CN103054585A - 基于生物运动信息的上肢肩肘腕关节运动功能评价方法 - Google Patents
基于生物运动信息的上肢肩肘腕关节运动功能评价方法 Download PDFInfo
- Publication number
- CN103054585A CN103054585A CN2013100228210A CN201310022821A CN103054585A CN 103054585 A CN103054585 A CN 103054585A CN 2013100228210 A CN2013100228210 A CN 2013100228210A CN 201310022821 A CN201310022821 A CN 201310022821A CN 103054585 A CN103054585 A CN 103054585A
- Authority
- CN
- China
- Prior art keywords
- signal
- upper limb
- action
- feature
- acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明提出了一种基于生物运动信息的上肢肩肘腕关节运动功能评价方法。本发明首先选择加速度信号和肌电信号作为上肢运动的生物运动信息。然后对加速度信号和肌电信号进行特征提取。在此基础上，从两方面对特征值进行筛选：针对不同类型的动作和针对执行动作能力的不同，根据信号特征的典型性和可区分性对特征进行筛选。最后利用两类信号的不同优势，将两类信号的特征值进行组合。以简式Fugl-Meyer评分值为标准，构建线性回归模型，进行多元信号特征的优化组合，以此作为上肢肩肘腕关节运动功能评价指标。本发明不仅可以进行在线的实时信息提取和评分检测，还能取代传统的上肢运动功能评价方法，更细致地对上肢运动功能进行量化评分。
Description
技术领域
本发明属于信号处理领域，涉及一种基于生物运动信息的上肢肩肘腕关节运动功能评价方法。
背景技术
目前针对神经肌肉损伤患者的运动功能评价研究，主要在临床医学和信息工程领域，通常采用一些反映肢体运动执行能力的动作或运动特征参数来开展运动功能的评价。
临床医学上常用的评价方法包括Fugl-Meyer评价量表、运动功能状态评分MSS、Barthel指数、功能独立性评价量表FIM、MAS等。这些方法存在受检测人员主观因素影响、检测的动作过多等缺点，而且由于大多是量表式的，无法体现肢体运动功能细微的进展变化。在信息工程领域对肢体运动功能的评价主要依赖于肢体动作时产生运动生物力学信息。Hall 等针对手部功能障碍患者，采集手部抓玩具时的握力信息，对手部肌肉功能进行定量的评估和检测。Knorr 等针对中风后引起的动作受损患者，采集伸手动作时受损一侧的加速度信号，利用其中的一些线性和非线性特征，对功能残缺和动作受损的严重性进行定量评估。Cesarelli 等利用上肢自由伸展运动时的位置和速度信息，进行特征提取和分析，实现对上肢康复训练效果的定量评价。除了运动力学信息外，近年来肌电信号（electromyogram, EMG）也开始被用于肢体运动功能障碍评估。EMG是与神经肌肉活动相关的生物电信号，其中蕴涵着很多与肢体运动相关联的信息,包含了反映运动模式和运动意愿的丰富信息。Shao提出基于表面肌电信号构建模型，对中风患者的肌肉力量和关节强度进行评估，取得了的较好的准确性。Nakano利用表面肌电信号对手部动作识别时的肌肉量进行估计。季林红等人利用最优Chirplet时频参数对运动损伤导致的肌强直症状进行定量评估。
上肢运动功能评价方法已经在临床实践上广泛应用，有很好的信息反馈和实践经验，但存在受检测人员主观因素影响、检测动作过多、病人容易疲劳等缺点，而且无法体现肢体功能细微的进展变化；信息工程领域的方法则缺乏系统的、综合的评价，在信息源和评价方法上都有待进一步研究。
发明内容
为了客观、定量、综合的实现对上肢运动功能障碍患者肩肘腕关节的运动功能进行评价，本发明提出了一种融合运动力学信息与生物电信息的综合性上肢肩肘腕关节运动功能评价方法。首先采集上肢动作时的加速度信号和肌电信号，对两类信号进行有效信号选择、特征提取和特征筛选。根据特征的典型性和可区分性，提取能反映动作模式和动作执行能力的信号特征，分别选择肌电信号的均方根特征和小波包能量特征以及加速度信号的均方根特征和基本尺度熵特征作为信号特征。然后利用两类信号在动作分析中的不同优势，以简式Fugl-Meyer评分值为标准，针对上肢不同动作构建多个线性回归模型，将信号的特征值进行优化组合。最终，以多元运动特征值的优化组合结果实现上肢肩肘腕关节运动功能的综合性评价，研究运动信号特征对上肢运动功能诊断的不同重要性并验证评价方法的有效性。
为了实现以上目的，本发明方法主要包括以下步骤：
1）获取人体上肢动作时的加速度信号和肌电信号样本数据，具体如下：通过二维加速度传感器检测上肢运动的加速度信号，表面肌电信号采集仪拾取人体上肢动作时相应肌肉的肌电信号，两类信号通过数据采集卡采集到PC机上，保证信号的同步性和一致性。
2) 确定1）中的两类信号的采样位置和周期信号：关于信号的采样位置，将二维加速度传感器置于上肢的小臂和大臂，分别测量上肢动作时小臂和大臂在不同方向的加速度信号。在肌电信号源位置的选择上，依据生物力学分析结果，按其在动作中的贡献大小来选择肌肉，通过反复实验，选择了小臂内侧的上肢尺侧腕屈肌、小臂外侧的尺侧腕伸肌和大臂内侧的肱二头肌的肌电信号。这三块肌肉分布在手臂的不同区域，在位置和信号区分度上都具有典型性。在确定周期信号时，肌电信号从能量的角度确定起止点，即在较小时间段内，信号的能量值大于一定阈值，则表示进行动作或保持动作。加速度信号则利用一段时间内加速度变化的累积量超过一定阈值来判定是否在进行动作。
3)对加速度信号和肌电信号进行特征提取。综合考虑信号的时域、频域特性以及计算量、实时性，选择均方根、小波包能量和基本尺度熵这几个线性和非线性的特征值。肌电信号的特征包括均方根、小波包能量和基本尺度熵，分别体现了动作的时域信号幅值、时频域信号能量和复杂度特性；而加速度的特征为均方根、信号导数的均方根和基本尺度熵，分别表示动作的时域信号幅值、动作平滑程度和复杂度特性。
（1）均方根(Root Mean Square, RMS):
其中
为采样信号，N为数据长度，I为这个信号的周期数。
（2）小波包能量(Wavelet Packet Energy, WPE):
对信号
进行
层分解后，得到
个子空间，其中第个子空间信号的重构如式(2)
其中是尺度因子为
、平移因子为
的小波函数，
是小波系数。考虑到小波函数的正交性，子空间重构信号的能量
为：
(3)
整个信号的小波包能量为：
(4)
信号的小波包能量反映了信号在不同频带中的总能量。
（3）基本尺度熵(Basic Scale Entropy, BSE)
对于信号
：
，取信号的
个连续点组成一个
维矢量： 
。对于每一个矢量，计算其基本尺度
，
定义如式(5)
(5)
根据基本尺度
把每一个
维矢量按照一定的规则转换成
维矢量符号序列
。可见，
共有
种不同的组合状态，统计出现状态
的分布几率
。
基本尺度熵定义为：
4）在肢体进行特定典型动作时，根据信号特征的典型性和可区分性对特征进行筛选，从而更有效的提取适合于上肢运动功能诊断的信号特征。在上述特征提取的基础上，本发明从两方面对特征值进行筛选：1）针对不同类型的动作，选择合适的具有区分性和代表性的特征值；2）针对执行动作能力的不同，即进行完整和非完整动作时，选择的特征值需能体现出两者的差异。
5）利用两类信号的不同优势，将两类信号的特征值进行组合。以广泛应用的简式Fugl-Meyer评分值为标准，构建线性回归模型，实现多元信号特征的优化组合。由于不同上肢动作涉及的有效信息及信息特征权重不同，因此需要针对多个典型上肢肩肘腕关节动作建立多个线性回归模型。综合性上肢肩肘腕关节运动功能评价指标是根据受试者上肢动作时提取肌电信号和加速度信号的有效特征，结合模型的参数，得到不同动作的评价得分，累加不同动作的评价得分就是该受试者的综合性上肢肩肘腕关节运动功能评价指标得分
，如式（7）。
其中
、分别是肌电信号特征和权重参数；
、分别是加速度信号特征和权重参数，p表示上肢动作的个数。
本发明与已有的肢体运动功能评价方法相比，具有如下特点：
在信号源的选择上，上肢运动力学信息与生物电信息这两类信息从不同方面表征了上肢的运动状态和动作的执行能力，本发明选择加速度信号和肌电信号：加速度信号的运动参数是动作的执行信息，体现了动作活动度；肌电信号则体现了肌肉与肌肉、肌群之间的协调性，可以在患肢意图做出动作或不能完整做出动作时，获取运动的主动意愿。选择上肢动作时的加速度信号和肌电信号为上肢的运动功能评价提供了综合、客观的信号源。
在信号的特征提取上，综合考虑信号的时域、频域特性以及计算量、实时性，选择均方根、小波包能量和基本尺度熵这几个线性和非线性的特征值，分别体现了动作的时域信号幅值、时频域信号能量和复杂度特性，体现了上肢运动生物力学信号在时域、频域、空间域的联合特征。在此基础上，针对不同动作，对能体现动作类型和动作执行能力差异的加速度和肌电信号特征进行筛选，减少了数据量，提取最有效的信号特征。
在评价方法上，利用两类信号在动作分析中的不同优势，以简式Fugl-Meyer评分值为标准，针对上肢肩肘腕关节的典型动作构建多个线性回归模型，将信号的特征值进行优化组合。以多元运动特征值的优化组合结果实现上肢肩肘腕关节运动功能的综合性评价，研究运动信号特征对上肢运动功能诊断的不同重要性并验证评价方法的有效性。
附图说明
图1为本发明的上肢加速度传感器放置示意图；
图2为本发明的肌电采集仪系统组成；
图3(a)和图3(b)为本发明中上肢不同动作时肌电信号和加速度信号的特征分布图；
图4(a)和图4(b)为本发明中上肢完整与非完整动作时肌电信号与加速度信号的特征分布图；
图5为本发明的上肢运动功能评价得分和简式Fugl-Meyer得分的分布图。
具体实施方式
下面结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。
本实施例包括如下步骤：
步骤一，获取人体上肢加速度信号和肌电信号样本数据。
如图1所示，上肢加速度测量装置通过胶带纸固定在人体的小臂、大臂上，检测加速度信号；利用图2所示的表面肌电采集仪在选中的尺侧腕屈肌、尺侧腕伸肌和肱二头肌上拾取肌电信号。实验动作为上肢肩肘腕关节的典型动作：握拳-展拳、屈腕-伸腕、屈肘-伸肘和上肢平举，并模拟上肢运动功能障碍患者进行了半握拳-半展拳、半屈腕-半伸腕、半屈肘-半伸肘和半上肢平举。加速度信号和肌电信号的采样频率是1000kz。根据动作执行的快慢，每组动作次数不同，基本上在10几组、20几组左右。两类信号通过数据采集卡采集到PC机上，保证信号的同步性和一致性。根据采集的实验样本数据，运用阈值法确定动作的起始位置和终止位置作为周期动作信号。
步骤二，将步骤一获取的加速度信号和肌电信号进行特征提取和特征筛选。
在特征提取时，选择均方根、小波包能量和基本尺度熵这几个线性和非线性的特征值，分别体现了信号的时域信号幅值、时频域信号能量和复杂度特性。在此基础上，从两方面对特征值进行筛选：1）针对不同类型的动作；2）针对执行动作能力的不同，即进行完整和非完整动作，根据信号特征的典型性和可区分性对特征进行筛选。
考虑到动作的相似性和实验数据的采集过程，将典型动作分为展握拳、屈腕、伸腕、屈伸肘和上肢平举这几组。由于每组动作涉及的有效信息不同，根据数据分析可知，展握拳、屈腕和伸腕动作时肌电信号信息更具典型性，如图3(a)所示。由图可知，这几组动作中肌电信号的均方根特征和小波包能量特征更能体现动作的特征性和可区分性。针对屈伸肘和上肢平举动作，加速度信号则更能体现动作的特性，如图3(b)所示。由图可知，加速度信号的均方根、加速度信号导数的均方根和基本尺度熵均适合作为信号的有效特征值。
在不同动作的信号特征筛选基础上，再选择合适的特征值体现康复进程中上肢动作进行完整动作和非完整动作的差异。由图4(a)可知，肌电信号的均方根特征和小波包能量特征
能较好的体现上肢执行动作的能力；图4(b)显示，加速度信号的均方根特征
和基本尺度熵特征
有较好的代表性。
步骤三，针对不同动作，以简式Fugl-Meyer评分值为标准，构建线性回归模型，对筛选后的特征值的优化组合，实现综合性上肢肩肘腕关节运动功能评价，并对评分进行分析和验证。
通过线性回归模型建立实验数据的典型特征
和Fugl-Meyer评分值的关系，结果如表1所示。针对上肢不同动作的多个线性回归模型结果显示：1）不同动作涉及的有效的信号及信号特征系数不同；2）选择的四种典型特征中，
、所占的权重比较大。说明在对上肢运动功能的综合性评价中，肌电信号和加速度信号的均方根特征处于更重要的地位，对运动功能水平的影响较大。
表1 上肢不同动作的多个线性回归模型结果
利用综合上肢肩肘腕关节运动功能评价指标对上述实验的被试者进行打分，设定受试者进行的半动作为简式Fugl-Meyer功能评分中的“部分完成”，完整动作则为“充分完成”，两个不同评价指标指标的得分如图5所示。图中点坐标自左往右依次为被试者完成1、 2、3、4、5个半动作、4个半动作1个完整动作、3个半动作2个完整动作、2个半动作3个完整动作、1个半动作4个完整动作和5个完整动作。
统计结果表明，综合上肢肩肘腕关节运动功能评价指标得分向量和Fugl—Meyer得分向量F之间的相关系数=0.9951。这说明
作为一种评定上肢运动能力水平的综合评价方法和公认的医学评价Fugl—Meyer评分有很强的相关一致性。本发明提出的上肢综合运动功能评价方法不仅可以进行在线的实时信息提取和评分检测，还能取代传统的上肢运动功能评价方法，更细致地对上肢运动功能进行量化评分。
Claims (1)
1. 基于生物运动信息的上肢肩肘腕关节运动功能评价方法，其特征在于该方法包括如下步骤：
生物运动信息的选择与样本数据采集；
在信号源的选择上，生物运动信息包括上肢运动力学信息和生物电信息，这两类信息从不同方面表征了上肢的运动状态和动作的执行能力；在动力学信息中选择加速度信号，生物电信息中选择肌电信号作为上肢运动的生物运动信息；
获取人体上肢动作时的加速度信号和肌电信号样本数据，具体如下：通过二维加速度传感器检测上肢运动的加速度信号，表面肌电信号采集仪拾取人体上肢动作时相应肌肉的肌电信号，两类信号通过数据采集卡采集到PC机上，保证信号的同步性和一致性，信号的采样频率是1khz；
2) 确定1）中的两类信号的采样位置和周期信号；
关于信号的采样位置，将二维加速度传感器置于上肢的小臂和大臂，分别测量上肢动作时小臂和大臂在不同方向的加速度信号；在肌电信号源位置的选择上，依据生物力学分析结果，按其在动作中的贡献大小来选择肌肉，选择小臂内侧的上肢尺侧腕屈肌、小臂外侧的尺侧腕伸肌和大臂内侧的肱二头肌的肌电信号；这三块肌肉分布在手臂的不同区域，在位置和信号区分度上都具有典型性；
在确定周期信号时，肌电信号从能量的角度确定起止点，即在较小时间段内，信号的能量值大于一定阈值，则表示进行动作或保持动作；加速度信号则利用一段时间内加速度变化的累积量超过一定阈值来判定是否在进行动作；
3）对加速度信号和肌电信号进行特征提取；
肌电信号的特征包括均方根、小波包能量和基本尺度熵，分别体现了动作的时域信号幅值、时频域信号能量和复杂度特性；加速度的特征为均方根、信号导数的均方根和基本尺度熵，分别表示动作的时域信号幅值、动作平滑程度和复杂度特性；
4）在肢体进行特定典型动作时，在信号特征提取的基础上，根据信号特征的典型性和可区分性对特征值进行筛选，从而更有效的提取适合于上肢运动功能诊断的信号特征；
特征值筛选条件：a）针对不同类型的动作，选择具有区分性和代表性的特征值；b）针对执行动作能力的不同，即进行完整和非完整动作时，选择的特征值须能体现出两者的差异；经过特征筛选后表明，肌电信号的均方根特征和小波包能量特征能较好的体现上肢执行动作的能力；加速度信号的均方根特征和基本尺度熵特征对上肢运动状态有较好的代表性；
5）将筛选后的特征值进行优化组合，作为上肢肩肘腕关节运动功能评价指标；
利用两类信号的不同优势，将两类信号的特征值进行组合；以简式Fugl-Meyer评分值为标准，构建线性回归模型，实现多元信号特征的优化组合；
上肢肩肘腕关节运动功能评价指标是根据受试者上肢动作时提取肌电信号和加速度信号的有效特征，结合模型的参数，得到不同动作的评价得分，累加不同动作的评价得分就是该受试者的综合性上肢肩肘腕关节运动功能评价指标得分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310022821.0A CN103054585B (zh) | 2013-01-21 | 2013-01-21 | 基于生物运动信息的上肢肩肘腕关节运动功能评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310022821.0A CN103054585B (zh) | 2013-01-21 | 2013-01-21 | 基于生物运动信息的上肢肩肘腕关节运动功能评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103054585A true CN103054585A (zh) | 2013-04-24 |
| CN103054585B CN103054585B (zh) | 2014-11-05 |
Family
ID=48097707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310022821.0A Active CN103054585B (zh) | 2013-01-21 | 2013-01-21 | 基于生物运动信息的上肢肩肘腕关节运动功能评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103054585B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103479368A (zh) * | 2013-09-24 | 2014-01-01 | 叶强 | 下肢力量精确性水平检测方法 |
| CN105769186A (zh) * | 2016-03-23 | 2016-07-20 | 河北工业大学 | 基于复杂网络的肌电信号采集位置选取方法 |
| CN106067178A (zh) * | 2016-05-30 | 2016-11-02 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
| CN106200893A (zh) * | 2014-10-16 | 2016-12-07 | 三星电子株式会社 | 锻炼反馈提供设备和方法 |
| CN106420254A (zh) * | 2016-09-14 | 2017-02-22 | 中国科学院苏州生物医学工程技术研究所 | 多人交互虚拟现实康复训练与评估系统 |
| CN107684501A (zh) * | 2017-09-07 | 2018-02-13 | 北京机械设备研究所 | 一种基于表面肌电的肘关节动作连续辨识方法 |
| CN108433729A (zh) * | 2018-04-19 | 2018-08-24 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步系统 |
| CN108742957A (zh) * | 2018-06-22 | 2018-11-06 | 上海交通大学 | 一种多传感融合的假肢控制方法 |
| CN108877931A (zh) * | 2018-06-01 | 2018-11-23 | 广州中医药大学(广州中医药研究院) | 肩关节康复评价方法、装置及系统 |
| WO2018214529A1 (zh) * | 2017-05-25 | 2018-11-29 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
| CN109645995A (zh) * | 2019-01-16 | 2019-04-19 | 杭州电子科技大学 | 基于肌电模型和无迹卡尔曼滤波的关节运动估计方法 |
| CN109864741A (zh) * | 2019-01-30 | 2019-06-11 | 北京津发科技股份有限公司 | 基于肌电信号的周期性动作评估方法和装置、终端设备 |
| CN111616706A (zh) * | 2020-05-20 | 2020-09-04 | 山东中科先进技术研究院有限公司 | 一种基于卷积神经网络的表面肌电信号分类方法及系统 |
| CN112221110A (zh) * | 2020-06-03 | 2021-01-15 | 中国人民解放军陆军军医大学 | 一种超越障碍运动腕关节保护装置及检测方法 |
| CN113080944A (zh) * | 2021-04-14 | 2021-07-09 | 朱志斌 | 一种生物电信号和脊柱活动度检测方法、装置和系统 |
| CN114010453A (zh) * | 2021-09-24 | 2022-02-08 | 阿凡达康复科技(东莞)有限公司 | 一种基于运动信号的反馈穿戴系统及预处理方法 |
| CN114767064A (zh) * | 2022-03-23 | 2022-07-22 | 中国科学院苏州生物医学工程技术研究所 | 一种儿童睡眠监测方法、系统及电子装置 |
| CN115399791A (zh) * | 2022-06-28 | 2022-11-29 | 天津大学 | 基于肌电运动多数据融合的卒中下肢功能评估方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080215162A1 (en) * | 2007-02-06 | 2008-09-04 | Troy Farnsworth | System and method for using a digit to position a prosthetic or orthotic device |
| CN101587546A (zh) * | 2009-06-12 | 2009-11-25 | 浙江大学 | 基于支持向量多元分类的下肢动作模式的识别方法 |
| CN101636142A (zh) * | 2007-03-22 | 2010-01-27 | 国立大学法人筑波大学 | 康复训练辅助装置 |
| US20100106044A1 (en) * | 2008-10-27 | 2010-04-29 | Michael Linderman | EMG measured during controlled hand movement for biometric analysis, medical diagnosis and related analysis |
| CN102499797A (zh) * | 2011-10-25 | 2012-06-20 | 中国科学院深圳先进技术研究院 | 假肢控制方法及系统 |
| CN102567638A (zh) * | 2011-12-29 | 2012-07-11 | 无锡微感科技有限公司 | 一种基于微型传感器的交互式上肢康复系统 |
-
2013
- 2013-01-21 CN CN201310022821.0A patent/CN103054585B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080215162A1 (en) * | 2007-02-06 | 2008-09-04 | Troy Farnsworth | System and method for using a digit to position a prosthetic or orthotic device |
| CN101636142A (zh) * | 2007-03-22 | 2010-01-27 | 国立大学法人筑波大学 | 康复训练辅助装置 |
| US20100106044A1 (en) * | 2008-10-27 | 2010-04-29 | Michael Linderman | EMG measured during controlled hand movement for biometric analysis, medical diagnosis and related analysis |
| CN101587546A (zh) * | 2009-06-12 | 2009-11-25 | 浙江大学 | 基于支持向量多元分类的下肢动作模式的识别方法 |
| CN102499797A (zh) * | 2011-10-25 | 2012-06-20 | 中国科学院深圳先进技术研究院 | 假肢控制方法及系统 |
| CN102567638A (zh) * | 2011-12-29 | 2012-07-11 | 无锡微感科技有限公司 | 一种基于微型传感器的交互式上肢康复系统 |
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103479368A (zh) * | 2013-09-24 | 2014-01-01 | 叶强 | 下肢力量精确性水平检测方法 |
| US10524729B2 (en) | 2014-10-16 | 2020-01-07 | Samsung Electronics Co., Ltd. | Exercise feedback provision apparatus and method |
| CN106200893A (zh) * | 2014-10-16 | 2016-12-07 | 三星电子株式会社 | 锻炼反馈提供设备和方法 |
| US11894122B2 (en) | 2014-10-16 | 2024-02-06 | Samsung Electronics Co., Ltd. | Exercise feedback provision apparatus and method |
| US11250940B2 (en) | 2014-10-16 | 2022-02-15 | Samsung Electronics Co., Ltd. | Exercise feedback provision apparatus and method |
| CN105769186A (zh) * | 2016-03-23 | 2016-07-20 | 河北工业大学 | 基于复杂网络的肌电信号采集位置选取方法 |
| CN106067178B (zh) * | 2016-05-30 | 2018-11-23 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
| CN106067178A (zh) * | 2016-05-30 | 2016-11-02 | 杭州电子科技大学 | 一种基于肌肉协同激活模型的手部关节运动连续估计方法 |
| CN106420254A (zh) * | 2016-09-14 | 2017-02-22 | 中国科学院苏州生物医学工程技术研究所 | 多人交互虚拟现实康复训练与评估系统 |
| WO2018214529A1 (zh) * | 2017-05-25 | 2018-11-29 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
| CN107684501A (zh) * | 2017-09-07 | 2018-02-13 | 北京机械设备研究所 | 一种基于表面肌电的肘关节动作连续辨识方法 |
| CN107684501B (zh) * | 2017-09-07 | 2020-05-08 | 北京机械设备研究所 | 一种基于表面肌电的肘关节动作连续辨识方法 |
| CN108433729A (zh) * | 2018-04-19 | 2018-08-24 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步系统 |
| CN108433729B (zh) * | 2018-04-19 | 2023-05-12 | 福州大学 | 一种用于人体感觉运动控制研究的多信号采集与同步系统 |
| CN108877931A (zh) * | 2018-06-01 | 2018-11-23 | 广州中医药大学(广州中医药研究院) | 肩关节康复评价方法、装置及系统 |
| CN108742957A (zh) * | 2018-06-22 | 2018-11-06 | 上海交通大学 | 一种多传感融合的假肢控制方法 |
| CN109645995B (zh) * | 2019-01-16 | 2021-09-07 | 杭州电子科技大学 | 基于肌电模型和无迹卡尔曼滤波的关节运动估计方法 |
| CN109645995A (zh) * | 2019-01-16 | 2019-04-19 | 杭州电子科技大学 | 基于肌电模型和无迹卡尔曼滤波的关节运动估计方法 |
| CN109864741A (zh) * | 2019-01-30 | 2019-06-11 | 北京津发科技股份有限公司 | 基于肌电信号的周期性动作评估方法和装置、终端设备 |
| CN111616706A (zh) * | 2020-05-20 | 2020-09-04 | 山东中科先进技术研究院有限公司 | 一种基于卷积神经网络的表面肌电信号分类方法及系统 |
| CN111616706B (zh) * | 2020-05-20 | 2022-07-22 | 山东中科先进技术有限公司 | 一种基于卷积神经网络的表面肌电信号分类方法及系统 |
| CN112221110A (zh) * | 2020-06-03 | 2021-01-15 | 中国人民解放军陆军军医大学 | 一种超越障碍运动腕关节保护装置及检测方法 |
| CN113080944A (zh) * | 2021-04-14 | 2021-07-09 | 朱志斌 | 一种生物电信号和脊柱活动度检测方法、装置和系统 |
| CN113080944B (zh) * | 2021-04-14 | 2023-11-24 | 北京积水潭医院 | 一种生物电信号和脊柱活动度检测方法、装置和系统 |
| CN114010453A (zh) * | 2021-09-24 | 2022-02-08 | 阿凡达康复科技(东莞)有限公司 | 一种基于运动信号的反馈穿戴系统及预处理方法 |
| CN114767064A (zh) * | 2022-03-23 | 2022-07-22 | 中国科学院苏州生物医学工程技术研究所 | 一种儿童睡眠监测方法、系统及电子装置 |
| CN114767064B (zh) * | 2022-03-23 | 2024-01-23 | 中国科学院苏州生物医学工程技术研究所 | 一种儿童睡眠监测方法、系统及电子装置 |
| CN115399791A (zh) * | 2022-06-28 | 2022-11-29 | 天津大学 | 基于肌电运动多数据融合的卒中下肢功能评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103054585B (zh) | 2014-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103054585B (zh) | 基于生物运动信息的上肢肩肘腕关节运动功能评价方法 | |
| CN102622605B (zh) | 一种表面肌电信号的特征提取及动作模式识别方法 | |
| CN102961203B (zh) | 基于emd样本熵的表面肌电信号识别方法 | |
| CN104107134B (zh) | 基于肌电反馈的上肢训练方法及系统 | |
| CN109875565A (zh) | 一种基于深度学习的脑卒中上肢运动功能自动评定方法 | |
| CN104997523B (zh) | 一种上肢康复机器人康复训练运动功能评价方法 | |
| CN107832686A (zh) | 融合表面肌电和加速度信号的下肢运动模式识别方法 | |
| CN112057040B (zh) | 一种上肢运动功能康复评价方法 | |
| CN103417218A (zh) | 一种上肢运动的参数采集评估系统及方法 | |
| CN104127181A (zh) | 基于wkfda的肌电信号跌倒检测方法 | |
| CN111528842A (zh) | 基于生理和行为指标的帕金森病症状定量化评估方法 | |
| CN107157450A (zh) | 用于对帕金森病人的手部运动能力进行量化评估方法和系统 | |
| Wang et al. | A portable artificial robotic hand controlled by EMG signal using ANN classifier | |
| CN110464349A (zh) | 一种基于隐半马尔科夫模型的上肢运动功能评分方法 | |
| CN110570946A (zh) | 一种下肢康复机器人康复训练运动功能康复评价方法 | |
| CN103785157A (zh) | 人体运动类型识别准确度提高方法 | |
| Trinidad-Fernández et al. | Muscle activity and architecture as a predictor of hand-grip strength | |
| CN110478860B (zh) | 基于手物自然交互的手部功能障碍虚拟康复系统 | |
| Ivanović et al. | Is there a relation between maximal and explosive leg extensors isometric force? | |
| Veer | A flexible approach for segregating physiological signals | |
| Alba-Flores et al. | Performance analysis of two ANN based classifiers for EMG signals to identify hand motions | |
| Howard | The application of data analysis methods for surface electromyography in shot putting and sprinting | |
| Guo et al. | Upper limb muscle force estimation during table tennis strokes | |
| Bai et al. | Intelligent prosthetic arm force control based on sEMG analysis and BPNN classifier | |
| You et al. | The system of sEMG recognition for prosthetic hand control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201214 Address after: Room 3003-1, building 1, Gaode land center, Hangzhou City, Zhejiang Province Patentee after: Zhejiang Zhiduo Network Technology Co.,Ltd. Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang Patentee before: HANGZHOU DIANZI University Effective date of registration: 20201214 Address after: Room 1004-5, building 8, 3333 Guangyi Road, Daqiao Town, Nanhu District, Jiaxing City, Zhejiang Province Patentee after: Jiaxing Xunfu New Material Technology Co.,Ltd. Address before: Room 3003-1, building 1, Gaode land center, Hangzhou City, Zhejiang Province Patentee before: Zhejiang Zhiduo Network Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201229 Address after: 224000 No.9 Yunxi Road, environmental protection science and Technology City, Tinghu District, Yancheng City, Jiangsu Province Patentee after: JIANGSU CASHH NUCLEAR ENVIRONMENT PROTECTION Co.,Ltd. Address before: Room 1004-5, building 8, 3333 Guangyi Road, Daqiao Town, Nanhu District, Jiaxing City, Zhejiang Province Patentee before: Jiaxing Xunfu New Material Technology Co.,Ltd. |