检索结果-南通市图书馆

中国脊柱脊髓杂志 2021年第6期31卷 502-509,519页

作者：黄剑平姜乃夫李沅衡王玮陈世雄杨万章李光林中国人民大学北京市100872 中国科学院人机智能协同系统重点实验室深圳市518055 中国科学院深圳先进技术研究院深圳市518055 南方医科大学深圳医院康复医学科深圳市518110

目的:基于高密度表面肌电(surface electromyography,sEMG)技术,评估青少年特发性脊柱侧凸(adolescent idiopathic scoliosis,AIS)患者竖脊肌在躯干运动中的协同活动。方法:将高密度sEMG电极阵列沿着脊柱规律分布于AIS患者与健康受试者... 详细信息

目的:基于高密度表面肌电(surface electromyography,sEMG)技术,评估青少年特发性脊柱侧凸(adolescent idiopathic scoliosis,AIS)患者竖脊肌在躯干运动中的协同活动。方法:将高密度sEMG电极阵列沿着脊柱规律分布于AIS患者与健康受试者腰背双侧,记录受试者完成对称动作(挺直站立与躯干前倾)时的sEMG,计算每个通道sEMG的均方根值(root mean square,RMS),经平滑后得到受试者背部sEMG地形图,通过对sEMG均方根值地形图的分析评估受试者竖脊肌的协同活动情况。结果:对称性躯干动作时,健康受试者sEMG均方根值地形图强活动区域左右对称,而AIS患者强活动区域缺乏左右对称性。挺直站立时,AIS患者凸侧地形图强活动区域能量和的平均强度为66.92±12.05μV,高于凹侧的23.77±4.04μV;躯干前倾时,凸侧强活动区域能量和的平均强度为192.25±87.62μV,高于凹侧的95.70±25.93μV。对称性躯干动作时,不同Cobb角的AIS患者凸侧sEMG能量不同,随着Cobb角的增加而提高,与凹侧sEMG能量差值亦随着Cobb角的增加而变大;不同Cobb角AIS患者凸、凹侧对称列sEMG能量比值差异最大的位置均在竖脊肌与腰背部肌群肌腹重叠的区域。结论:AIS患者竖脊肌与腰背部肌群在对称性躯干动作时的sEMG均方根值地形图凸侧强、凹侧弱,凸侧sEMG均方根值随着Cobb角的增大而加强。

关键词：青少年特发性脊柱侧凸高密度表面肌电竖脊肌协同活动

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

基于高密度表面肌电传感器与边缘计算的动态手势识别系统研究

基于高密度表面肌电传感器与边缘计算的动态手势识别系统研究

引用

作者：邱皓萌华南理工大学

学位级别：硕士

随着计算机技术、信息技术以及人工智能技术发展,智能化的用户需求向人机交互界面提出了新的要求,即具备对人类感官进行直观感知的能力。在众多“拟人化”的新型人机交互范式中,基于高密度表面肌电(high-density surface electromyograp... 详细信息

随着计算机技术、信息技术以及人工智能技术发展,智能化的用户需求向人机交互界面提出了新的要求,即具备对人类感官进行直观感知的能力。在众多“拟人化”的新型人机交互范式中,基于高密度表面肌电(high-density surface electromyography,HDs EMG)的手势识别凭借其操作便捷与准确率高的特点,被广泛应用于康复训练、手语识别、体感游戏等领域。然而,在以往研究中,存在前臂佩戴方式舒适性差,静态手势操作延迟高,远程计算响应速度慢的问题。因此,一个腕部佩戴的、舒适快速的动态手势识别系统,对提高手势识别过程中的用户体验、推动日常生活场景下人机交互应用的发展具有重要意义。本文提出了基于HD-s EMG传感器与边缘计算的动态手势识别系统。首先,本文设计了手势识别系统的整体方案,基于前臂的解剖结构确定了腕部HD-s EMG电极的布局,并利用公开数据集验证了基于腕部HD-s EMG手势识别的可行性。接着,本文对HDs EMG传感器的系统硬件、嵌入式软件以及上位机进行了实现与调试,并利用传感器数据采集测试来检验传感系统的有效性。然后,本文采集了一个动态手势数据集以用于识别算法的训练与测试,还设计了HD-s EMG信号预处理、肌电激活区域提取、以及CNN模型来实现手势识别任务。最后,为了提高人机交互应用的响应速度,本文将所有的算法都部署到了HD-s EMG传感器中,以实现基于边缘计算的手势识别任务。本文对所设计的手势识别系统进行了全面的测试与验证。在离线测试中,手势识别系统以50ms的低响应延迟取得了98.01%的识别准确率。在实时测试中,手势识别系统准确地识别了12个日常动态手势,单个手势识别平均总耗时为732ms,为远程计算方法时间的一半,功耗也降低为其三分之一。成功的实时人机交互体感游戏也验证了手势识别系统的实用性。本文的结果表明,所提出手势识别系统的腕部佩戴舒适度高、操作延迟低、识别响应快,大大促进了基于HD-s EMG的手势识别在日常人机交互中的应用。

关键词：手势识别系统高密度表面肌电腕部佩戴动态手势边缘计算

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

个体间支配手指运动的微观神经元特征

引用

医用生物力学 2023年第2期38卷 382-388页

作者：万慧颖刘翔宇戴晨赟陈炜复旦大学信息科学与工程学院上海200439 上海理工大学出版印刷与艺术设计学院上海200093

目的分析个体支配单个手指伸展运动的微观神经元特征,得出不同个体微观神经元特征的异同性。方法通过盲源分离算法分解出支配不同个体在单个手指伸展时的微观运动神经元,对所得神经元进行二维空间特征量化,并利用不同个体分解出的神经... 详细信息

目的分析个体支配单个手指伸展运动的微观神经元特征,得出不同个体微观神经元特征的异同性。方法通过盲源分离算法分解出支配不同个体在单个手指伸展时的微观运动神经元,对所得神经元进行二维空间特征量化,并利用不同个体分解出的神经元特征进行手指分类,通过特征量化和分类结果验证支配不同个体的运动神经元特征的异同性。通过共享运动神经元占比分析研究神经支配不同手指协同运动的微观神经元特性在不同个体间的差异性。结果不同个体的食指与中指的运动神经元空间分布差异较大,激活面积相似。利用不同人群数据作为训练集和测试集进行手指分类的平均准确率为86.99%,经迁移成分分析校准后显著提高为90.07%。通过不同个体共享神经元占比分析发现,食指与其他3指(中指、无名指、小指)之间的共享神经元占比较少,而无名指与小指之间的占比最高。结论不同个体控制不同手指的运动神经元整体的空间放电特征较为相似,存在较小的个体性差异。本研究揭示不同个体在进行手指运动时的内在神经机制,为手指运动障碍患者临床神经机制分析以及相关工程应用提供参考。

关键词：高密度表面肌电运动神经元分解手指运动迁移成分分析

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

慢性非特异性下背痛患者竖脊肌等长收缩时空间活动特征

引用

中国运动医学杂志 2021年第5期40卷 338-343页

作者：李霞郝增明王晓东陈晓军浙江中医药大学第三临床医学院杭州310053 浙江大学教育学院杭州310028

目的:探讨慢性非特异性下背痛(CNLBP)患者与健康人进行腰背肌等长收缩时竖脊肌空间活动分布的差异。方法:选取CNLBP患者15例为实验组(34.95±8.73岁),健康人15名为对照组(30.50±7.84岁)。采用Oswestry功能障碍指数(ODI)、疼痛视觉模拟... 详细信息

目的:探讨慢性非特异性下背痛(CNLBP)患者与健康人进行腰背肌等长收缩时竖脊肌空间活动分布的差异。方法:选取CNLBP患者15例为实验组(34.95±8.73岁),健康人15名为对照组(30.50±7.84岁)。采用Oswestry功能障碍指数(ODI)、疼痛视觉模拟评分(VAS)进行临床评估。采用高密度表面肌电(HDsEMG),记录两组受试者进行1 min改良等长运动负荷试验(BST)时竖脊肌肌电信号,比较两组中位频率斜率(MFs)的差异;比较收缩初期(开始20 s)、收缩中期(中间20 s)和收缩末期(最后20 s)3个不同收缩时段均方根值(RMS)肌电特征图像的重心和分散度,并分析相关肌电指标与临床评估结果的相关性。结果:竖脊肌MFs实验组和对照组组间对比,差异具有统计学意义(P肌电活动重心和分散度,实验组和对照组组间对比,差异均具有统计学意义(P肌电活动重心向远端移动;慢性非特异性下背痛患者较健康人运动变异减小,向远端移动减少。慢性非特异性下背痛患者通过改变肌肉激活的位置和范围,重新分配肌肉活动完成耐力任务。HDsEMG可以观察肌肉持续收缩时空间活动变化,用于慢性非特异性下背痛患者肌肉功能评估。

关键词：高密度表面肌电时空激活特性慢性非特异性下背痛竖脊肌

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

上肢高密度sEMG特征分类研究

上肢高密度sEMG特征分类研究

引用

作者：夏春雨沈阳工业大学

学位级别：硕士

人机接口技术的发展一直是医疗康复领域里值得关注的研究方向,采用二维矩阵式高密度表面肌电(High Density surface EMG,HD-sEMG)信号采集技术,能够测量覆盖在限定皮肤区域肌肉的电活动,捕捉整块肌肉活动区域肌电信号时域和空间域分布信... 详细信息

人机接口技术的发展一直是医疗康复领域里值得关注的研究方向,采用二维矩阵式高密度表面肌电(High Density surface EMG,HD-sEMG)信号采集技术,能够测量覆盖在限定皮肤区域肌肉的电活动,捕捉整块肌肉活动区域肌电信号时域和空间域分布信息,有利于对复杂动作肌电信号的解析和优化。由于人体上肢运动肌电信号解析较为困难,本文提出一种针对上肢运动HD-sEMG信号人机接口技术解析优化方法;对实验者上肢前伸和外展共八种不同运动角度时三角肌的HD-sEMG信号进行解析和优化,以模拟对上肢前伸和外展连续动作产生的肌电信号的解析。本文采用64路配置的高密度sEMG电极采集HD-sEMG信号。首先,根据肌电控制人机接口技术的整体结构,在数据预处理方面,详细对比主成分分析、快速独立元分析和多分类共同空间模式三种空间滤波算法,分别对采集的HD-sEMG信号作空间滤波预处理,求得分离矩阵以实现对原信号数据的重构及降低数据维数的目的。基于多类别共同空间模式提出不同类别通道间互信息最大化通道选择方法,将信号通道按照互信息进行降序排列,选择肌源信号最优的原始通道进行分析,以较少的通道数代替原64路通道,实现将肌源信号强的通道从原有的信号通道中分离出来的目的。其次,在特征提取部分,分别对经预处理的HD-sEMG信号时域、频域和时频域特征比较分析,得出经小波包变换分解的时频域特征能够有效反应上肢运动sEMG信号特征。结合HD-sEMG信号采集电极的特点,采用互信息最大化的通道选择算法提取HDsEMG信号的空间特征,将其与时频域特征相结合,更易于反应上肢运动HD-sEMG信号特征。最后,分别采用人工神经网络、线性判别分析、K-最邻近分析和支持向量机四种常用的模式分类器,通过对不同空间滤波数据时频域特征以及空间域与时频域特征相结合的特征数据集模式识别结果分析,得出采用时频域与空间域特征相结合的支持向量机分类器,当仅选择5路原信号通道时,即可达到95%的期望识别率。另外,通过对该肌电信号解析方法在电极偏移情况下的鲁棒性分析,得出该方法能够具有较好的电极偏移鲁棒性,为HD-sEMG信号的人机接口系统解析技术提供一种有效的解决方法。

关键词：高密度表面肌电空间滤波小波包变换支持向量机模式识别

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

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

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

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：