的假手一直是专业工作者毕生奋斗的目标。本文在上肢假肢的控制技术、产品功能改进和安装技术这三个方面,叙述上肢假肢技术的现状和... 详细信息

手的应用是人类从猿进化到人的重要标志,它的精妙无比是现代假手技术无法企及的。为肢残者安装功能先进的假手一直是专业工作者毕生奋斗的目标。本文在上肢假肢的控制技术、产品功能改进和安装技术这三个方面,叙述上肢假肢技术的现状和发展未来。

关键词：上肢假肢肌电控制肌电模式识别神经接口脑机接口

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：