CN107358041A - 一种基于脑‑机接口的运动想象疗法装置及其使用方法 - Google Patents
一种基于脑‑机接口的运动想象疗法装置及其使用方法 Download PDFInfo
- Publication number
- CN107358041A CN107358041A CN201710535363.9A CN201710535363A CN107358041A CN 107358041 A CN107358041 A CN 107358041A CN 201710535363 A CN201710535363 A CN 201710535363A CN 107358041 A CN107358041 A CN 107358041A
- Authority
- CN
- China
- Prior art keywords
- brain
- mrow
- computer interface
- mental imagery
- visual stimulus
- 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.)
- Pending
Links
Landscapes
- Rehabilitation Tools (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于脑‑机接口的运动想象疗法装置及其使用方法,该装置包括视觉刺激屏,患者通过注视视觉刺激屏上反馈界面呈现的目标来做相应的手腕运动想象;脑电采集系统,包括电极帽、电极和脑电采集模块;脑机接口模块,用来对脑电信号进行预处理,提取特征和分类;控制系统,用于控制指令的解析以及发送控制命令。本发明将脑‑机接口技术运用于运动想象疗法,可以帮助偏瘫患者更好地提高运动技能和情绪控制能力,促使受损运动传导路的修复或者重建,有效地促进正常运动反射弧的形成,同时,本发明可以帮助医护人员直观地观察患者是否在进行有效的运动想象治疗,提高了患者的主动性。
Description
技术领域
本发明涉及偏瘫患者的物理治疗技术领域,尤其是指一种基于脑-机接口的运动想象疗法装置及其使用方法。
背景技术
脑-机接口技术是一种由人脑与计算机或其他电子设施建立起来的,基于脑电信号不依赖于周围神经和肌肉组织就可以实现与外界的信息交流和互换的技术。目前来说,在脑机接口技术领域涉及最多的领域大概分成三块:娱乐,恢复和增强。因为前面两者距离现实最近,研究者众多,尤其是涉及康复领域的脑机接口技术,它的一个重要用途是为那些思维正常但有严重运动功能障碍的患者提供一种新的康复训练方式,使患者主动参与到治疗过程当中,以提高治疗效果。
运动想象疗法是指为了提高运动功能而进行的反复运动想象,没有任何运动输出,根据运动记忆在大脑中激活某一活动的特定区域,促使运动受损传导路的修复和重建,能有效地促进正常运动反射弧的形成,从而达到提高运动功能的目的。但是在实际临床物理治疗过程当中,虽然患者任然具备一定的运动想象能力,但精确性和时效性都受到了影响,表现为不能够进行精确的运动想象。
患者在意识清醒时在从事与感觉运动相关的活动时,感觉运动皮层区域能够检测到8~12Hz节律的脑电波,这种节律称为Mu节律。通常Mu节律出现的同时,伴随18~26Hz的Beta节律出现。Beta节律的一部分是Mu节律的倍频,另外一部分是独立的脑电特征。Mu和Beta节律与脑的运动区域有关联,准备运动或实际运动伴随着对侧的Mu和Beta节律的下降,称为事件相关去同步(Event-related desynchronization,ERD),而运动的结束伴随着这两个节律的上升,称为事件相关同步(Event-related synchronization,ERS)。
运动想象疗法目前广泛应用于大脑损伤的康复领域,尤其是脑卒中康复领域。将运动想象疗法应用于脑卒中患者,近几年已经成为康复治疗的研究热点。但是进行运动想象治疗过程中因为各种因素导致想象不够精确时,外界人员包括患者本身无从得知,因此该治疗过程需要引入一个反馈系统,当想象到位时,反馈系统对患者有一个直观的正反馈信息,当想象不到位时,反馈系统不做反馈或者作出直观的负反馈,患者根据反馈不断调整其想象状态,这样就能够确保治疗的精确性。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供了一种基于脑-机接口的运动想象疗法装置及其使用方法,使运动想象疗法过程中不精确的想象过程得到直观的显现,进而提升运动想象的质量已达到更好的治疗效果。
为实现上述目的,本发明所提供的技术方案如下:
一种基于脑-机接口的运动想象疗法装置,包括:
视觉刺激屏,放置在患者用于康复训练的位置,患者通过注视视觉刺激屏上反馈界面呈现的目标来做相应的手腕运动想象;
脑电采集系统,包括电极帽、电极和脑电采集模块;其中,所述电极帽和电极用32个处于国际10-20系统中的标准位置的通道信息,所述脑电采集模块用于采集脑电信号,并进行放大和模数转换处理;
脑机接口模块,用来对脑电信号进行预处理,提取特征和分类;通过对四种不同的运动想象的分类,将分类结果传给控制系统;
控制系统,用于控制指令的解析以及发送控制命令,具体是:根据脑机接口模块输出的四种不同的分类结果,相应解析成四种不同的控制指令传输给被控对象,用于控制被控对象的运动方向;其中,所述被控对象为视觉刺激屏上反馈界面呈现的白色小球,控制系统将指令解析的控制命令传输给视觉刺激屏的反馈界面,反馈界面收到指令触发白色小球分别向上下左右四个方向运动。
所述视觉刺激屏中反馈界面随机出现的四个目标分布在白色小球的正上下左右方位,将白色小球包围在正中心的位置。当目标出现在上、下方位时,分别做手掌心向下,以手腕为轴上翘(Extention)、下弯(Flexion);当目标出现在左右方位时,分别做手掌心向下,以手腕为轴左(Radial Deviation)、右(Ulnar Deviation)偏转20~30的角度;在所有的动作进行时,需保持大小臂保持不动,四种动作随机呈现,每次呈现一种。
上述的基于脑-机接口的运动想象疗法装置的使用方法,包括以下步骤:
S1:用户在进行第一次康复训练前,需要先进行一组预实验,预实验和正式的康复训练过程的动作是一致的;预实验分多次进行,分别在每天的不同时间段进行;用户只需根据视觉刺激屏中的提示做出相应的动作想象即可,确保多次预实验下来每种动作有100~200个的样本数量;再利用这些样本数据经过预处理和特征提取后,训练出适合受试者的SVM分类器参数,并保存下来;
S2:接下来进行正式的康复训练,将该用户的分类器参数调整至之前保存的参数,用户注视视觉刺激屏,目标会随机出现在某个方位,并持续设定的时间,期间用户做出相应的动作想象,过后想象停止;数据经过预处理和特征提取后,通过预先训练好的SVM分类器识别出动作结果;如果结果识别正确,将发送识别正确的指令到控制系统,控制系统对指令进行解析,并控制刺激屏中间的白色的小球向目标移动;若动作想象不到位或者没有进行想象而导致识别结果的错误,控制系统将收不到计算机发来的指令,也就不会有小球的运动;
S3:识别结果出来后,不论有无正确识别,都将系统进行初始化,系统初始化后,被控对象白色小球将归位到屏幕中间的初始位置,目标也随之消失,准备进行下一次运动想象的康复训练;
S4:每次康复训练4*(8~10)组,动作的次序是随机出现的。
在步骤S1和S2中,数据预处理,特征提取和分类所用算法是一致的,其流程为:ICA去伪迹(眼电信号和心电信号)→8~30Hz带通滤波→Alpha和Beta波段频带能量特征→小波变换特征提取→将特征进行SVM分类,具体如下:
①ICA去伪迹,包括眼电信号和心电信号
采用自然梯度的扩展的infomax算法,即设x为原始信号,W为解混阵,则y=Wx为分解出来的独立分量,得出各分量后,根据各分量的地形图判别眼电信号和心电信号,将属于眼电信号和心电信号的成分置零,再由x=W-1y反求头皮上去除了伪迹的原始信号;
②用8~30Hz带通滤波
大脑在执行运动想象时,大脑皮层的Alpha和Beta波会表现出明显的ERD/ERS现象,带通滤波8~30Hz频段范围内的脑电信号;
③提取Alpha和Beta波段频带能量特征
计算Alpha和Beta波段频带能量的计算公式为:
式中,x(n)表示想象前后-500ms~3000ms的脑电数据,N表示数据的长度;
④小波变换提取特征
对信号f(t)的分解用以下公式表示:
式中,L代表分解的层数,Dj是各尺度下的高频的细节分量,AL是低频近似分量;
⑤SVM分类
选用的SVM核函数为线性核函数:
K(xi,xj)=xi·xj (3)
式中,xi和xj指的是原始空间的样本特征。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明的目的就是提供基于脑-机接口的运动想象疗法的反馈装置,患者可以在训练过程当中得到自己大脑状态的反馈,也可以更好的反馈给临床医生,以及时调整运动想象状态,达到最佳的训练康复效果。
2、本发明的测量装置简单,即脑电系统,识别装置是基于简单的交互界面,容易扩展更多的反馈功能。
4、本发明提供了一种患者生理对外界反馈的装置,在运动治疗的同时,也使患者主动参与到治疗过程当中,提高了治疗效果。
附图说明
图1为本发明装置的结构框图。
图2为本发明依据随机出现的上下左右目标作出的相应动作。
图3为本发明反馈界面呈现的结果示意图。
图4为本发明的逻辑流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示,本实施例所述的基于脑-机接口的运动想象疗法装置,包括:视觉刺激屏、脑电采集系统、脑机接口模块、控制系统。
视觉刺激屏为计算机屏幕,该计算机放置在患者用于治疗的位置,患者通过注视视觉刺激屏上呈现的目标来做相应的手腕运动想象。如图2、图3所示,视觉刺激屏中反馈界面随机出现的四个目标分布在白色小球的正上下左右方位,将白色小球包围在正中心的位置。当目标出现在上、下方位时,分别做手掌心向下,以手腕为轴上翘(Extention)、下弯(Flexion);当目标出现在左右方位时,分别做手掌心向下,以手腕为轴左(RadialDeviation)、右(Ulnar Deviation)偏转20-30的角度;在所有的动作进行时,需保持大小臂保持不动,四种动作随机呈现,每次呈现一种。
脑电采集系统,包括电极帽、电极和脑电采集模块;其中电极帽和电极用32个处于国际10-20系统中的标准位置的通道信息,且为了实际训练的方便,使用了干电极,可以直接佩戴,无需注入导电胶;脑电采集模块用于采集脑电信号,并进行放大和模数转换处理。
脑机接口模块,用来对脑电信号进行预处理,提取特征和分类;通过对四种不同的运动想象的分类,将分类结果传给控制系统。如图4所示,用户在使用上述系统进行第一次康复训练前,需要先进行一组预实验,预实验和正式的康复训练过程的动作是一致的;预实验分四次进行,分别在四天的不同时间段进行;用户只需根据视觉刺激屏中的提示做出相应的动作想象即可,每次实验需要得到100个训练样本,其中每种动作分别25个;再利用这些样本数据经过预处理和特征提取后,训练出适合受试者的SVM分类器参数,并保存下来。
控制系统,用于控制指令的解析以及发送控制命令,具体是:根据脑机接口模块输出的四种不同的分类结果,相应解析成四种不同的控制指令传输给被控对象,用于控制被控对象的运动方向;其中,所述被控对象为视觉刺激屏上反馈界面呈现的白色小球,控制系统将指令解析的控制命令传输给视觉刺激屏的反馈界面,反馈界面收到指令触发白色小球分别向上下左右四个方向运动。
以下为本实施例上述基于脑-机接口的运动想象疗法装置的使用方法,包括以下步骤:
S1:用户在使用上述系统进行第一次康复训练前,需要先进行一组预实验,预实验和正式的康复训练过程的动作是一致的;预实验分四次进行,分别在四天的不同时间段进行;用户只需根据视觉刺激屏中的提示做出相应的动作想象即可,每次实验需要得到100个训练样本,其中每种动作分别25个;再利用这些样本数据经过预处理和特征提取后,训练出适合受试者的SVM分类器参数,并保存下来。
S2:接下来进行正式的康复训练,将该用户的分类器参数调整至之前保存的参数,用户注视视觉刺激屏,目标会随机出现在某个方位,并持续5s的时间,期间用户做出相应的动作想,5s过后想象停止;数据经过预处理和特征提取后,通过预先训练好的SVM分类器识别出动作结果;如果结果识别正确,将发送识别正确的指令到控制系统,控制系统对指令进行解析,并控制刺激屏中间的白色的小球向目标移动;若动作想象不到位或者没有进行想象而导致识别结果的错误,控制系统将收不到计算机发来的指令,也就不会有小球的运动。
S3:识别结果出来后,不论有无正确识别,都将系统进行初始化,系统初始化后,被控对象白色小球将归位到屏幕中间的初始位置,目标也随之消失,准备进行下一次运动想象的康复训练。
S4:每次训练4*10组,每个动作进行10组,动作的次序是随机出现的。
在步骤S1和S2中,数据预处理,特征提取和分类所用算法是一致的,其流程为:ICA去伪迹(眼电信号和心电信号)→8~30Hz带通滤波→提取Alpha和Beta波段频带能量特征→小波变换特征提取→将特征进行SVM分类,具体如下:
①ICA去伪迹(眼电信号和心电信号)
采用了自然梯度的扩展的infomax算法,即设x为原始信号,W为解混阵,则y=Wx为分解出来的独立分量,得出各分量后,根据各分量的地形图判别眼电信号和心电信号,将属于眼电信号和心电信号的成分置零,再由x=W-1y可以反求头皮上去除了伪迹的原始信号。
②用8~30Hz带通滤波
大脑在执行运动想象时,大脑皮层的Alpha和Beta波会表现出明显的ERD/ERS现象,带通滤波8~30Hz频段范围内的脑电信号。
③提取Alpha和Beta波段频带能量特征
计算Alpha和Beta波段频带能量的计算公式为:
式中,x(n)表示想象前后-500ms~3000ms的脑电数据,N表示数据的长度。
④小波变换提取特征
对信号f(t)的分解可以用以下公式表示:
式中,L代表分解的层数,Dj是各尺度下的高频的细节分量,AL是低频近似分量。研究表明,小波近似分量在EEG分类问题中有很好的表现,采用Symlet小波系中sym4小波基函数将EEG信号进行小波4层分SS解。
⑤SVM分类
选用的SVM核函数为线性核函数:
K(xi,xj)=xi·xj (3)
其中,xi和xj指的是原始空间的样本特征。
综上所述,本发明将脑-机接口技术运用于运动想象疗法,可以帮助偏瘫患者更好地提高运动技能和情绪控制能力,促使受损运动传导路的修复或者重建,有效地促进正常运动反射弧的形成,同时,本发明可以帮助医护人员直观地观察患者是否在进行有效的运动想象治疗,同时提高了患者的主动性,从而提高了临床运动想象疗法的治疗效果,可供广大偏瘫患者使用。总之,将本来存在于脑际的运动想象活动直观地通过脑机接口显现出来,作为临床康复训练的一种辅助手段,有效提高了运动想象治疗的临床疗效以及患者的主动性,值得推广。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围。
Claims (4)
1.一种基于脑-机接口的运动想象疗法装置,其特征在于,包括:
视觉刺激屏,放置在患者用于康复训练的位置,患者通过注视视觉刺激屏上反馈界面呈现的目标来做相应的手腕运动想象;
脑电采集系统,包括电极帽、电极和脑电采集模块;其中,所述电极帽和电极用32个处于国际10-20系统中的标准位置的通道信息,所述脑电采集模块用于采集脑电信号,并进行放大和模数转换处理;
脑机接口模块,用来对脑电信号进行预处理,提取特征和分类;通过对四种不同的运动想象的分类,将分类结果传给控制系统;
控制系统,用于控制指令的解析以及发送控制命令,具体是:根据脑机接口模块输出的四种不同的分类结果,相应解析成四种不同的控制指令传输给被控对象,用于控制被控对象的运动方向;其中,所述被控对象为视觉刺激屏上反馈界面呈现的白色小球,控制系统将指令解析的控制命令传输给视觉刺激屏的反馈界面,反馈界面收到指令触发白色小球分别向上下左右四个方向运动。
2.根据权利要求1所述的一种基于脑-机接口的运动想象疗法装置,其特征在于:所述视觉刺激屏上反馈界面随机出现的四个目标分布在白色小球的正上下左右方位,将白色小球包围在正中心的位置;当目标出现在上、下方位时,分别做手掌心向下,以手腕为轴上翘、下弯;当目标出现在左右方位时,分别做手掌心向下,以手腕为轴左、右偏转20~30的角度;在所有的动作进行时,需保持大小臂保持不动,四种动作随机呈现,每次呈现一种。
3.一种权利要求1所述的基于脑-机接口的运动想象疗法装置的使用方法,其特征在于,包括以下步骤:
S1:用户在进行第一次康复训练前,需要先进行一组预实验,预实验和正式的康复训练过程的动作是一致的;预实验分多次进行,分别在每天的不同时间段进行;用户只需根据视觉刺激屏中的提示做出相应的动作想象即可,确保多次预实验下来每种动作有100~200个的样本数量;再利用这些样本数据经过预处理和特征提取后,训练出适合受试者的SVM分类器参数,并保存下来;
S2:接下来进行正式的康复训练,将该用户的分类器参数调整至之前保存的参数,用户注视视觉刺激屏,目标会随机出现在某个方位,并持续设定的时间,期间用户做出相应的动作想象,过后想象停止;数据经过预处理和特征提取后,通过预先训练好的SVM分类器识别出动作结果;如果结果识别正确,将发送识别正确的指令到控制系统,控制系统对指令进行解析,并控制刺激屏中间的白色的小球向目标移动;若动作想象不到位或者没有进行想象而导致识别结果的错误,控制系统将收不到计算机发来的指令,也就不会有小球的运动;
S3:识别结果出来后,不论有无正确识别,都将系统进行初始化,系统初始化后,被控对象白色小球将归位到屏幕中间的初始位置,目标也随之消失,准备进行下一次运动想象的康复训练;
S4:每次康复训练4*(8~10)组,动作的次序是随机出现的。
4.根据权利要求3所述的一种基于脑-机接口的运动想象疗法装置的使用方法,其特征在于:在步骤S1、S2中,数据预处理,特征提取和分类所用算法是一致的,其流程为:ICA去伪迹→8~30Hz带通滤波→Alpha和Beta波段频带能量特征→小波变换特征提取→将特征进行SVM分类,具体如下:
①ICA去伪迹,包括眼电信号和心电信号
采用自然梯度的扩展的infomax算法,即设x为原始信号,W为解混阵,则y=Wx为分解出来的独立分量,得出各分量后,根据各分量的地形图判别眼电信号和心电信号,将属于眼电信号和心电信号的成分置零,再由x=W-1y反求头皮上去除了伪迹的原始信号;
②用8~30Hz带通滤波
大脑在执行运动想象时,大脑皮层的Alpha和Beta波会表现出明显的ERD/ERS现象,带通滤波8~30Hz频段范围内的脑电信号;
③提取Alpha和Beta波段频带能量特征
计算Alpha和Beta波段频带能量的计算公式为:
<mrow>
<mi>B</mi>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mi>x</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,x(n)表示想象前后-500ms~3000ms的脑电数据,N表示数据的长度;
④小波变换提取特征
对信号f(t)的分解用以下公式表示:
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>A</mi>
<mi>L</mi>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msub>
<mi>D</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,L代表分解的层数,Dj是各尺度下的高频的细节分量,AL是低频近似分量;
⑤SVM分类
选用的SVM核函数为线性核函数:
K(xi,xj)=xi·xj (3)
式中,xi和xj指的是原始空间的样本特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710535363.9A CN107358041A (zh) | 2017-07-03 | 2017-07-03 | 一种基于脑‑机接口的运动想象疗法装置及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710535363.9A CN107358041A (zh) | 2017-07-03 | 2017-07-03 | 一种基于脑‑机接口的运动想象疗法装置及其使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358041A true CN107358041A (zh) | 2017-11-17 |
Family
ID=60292050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710535363.9A Pending CN107358041A (zh) | 2017-07-03 | 2017-07-03 | 一种基于脑‑机接口的运动想象疗法装置及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358041A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108245763A (zh) * | 2017-12-28 | 2018-07-06 | 中国科学院宁波材料技术与工程研究所 | 脑机交互康复训练系统和方法 |
CN108304068A (zh) * | 2018-01-30 | 2018-07-20 | 山东建筑大学 | 一种基于脑机接口的上肢康复训练机器人控制系统及方法 |
CN109011098A (zh) * | 2018-08-01 | 2018-12-18 | 龚映清 | 一种主动意图视觉与动觉反馈训练系统及其操作方法 |
CN109077895A (zh) * | 2018-08-01 | 2018-12-25 | 龚映清 | 一种多反馈模态的主动加强式训练系统及其操作方法 |
CN109508094A (zh) * | 2018-12-11 | 2019-03-22 | 西安交通大学 | 一种结合异步眼动开关的视觉诱发脑机接口方法 |
CN109730648A (zh) * | 2019-02-14 | 2019-05-10 | 深兰科技(上海)有限公司 | 一种动作执行方法及装置 |
CN110136800A (zh) * | 2019-05-08 | 2019-08-16 | 博睿康科技(常州)股份有限公司 | 一种结合经颅电流刺激的主动康复训练系统 |
CN110916652A (zh) * | 2019-10-21 | 2020-03-27 | 昆明理工大学 | 用于基于运动想象的脑电控制机器人移动的数据采集装置、方法及其应用 |
CN110993056A (zh) * | 2019-10-29 | 2020-04-10 | 浙江迈联医疗科技有限公司 | 基于镜像神经元和脑机接口的混合式主动康复方法、装置 |
CN111760194A (zh) * | 2020-07-06 | 2020-10-13 | 杭州诺为医疗技术有限公司 | 一种智能闭环神经调控系统和方法 |
CN113499524A (zh) * | 2021-07-23 | 2021-10-15 | 华南理工大学 | 一种利用运动想象脑电图检测的辅助康复训练系统 |
CN113869084A (zh) * | 2020-06-30 | 2021-12-31 | 北京清华长庚医院 | 脑电信号处理方法、脑机接口设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106362287A (zh) * | 2016-10-24 | 2017-02-01 | 天津大学 | 一种新型mi‑sssep混合脑‑机接口方法及系统 |
CN106621287A (zh) * | 2017-02-07 | 2017-05-10 | 西安交通大学 | 一种基于脑机接口与虚拟现实技术的上肢康复训练方法 |
-
2017
- 2017-07-03 CN CN201710535363.9A patent/CN107358041A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106362287A (zh) * | 2016-10-24 | 2017-02-01 | 天津大学 | 一种新型mi‑sssep混合脑‑机接口方法及系统 |
CN106621287A (zh) * | 2017-02-07 | 2017-05-10 | 西安交通大学 | 一种基于脑机接口与虚拟现实技术的上肢康复训练方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108245763A (zh) * | 2017-12-28 | 2018-07-06 | 中国科学院宁波材料技术与工程研究所 | 脑机交互康复训练系统和方法 |
CN108245763B (zh) * | 2017-12-28 | 2021-01-05 | 中国科学院宁波材料技术与工程研究所 | 脑机交互康复训练系统和方法 |
CN108304068A (zh) * | 2018-01-30 | 2018-07-20 | 山东建筑大学 | 一种基于脑机接口的上肢康复训练机器人控制系统及方法 |
CN109011098A (zh) * | 2018-08-01 | 2018-12-18 | 龚映清 | 一种主动意图视觉与动觉反馈训练系统及其操作方法 |
CN109077895A (zh) * | 2018-08-01 | 2018-12-25 | 龚映清 | 一种多反馈模态的主动加强式训练系统及其操作方法 |
CN109508094B (zh) * | 2018-12-11 | 2020-03-31 | 西安交通大学 | 一种结合异步眼动开关的视觉诱发脑机接口方法 |
CN109508094A (zh) * | 2018-12-11 | 2019-03-22 | 西安交通大学 | 一种结合异步眼动开关的视觉诱发脑机接口方法 |
CN109730648A (zh) * | 2019-02-14 | 2019-05-10 | 深兰科技(上海)有限公司 | 一种动作执行方法及装置 |
CN110136800A (zh) * | 2019-05-08 | 2019-08-16 | 博睿康科技(常州)股份有限公司 | 一种结合经颅电流刺激的主动康复训练系统 |
CN110916652A (zh) * | 2019-10-21 | 2020-03-27 | 昆明理工大学 | 用于基于运动想象的脑电控制机器人移动的数据采集装置、方法及其应用 |
CN110993056A (zh) * | 2019-10-29 | 2020-04-10 | 浙江迈联医疗科技有限公司 | 基于镜像神经元和脑机接口的混合式主动康复方法、装置 |
CN113869084A (zh) * | 2020-06-30 | 2021-12-31 | 北京清华长庚医院 | 脑电信号处理方法、脑机接口设备及存储介质 |
CN113869084B (zh) * | 2020-06-30 | 2022-09-16 | 北京清华长庚医院 | 脑电信号处理方法、脑机接口设备及存储介质 |
CN111760194A (zh) * | 2020-07-06 | 2020-10-13 | 杭州诺为医疗技术有限公司 | 一种智能闭环神经调控系统和方法 |
CN113499524A (zh) * | 2021-07-23 | 2021-10-15 | 华南理工大学 | 一种利用运动想象脑电图检测的辅助康复训练系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358041A (zh) | 一种基于脑‑机接口的运动想象疗法装置及其使用方法 | |
Ren et al. | Enhanced motor imagery based brain-computer interface via FES and VR for lower limbs | |
CN110765920B (zh) | 基于卷积神经网络的运动想象分类方法 | |
CN109925582B (zh) | 双模态脑-机交互式运动神经反馈训练装置和方法 | |
Brunner et al. | Improved signal processing approaches in an offline simulation of a hybrid brain–computer interface | |
Neuper et al. | Motor imagery and EEG-based control of spelling devices and neuroprostheses | |
Machado et al. | EEG-based brain-computer interfaces: an overview of basic concepts and clinical applications in neurorehabilitation | |
Wang et al. | Neural interface technology for rehabilitation: exploiting and promoting neuroplasticity | |
CN113398422B (zh) | 基于运动想象-脑机接口和虚拟现实的康复训练系统及方法 | |
CN104978035B (zh) | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 | |
Ferrante et al. | Data-efficient hand motor imagery decoding in EEG-BCI by using Morlet wavelets & common spatial pattern algorithms | |
Feng et al. | Decoding of voluntary and involuntary upper-limb motor imagery based on graph fourier transform and cross-frequency coupling coefficients | |
Tao et al. | Enhancement of motor imagery training efficiency by an online adaptive training paradigm integrated with error related potential | |
Alazrai et al. | A time-frequency distribution-based approach for decoding visually imagined objects using EEG signals | |
CN114173663A (zh) | 神经康复系统及神经康复方法 | |
Shiman et al. | Towards decoding of functional movements from the same limb using EEG | |
Zhang et al. | Decoding coordinated directions of bimanual movements from EEG signals | |
Combaz et al. | Error-related potential recorded by EEG in the context of a p300 mind speller brain-computer interface | |
Ganin et al. | P 300-based brain-computer interface: The effect of the stimulus position in a stimulus train | |
Fu et al. | Decoding of motor coordination imagery involving the lower limbs by the EEG-based brain network | |
Athanasiou et al. | Commercial BCI Control and functional brain networks in spinal cord injury: a proof-of-concept | |
Hramov et al. | A MEG Study of Different Motor Imagery Modes in Untrained Subjects for BCI Applications. | |
Yao et al. | Mechanical vibrotactile stimulation effect in motor imagery based brain-computer interface | |
Chen et al. | The use of a brain computer interface remote control to navigate a recreational device | |
CN112674783A (zh) | 长时程脑-肌电耦合的上肢运动功能训练与评测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |