CN108742614A - 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 - Google Patents
一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 Download PDFInfo
- Publication number
- CN108742614A CN108742614A CN201810595364.7A CN201810595364A CN108742614A CN 108742614 A CN108742614 A CN 108742614A CN 201810595364 A CN201810595364 A CN 201810595364A CN 108742614 A CN108742614 A CN 108742614A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- muscular fatigue
- characteristic
- surface myoelectric
- infrared spectrum
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4519—Muscles
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Physical Education & Sports Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,涉及人体运动功能检测与评定领域,采用等长静力收缩,制造肌肉疲劳;同步记录肌肉活动时的表面肌电、肌音和近红外光谱信号;从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动特性、血液动力学特性及血氧代谢五个方面量化建立相应的疲劳参数,分析评定肌肉疲劳机理。本发明通过无创的方式检测和分析肌肉疲劳;通过肌电肌音及近红外信号同时测量,获取更多可靠的肌肉疲劳的信息;可从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动、血液动力学及血氧代谢五个方面综合检测肌肉疲劳,加深对疲劳机理的认识。
Description
技术领域
本发明涉及人体运动功能检测与评定领域,尤其是一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法。
背景技术
肌肉疲劳是人体运动功能状态的一种体现,其定义是肌肉在反复工作的情况下导致做功能力下降。研究肌肉疲劳规律能够加深对疲劳机理的认识,推动人体运动功能评定和康复医疗水平的发展。然而,目前检测肌肉疲劳的技术手段极为有限,比如血液化验等有创伤的方式,而且对肌肉疲劳机理的认识还极为不足。肌肉疲劳同时受心理因素、工作环境的影响,但最根本的原因还是肌肉组织内氧代谢的变化,乳酸堆积,因此疲劳时肌肉具有酸痛感,身体机能下降。
作为无创的检测方式,表面肌电信号反映了肌肉收缩时的电活动,肌音信号体现了肌肉活动时肌纤维的低频机械振动,而近红外光谱可以检测肌肉的血液动力学特性和血氧代谢变化。生理学基础表明,肌肉疲劳时,伴随着肌纤维振动特性的改变,肌纤维的动作电位募集特性和电位的传导特性会发生相应的变化,同时肌肉的血液动力学特性和血氧代谢水平也会有一定转变。具体而言,肌肉疲劳在肌电信号上的表现是功率谱左移,中值频率(median frequency,MDF)降低,表征信号能量的均方根RMS增大。疲劳时肌肉的做功能力下降,引起肌纤维的低频振动加剧,可以从肌音信号中观测相应信息。由于肌肉疲劳与血氧代谢紧密相关,近红外光谱(NIRS)也是一种有力的疲劳检测技术。肌肉疲劳过程中,氧消耗增多,导致含氧血红蛋白浓度降低,脱氧血红蛋白浓度增加,氧饱和度下降,这些变化都可以由近红外信号解算得出。因此,表面肌电、肌音与近红外光谱技术结合能够获取更丰富的肌肉疲劳信息,加深对肌肉疲劳机理的认识。
因此,本领域的技术人员致力于开发一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动特性、血液动力学及血氧代谢五个方面,检测肌肉疲劳,加深对疲劳机理的认识。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是克服现有技术中检测肌肉疲劳的技术手段极为有限,克服血液化验等有创伤的方式的缺点,以及克服对肌肉疲劳机理的认识不足的问题。
为实现上述目的,本发明提供了一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,包括以下步骤:
步骤1、采用等长静力收缩,制造肌肉疲劳;
步骤2、记录肌肉活动时的表面肌电、肌音和近红外光谱信号;
步骤3、从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动特性、血液动力学特性及血氧代谢五个方面量化建立相应的疲劳参数,分析评定肌肉疲劳机理。
进一步地,所述等长静力收缩,采用力测量装置进行标定。
进一步地,所述制造肌肉疲劳是通过一定时间的等长静力收缩进行诱导实现的。
进一步地,所述表面肌电、肌音和近红外光谱信号需通过肌电、肌音及近红外混合式传感器同时测量。
进一步地,所述肌纤维动作电位募集特性和肌纤维低频振动特性,均通过肌电信号的均方根RMS进行量化,所述肌纤维动作电位募集特性和肌纤维低频振动特性对应的疲劳参数分别为RMS_emg和RMS_mmg,其计算公式如下:
式中x表示肌电信号,N为单位窗长下的肌电数据样本数。
进一步地,所述动作电位传导特性,通过肌电信号的中值频率MDF量化,所述动作电位传导特性对应的疲劳参数为MDF,其计算公式如下:
式中MDF为中值频率,P(f)为肌电信号的功率谱密度,fs为采样频率。
进一步地,所述血液动力学特性,通过近红外光谱的光强信号衡量,所述光强信号反映了血液体积BV的变化,所述血液动力学特性对应的疲劳参数为BV,其计算过程如下:
(1)计算近红外光谱的光强特征
式中x表示近红外信号,N为单位窗长下的近红外数据样本数;
(2)对所述光强特征进行归一化处理,得到XNIRS序列{XNIRS};
(3)对归一化后的光强特征序列进行翻转处理,计算公式如下:
BV=2-{XNIRS}
得到血液体积BV的变换趋势。
进一步地,所述血氧代谢,通过含氧血红蛋白浓度的变化进行衡量,所述血氧代谢对应的疲劳参数即为△HbO2,采用修正的朗伯-比尔定律进行计算。
进一步地,所述分析与评定疲劳机理,通过分析所述疲劳参数随着所述等长静力收缩时间的变化趋势实现。
进一步地,所述分析与评定疲劳机理,通过建立所述疲劳参数之间的相关关系,分析各疲劳参数之间的相关性。
与现有技术相比,本发明具有如下优点:
1、可以通过无创的方式检测和分析肌肉疲劳;
2、通过肌电肌音及近红外信号同时测量,获取更多可靠的肌肉疲劳的信息;
3、可从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动、血液动力学及血氧代谢五个方面综合检测肌肉疲劳,加深对疲劳机理的认识。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1为本发明一个较佳实施例采用的肌电肌音近红外混合式传感器示意图;
图2为本发明一个较佳实施例的肌肉疲劳诱导范式示意图;
图3为本发明一个较佳实施例的肌肉疲劳前后肌电功率谱及中值频率MDF的变化图;
图4为本发明一个较佳实施例的五个疲劳参数随肌肉疲劳的变化趋势图;
图5为本发明一个较佳实施例肌肉疲劳过程中肌电中值频率MDF与血液体积BV的相关性示意图。
其中,1-混合式传感器本体;2-肌电参考电极;3-肌电差分电极;4-近红外光源;5-近红外探测器;6-麦克风式肌音传感器。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
如图1所示,混合式传感器在受试者通过疲劳诱导实验时同步记录受试者肌肉持续收缩时的肌电、肌音和近红外信号。混合式传感器本体1内部集成了信号处理电路,具备放大滤波功能,传感器的采样频率设置为1000Hz;通过肌电参考电极2和肌电差分电极3采集肌电信号,滤波器带宽为20~450Hz,放大倍数是700倍;通过麦克风式肌音传感器6采集肌音信号,滤波器带宽为5~300Hz,放大倍数是300倍;通过近红外光源4和近红外探测器5采集近红外信号,近红外光源4发出的三种近红外光的波长分别是730nm、805nm和850nm。
实验范式如图2所示,首先用握力计测量受试者的最大等长收缩力,受试者静息10s以记录基线数据,然后通过80s的50%最大力持续握力动作诱导前臂肌肉的疲劳。实验过程中,肌电肌音近红外混合式传感器贴放在受试者前臂的指伸肌,解剖学显示该肌肉与握力动作密切相关。为了探究信号特征的变化是由收缩力的变化引起还是由疲劳造成,实验范式固定了收缩力,研究表明中等水平的收缩力连续收缩80s左右可以制造相应肌肉的短期疲劳。肌电、肌音与近红外信号的联合分析,可从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动特性、血液动力学特性及血氧代谢五个方面分析评定肌肉疲劳机理。
肌纤维动作电位募集特性,通过肌电信号的均方根RMS量化,计算公式如下,
式中x表示肌电信号,N为单位窗长下的肌电数据样本数。
动作电位传导特性,通过肌电信号的中值频率MDF量化,计算公式如下,
式中MDF为中值频率,P(f)为肌电信号的功率谱密度,fs为采样频率。
肌纤维低频振动特性,与肌纤维动作电位募集特性计算方法相同。
血液动力学特性,通过近红外光谱的光强信号衡量,光强信号反映了血液体积BV的变化,计算过程如下:
(1)计算近红外光谱的光强特征
式中x表示近红外信号,N为单位窗长下的近红外数据样本数;
(2)对以上光强特征进行归一化处理,得到XNIRS序列{XNIRS};
(3)对归一化后的光强特征序列进行翻转处理,得到血液体积BV的变换趋势,计算公式如下:
BV=2-{XNIRS}
血氧代谢,通过含氧血红蛋白浓度的变化(△HbO2)衡量,采用修正的朗伯-比尔定律进行计算。
定义联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法的五个疲劳参数为RMS_emg,MDF,RMS_mmg,BV及△HbO2。
如图3所示,肌肉疲劳后肌电信号的功率谱会左移,中值频率MDF变小。如图4所示,通过观测五个疲劳参数随着等长静力收缩时间的变化趋势,进而分析与评定疲劳机理。RMS_emg在肌肉疲劳过程中呈增大趋势,这是因为肌肉疲劳时,为了维持收缩力会有更多的肌纤维运动单元被募集,使得信号的能量增大。肌电MDF在肌肉疲劳过程中呈降低趋势,生理学基础表明,肌肉疲劳伴随着乳酸堆积,pH值降低,导致动作电位传导至皮肤表面的速度降低,所以肌电功率谱的低频成分增加,高频成分降低,功率谱左移,中值频率MDF降低。由于疲劳时肌肉做功能力下降,为了保持恒定的力输出,肌纤维的低频振动加剧,因此由肌音信号观测到的RMS_mmg在疲劳过程中呈增大趋势。血液容量BV随着疲劳呈现两阶段升高趋势,这可能是因为收缩保持过程中,肌肉内的压力导致血液循环受阻(静脉阻断或者动脉阻断),血液含量先快速增加,血量将近饱和后再慢速增大或基本不变。疲劳过程中,△HbO2也存在两阶段变化,这意味着肌肉收缩前期,肌肉内的有氧代谢消耗了氧,所以HbO2浓度迅速下降;由于供氧不足,肌肉的有氧代谢转变为无氧代谢,HbO2浓度基本不变。
此外,可以通过建立疲劳参数间的相关关系,分析各疲劳参数之间的相关性,进一步分析与评定疲劳机理。如图5所示,肌电MDF和血液体积BV存在较强的相关性(R2=0.9432),这是由于无氧代谢促进了乳酸等代谢物的产生,而血流受限导致了乳酸堆积,pH降低,肌肉产生酸痛等疲劳感。该现象进一步印证了疲劳过程中MDF下降的原因,即肌肉内的无氧呼吸与血流受限产生的代谢物限制了动作电位的传导速度。
本发明所提供的肌肉疲劳检测方案,可以通过无创的方式检测和分析肌肉疲劳;通过肌电肌音及近红外信号同时测量,获取更多可靠的肌肉疲劳的信息;从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动、血液动力学及血氧代谢五个方面综合检测肌肉疲劳,加深对疲劳机理的认识。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,包括以下步骤:
步骤1、采用等长静力收缩,制造肌肉疲劳;
步骤2、记录肌肉活动时的表面肌电、肌音和近红外光谱信号;
步骤3、从肌纤维动作电位募集特性、动作电位传导特性、肌纤维低频振动特性、血液动力学特性及血氧代谢五个方面量化建立相应的疲劳参数,分析评定肌肉疲劳机理。
2.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述等长静力收缩,采用力测量装置进行标定。
3.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述制造肌肉疲劳是通过一定时间的等长静力收缩进行诱导实现的。
4.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述表面肌电、肌音和近红外光谱信号需通过肌电、肌音及近红外混合式传感器同时测量。
5.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述肌纤维动作电位募集特性和肌纤维低频振动特性,均通过肌电信号的均方根RMS进行量化,所述肌纤维动作电位募集特性和肌纤维低频振动特性对应的疲劳参数分别为RMS_emg和RMS_mmg,其计算公式如下:
式中x表示肌电信号,N为单位窗长下的肌电数据样本数。
6.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述动作电位传导特性,通过肌电信号的中值频率MDF量化,所述动作电位传导特性对应的疲劳参数为MDF,其计算公式如下:
式中MDF为中值频率,P(f)为肌电信号的功率谱密度,fs为采样频率。
7.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述血液动力学特性,通过近红外光谱的光强信号衡量,所述光强信号反映了血液体积BV的变化,所述血液动力学特性对应的疲劳参数为BV,其计算过程如下:
(1)计算近红外光谱的光强特征
式中x表示近红外信号,N为单位窗长下的近红外数据样本数;
(2)对所述光强特征进行归一化处理,得到XNIRS序列{XNIRS};
(3)对归一化后的光强特征序列进行翻转处理,计算公式如下:
BV=2-{XNIRS}
得到血液体积BV的变换趋势。
8.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述血氧代谢,通过含氧血红蛋白浓度的变化进行衡量,所述血氧代谢对应的疲劳参数即为△HbO2,采用修正的朗伯-比尔定律进行计算。
9.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述分析与评定疲劳机理,通过分析所述疲劳参数随着所述等长静力收缩时间的变化趋势实现。
10.如权利要求1所述的联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法,其特征在于,所述分析与评定疲劳机理,通过建立所述疲劳参数之间的相关关系,分析各疲劳参数之间的相关性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810595364.7A CN108742614B (zh) | 2018-06-11 | 2018-06-11 | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810595364.7A CN108742614B (zh) | 2018-06-11 | 2018-06-11 | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108742614A true CN108742614A (zh) | 2018-11-06 |
CN108742614B CN108742614B (zh) | 2021-03-30 |
Family
ID=64020878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810595364.7A Active CN108742614B (zh) | 2018-06-11 | 2018-06-11 | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108742614B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109077725A (zh) * | 2018-08-09 | 2018-12-25 | 江汉大学 | 一种肌肉疲劳度检测装置 |
CN109550146A (zh) * | 2018-11-16 | 2019-04-02 | 上海交通大学 | 一种基于电刺激与肌肉信息检测的疲劳缓解装置 |
CN111449641A (zh) * | 2020-04-20 | 2020-07-28 | 浙江大学 | 一种基于光电信号检测的肌肉功能状态的评估装置和评估方法 |
CN114366589A (zh) * | 2022-01-21 | 2022-04-19 | 珠海格力电器股份有限公司 | 按摩设备的控制方法、控制装置、存储介质及电子装置 |
WO2022193073A1 (zh) * | 2021-03-15 | 2022-09-22 | 中国科学院深圳先进技术研究院 | 一种病灶检测系统和方法 |
CN116058806A (zh) * | 2023-04-07 | 2023-05-05 | 四川康源医创科技有限公司 | 一种基于肌音音频信号分析的肌松监测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103054575A (zh) * | 2013-01-15 | 2013-04-24 | 中国医学科学院生物医学工程研究所 | 基于电刺激作用后静态肌电研究肌疲劳的方法 |
CN104337666A (zh) * | 2014-11-05 | 2015-02-11 | 中山大学 | 多肌肉协同肌电反馈康复训练系统和方法 |
CN105147251A (zh) * | 2015-08-19 | 2015-12-16 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
CN107198508A (zh) * | 2016-08-26 | 2017-09-26 | 常州市钱璟康复股份有限公司 | 康复度排序方法及复合式交互训练系统 |
CN107536617A (zh) * | 2016-06-27 | 2018-01-05 | 现代自动车株式会社 | 基于驾驶员的生物识别信号检测驾驶员状态的装置和方法 |
-
2018
- 2018-06-11 CN CN201810595364.7A patent/CN108742614B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103054575A (zh) * | 2013-01-15 | 2013-04-24 | 中国医学科学院生物医学工程研究所 | 基于电刺激作用后静态肌电研究肌疲劳的方法 |
CN104337666A (zh) * | 2014-11-05 | 2015-02-11 | 中山大学 | 多肌肉协同肌电反馈康复训练系统和方法 |
CN105147251A (zh) * | 2015-08-19 | 2015-12-16 | 宁波工程学院 | 基于多通道sEMG的肌肉疲劳动态预测方法 |
CN107536617A (zh) * | 2016-06-27 | 2018-01-05 | 现代自动车株式会社 | 基于驾驶员的生物识别信号检测驾驶员状态的装置和方法 |
CN107198508A (zh) * | 2016-08-26 | 2017-09-26 | 常州市钱璟康复股份有限公司 | 康复度排序方法及复合式交互训练系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109077725A (zh) * | 2018-08-09 | 2018-12-25 | 江汉大学 | 一种肌肉疲劳度检测装置 |
CN109077725B (zh) * | 2018-08-09 | 2021-03-09 | 江汉大学 | 一种肌肉疲劳度检测装置 |
CN109550146A (zh) * | 2018-11-16 | 2019-04-02 | 上海交通大学 | 一种基于电刺激与肌肉信息检测的疲劳缓解装置 |
CN111449641A (zh) * | 2020-04-20 | 2020-07-28 | 浙江大学 | 一种基于光电信号检测的肌肉功能状态的评估装置和评估方法 |
CN111449641B (zh) * | 2020-04-20 | 2021-07-20 | 浙江大学 | 一种基于光电信号检测的肌肉功能状态的评估装置和评估方法 |
WO2022193073A1 (zh) * | 2021-03-15 | 2022-09-22 | 中国科学院深圳先进技术研究院 | 一种病灶检测系统和方法 |
CN114366589A (zh) * | 2022-01-21 | 2022-04-19 | 珠海格力电器股份有限公司 | 按摩设备的控制方法、控制装置、存储介质及电子装置 |
CN116058806A (zh) * | 2023-04-07 | 2023-05-05 | 四川康源医创科技有限公司 | 一种基于肌音音频信号分析的肌松监测方法及装置 |
CN116058806B (zh) * | 2023-04-07 | 2023-07-04 | 四川康源医创科技有限公司 | 一种基于肌音音频信号分析的肌松监测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108742614B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108742614A (zh) | 一种联合表面肌电肌音与近红外光谱的肌肉疲劳检测方法 | |
US20190295729A1 (en) | Universal non-invasive blood glucose estimation method based on time series analysis | |
WO2017016086A1 (zh) | 基于生理信息的抑郁症评估系统及其评估方法 | |
CN103919548B (zh) | 一种吞咽肌障碍的检测装置及设备 | |
Ashok et al. | Determination of blood glucose concentration by using wavelet transform and neural networks | |
CN114224296B (zh) | 基于可穿戴式传感装置的帕金森运动症状量化评估系统 | |
Scano et al. | Sustained fatigue assessment during isometric exercises with time-domain near infrared spectroscopy and surface electromyography signals | |
Sun et al. | Application of surface electromyography in exercise fatigue: a review | |
Naeem et al. | Mechanomyography-based muscle fatigue detection during electrically elicited cycling in patients with spinal cord injury | |
JP2016063995A (ja) | 筋組織系及び神経系の活動量及び活動効率の評価システム及び評価方法並びにそのプログラム | |
JP2012500663A5 (zh) | ||
WO2023123864A1 (zh) | 基于肌电信号与肌肉血氧饱和度确定肌肉状态的装置 | |
Prinable et al. | Using a recurrent neural network to derive tidal volume from a photoplethsmograph | |
Sonmezocak et al. | Machine learning and regression analysis for diagnosis of bruxism by using EMG signals of jaw muscles | |
Sonmezocak et al. | Detection of EMG signals by neural networks using autoregression and wavelet entropy for bruxism diagnosis | |
Tiwari et al. | Stress and anxiety measurement" in-the-wild" using quality-aware multi-scale hrv features | |
CN110522459B (zh) | 基于红外光谱检测肌氧含量评估外骨骼助力效果测试方法 | |
Choi et al. | Physiological sensing and feature extraction for emotion recognition by exploiting acupuncture spots | |
Singh et al. | Strategies to identify changes in SEMG due to muscle fatigue during cycling | |
Chung et al. | Exploring the conventional pulse conditions using bi-sensing pulse diagnosis instrument | |
Antunes et al. | A morphology-based feature set for automated Amyotrophic Lateral Sclerosis diagnosis on surface electromyography | |
Rachakonda et al. | Stress-Lysis: An IoMT-enabled device for automatic stress level detection from physical activities | |
Şayli et al. | Correlation analysis between surface electromyography and continuous-wave near-infrared spectroscopy parameters during isometric exercise to volitional fatigue | |
CN203208022U (zh) | 一种脑电仪 | |
Yang et al. | Design of the human surface electromyogra signal acquisition system and signal analysis |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |