CN109085918A - 基于肌电的针灸行针手法训练方法 - Google Patents
基于肌电的针灸行针手法训练方法 Download PDFInfo
- Publication number
- CN109085918A CN109085918A CN201810686672.0A CN201810686672A CN109085918A CN 109085918 A CN109085918 A CN 109085918A CN 201810686672 A CN201810686672 A CN 201810686672A CN 109085918 A CN109085918 A CN 109085918A
- Authority
- CN
- China
- Prior art keywords
- layer
- myoelectricity
- training
- data
- input
- 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
- 238000012549 training Methods 0.000 title claims abstract description 37
- 238000001467 acupuncture Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000003062 neural network model Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 230000004913 activation Effects 0.000 claims description 16
- 230000003183 myoelectrical effect Effects 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 9
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 3
- 230000007257 malfunction Effects 0.000 claims description 3
- 210000003205 muscle Anatomy 0.000 claims description 3
- 230000009471 action Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 22
- 238000013135 deep learning Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Neurosurgery (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Medicinal Chemistry (AREA)
- Algebra (AREA)
- Neurology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Dermatology (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Educational Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (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肌电的针灸行针手法训练方法，以解决当前针灸的行针手法训练时不能确保每次动作规范的问题，并可实现便携式训练，训练者可以随时进行规范训练。包括以下步骤：(1)获取数据；(2)数据处理；(3)建立神经网络模型；(4)进行模型修正，增加对于针灸行针手法中不同手法识别的准确率。本训练方法的提出不仅训练方便，设备易于携带，而且大幅度提升训练的有效性，节约时间，得到良好的训练效果。
Description
技术领域
本发明涉及深度学习与肌电医疗训练相结合的领域，具体的说涉及一种基于肌电的针灸行针手法训练，针对中医学习针灸的行针手法给出训练者的手法的正确性。
背景技术
深度学习深度学习的概念由Hinton等人于2006年提出。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。本发明使用的是深度学习中修正的MLP多层感知机版的DenseNet模型。
基于肌电的手势识别现在国外有myo设备，myo设备通过8块电极的数据进行手势识别，但是只能识别一些特定的手势，并不能识别针灸的行针手法。本发明使用肌电传感器作为数据采集器，通过深度学习模型，训练和识别针灸的行针手法。
当今的针灸行针手法的训练，一般均为老师现场指导和视频教学后自主练习为主。但是师资紧张，不能保证老师对每名学生的每次动作都做到观察监督。学生并不能知道自己每次动作是否正确。针对该现况，我们研制本产品，用于自主判断，训练者每次行针的手法的正确性，提高训练的效果。现有行针手法如表1所示。
表1行针手法列表
发明内容
本发明的目的是为了克服现有技术中的不足，提供一种基于肌电的针灸行针手法训练方法，以解决当前针灸的行针手法训练时不能确保每次动作规范的问题，并可实现便携式训练，训练者可以随时进行规范训练。
本发明的目的是通过以下技术方案实现的：
基于肌电的针灸行针手法训练方法，包括以下步骤：
(1)获取数据
a.将四个肌电传感器设备戴在手臂，每个传感器可获得一个维度的数据，四个传感器获得四维肌电数据，通过四维肌电数据衡量肌肉群的肌电变化；
b.训练者做握拳动作，通过蓝牙将四维肌电数据传输给电脑；
c.对所有针灸行针手法依次做规范动作和错误动作，通过蓝牙将四维肌电数据传输给电脑；
(2)数据处理
a.每种动作保留至少5000条数据，并设置标志位；
b.依次调整四维肌电数据的维度位置，调整4次以上，以消除佩戴肌电传感器设备时不同角度的影响。
(3)建立神经网络模型
a.选取RELU线性整流函数作为激活函数；
b.选取32维4层的神经网络；
c.将四维数据作为输入，输入第一层；
d.将第一层的结果作为输入对第一层神经网络做激活；
e.将第一层的激活结果作为输入，输入第二层；
f.将第一、二层的结果整合作为输入对第二层神经网络做激活；
g.将第二层的激活结果作为输入，输入第三层；
h.将第一、二、三层的结果整合作为输入对第三层神经网络做激活；
i.将第三层的激活结果作为输入，输入第四层；
j.将第一、二、三、四层的结果整合作为输入对第四层神经网络做激活，激活函数使用softmax函数，并限定训练向量的模长，使得训练向量的方向成为训练主特征；
(4)通过以下步骤进行模型修正，增加对于针灸行针手法中不同手法识别的准确率：
a.使用中心损失函数和softmax函数进行联合监督；
b.使用adam函数作为优化函数；
c.使用categorical_crossentropy函数作为损失函数；
d.联合损失函数＝softmax函数+λ*中心损失函数，其中λ为参数。
与现有技术相比，本发明的技术方案所带来的有益效果是：
1.经过修正的MLP多层感知机版的DenseNet模型可以精准的识别出针灸行针手法的正确性。
2.现有的成果中尚未提出对针灸行针手法的训练算法，本算法的提出是开创性的。
3.相比现在人工教学或视频教学学习针灸的行针手法，本训练方法的提出不仅训练方便，设备易于携带，而且大幅度提升训练的有效性，节约时间，得到良好的训练效果
附图说明
图1表示神经网络的模型架构示意图。
图2表示肌电传感器的数据传输情况示意图。
具体实施方式
下面结合附图对本发明作进一步的描述。
基于肌电的针灸行针手法训练方法，包括以下步骤：
(1)获取数据，见图2
a.训练者将4块连有ardiuno开发板的sichiray牌myoware肌电传感器戴在小臂肘关节；训练者使用电脑通过蓝牙和ardiuno开发板配对连接，以保障电脑可以接收到肌电数据。
每个肌电传感器可获得一个维度的数据，四个肌电传感器中每个电极传输的数据是一个维度，但是每个电极的位置每次都会变化，所以每个电极的数据只表示当时和该电极接触的肌肉的肌电变化，通过四个维度综合分析识别当前动作。
b.训练者做握拳动作，通过蓝牙将四维肌电数据传输给电脑；
c.对所有针灸行针手法依次做规范动作和错误动作，通过蓝牙将四维肌电数据传输给电脑；
(2)数据处理
a.每种动作保留至少5000条数据，并设置标志位数据样例见表1；
b.依次调整四维数据的维度位置，调整4次以上，以消除佩戴肌电传感器设备时不同角度的影响。
表1
| 1号电极 | 2号电极 | 3号电极 | 4号电极 | 标志位 |
| 0.0562 | 0.0024 | 0.0049 | 0.0391 | 0 |
| 0.0562 | 0.0024 | 0.0049 | 0.0342 | 0 |
| 0.083 | 0.2148 | 0.0024 | 0.0952 | 1 |
| 0.0757 | 0.2051 | 0.0024 | 0.0952 | 1 |
| 0.0464 | 0.0244 | 0.0024 | 0.0415 | 2 |
| 0.061 | 0.0195 | 0.0024 | 0.0488 | 2 |
(3)建立神经网络模型，见图1
a.选取RELU线性整流函数作为激活函数；
b.选取32维4层的神经网络；
c.将四维数据作为输入，输入第一层；
d.将第一层的结果作为输入对第一层神经网络做激活；
e.将第一层的激活结果作为输入，输入第二层；
f.将第一、二层的结果整合作为输入对第二层神经网络做激活；
g.将第二层的激活结果作为输入，输入第三层；
h.将第一、二、三层的结果整合作为输入对第三层神经网络做激活；
i.将第三层的激活结果作为输入，输入第四层；
j.将第一、二、三、四层的结果整合作为输入对第四层神经网络做激活，激活函数使用softmax函数，并限定训练向量的模长，使得训练向量的方向成为训练主特征；
(4)通过以下步骤进行模型修正，从而增加对于针灸行针手法中不同手法识别的准确率：
a.使用中心损失函数和softmax函数进行联合监督；
b.使用adam函数作为优化函数；
c.使用categorical_crossentropy函数作为损失函数。
d.联合损失函数＝softmax函数+λ*中心损失函数，其中λ为参数。
(5)将数据集输入神经网络模型，模型会自动完成训练，将训练完成的模型导入手机。
(6)训练者使用手机通过蓝牙和ardiuno开发板配对连接，以保障手机可以接收到肌电数据。
(7)训练者做针灸行针手法的动作，手机自动判断该动作是否正确。
通过以上步骤最终得到实验结果样例如下表2：
表2
| λ值 | 识别准确率 |
| 0.005 | 93.76％ |
| 0.004 | 78.83％ |
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。
Claims (2)
1.基于肌电的针灸行针手法训练方法，其特征在于，包括以下步骤：
(1)获取数据
a.将四个肌电传感器设备戴在手臂，每个传感器可获得一个维度的数据，四个传感器获得四维肌电数据，通过四维肌电数据衡量肌肉群的肌电变化；
b.训练者做握拳动作，通过蓝牙将四维肌电数据传输给电脑；
c.对所有针灸行针手法依次做规范动作和错误动作，通过蓝牙将四维肌电数据传输给电脑；
(2)数据处理
a.每种动作保留至少5000条数据，并设置标志位；
b.依次调整四维肌电数据的维度位置，调整4次以上，以消除佩戴肌电传感器设备时不同角度的影响。
(3)建立神经网络模型
a.选取激活函数；
b.选取32维4层的神经网络；
c.将四维数据作为输入，输入第一层；
d.将第一层的结果作为输入对第一层神经网络做激活；
e.将第一层的激活结果作为输入，输入第二层；
f.将第一、二层的结果整合作为输入对第二层神经网络做激活；
g.将第二层的激活结果作为输入，输入第三层；
h.将第一、二、三层的结果整合作为输入对第三层神经网络做激活；
i.将第三层的激活结果作为输入，输入第四层；
j.将第一、二、三、四层的结果整合作为输入对第四层神经网络做激活，激活函数使用softmax函数，并限定训练向量的模长，使得训练向量的方向成为训练主特征；
(4)通过以下步骤进行模型修正，增加对于针灸行针手法中不同手法识别的准确率：
a.使用中心损失函数和softmax函数进行联合监督；
b.使用adam函数作为优化函数；
c.使用categorical_crossentropy函数作为损失函数；
d.联合损失函数＝softmax函数+λ*中心损失函数，其中λ为参数。
2.根据权利要求1所述基于肌电的针灸行针手法训练方法，其特征在于，步骤(3)中的激活函数为RELU线性整流函数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686672.0A CN109085918B (zh) | 2018-06-28 | 2018-06-28 | 基于肌电的针灸行针手法训练方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686672.0A CN109085918B (zh) | 2018-06-28 | 2018-06-28 | 基于肌电的针灸行针手法训练方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109085918A true CN109085918A (zh) | 2018-12-25 |
| CN109085918B CN109085918B (zh) | 2020-05-12 |
Family
ID=64839963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810686672.0A Active CN109085918B (zh) | 2018-06-28 | 2018-06-28 | 基于肌电的针灸行针手法训练方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109085918B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109645996A (zh) * | 2019-02-21 | 2019-04-19 | 广州爱听贝科技有限公司 | 一种子宫收缩乏力监测方法、系统、智能终端和存储介质 |
| CN110585591A (zh) * | 2019-07-31 | 2019-12-20 | 毕宏生 | 一种基于神经反馈的大脑视觉检测分析设备和方法 |
| CN110584991A (zh) * | 2019-09-05 | 2019-12-20 | 天津乐善集生物科技有限公司 | 一种中医针灸行针测定仪 |
| CN111325094A (zh) * | 2020-01-16 | 2020-06-23 | 中国人民解放军海军航空大学 | 一种基于高分辨距离像的舰船类型的识别方法及系统 |
| CN112826516A (zh) * | 2021-01-07 | 2021-05-25 | 京东数科海益信息科技有限公司 | 肌电信号处理方法、装置、设备、可读存储介质及产品 |
| CN113080853A (zh) * | 2021-03-29 | 2021-07-09 | 北京化工大学 | 基于触觉传感器的针刺手法识别方法、装置、系统及介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130117207A1 (en) * | 2011-11-08 | 2013-05-09 | Youn-Ho Kim | Method of classifying input pattern and pattern classification apparatus |
| CN105654037A (zh) * | 2015-12-21 | 2016-06-08 | 浙江大学 | 一种基于深度学习和特征图像的肌电信号手势识别方法 |
| CN106293057A (zh) * | 2016-07-20 | 2017-01-04 | 西安中科比奇创新科技有限责任公司 | 基于bp神经网络的手势识别方法 |
| CN106446765A (zh) * | 2016-07-26 | 2017-02-22 | 重庆大学 | 一种基于多维生理大数据深度学习的健康状态评价系统 |
| CN106980367A (zh) * | 2017-02-27 | 2017-07-25 | 浙江工业大学 | 一种基于肌电地形图的手势识别方法 |
| US20170220923A1 (en) * | 2016-02-02 | 2017-08-03 | Samsung Electronics Co., Ltd. | Gesture classification apparatus and method using emg signal |
| CN107126303A (zh) * | 2017-02-15 | 2017-09-05 | 上海术理智能科技有限公司 | 一种基于手机app的上下肢运动辅助方法 |
| US20170296116A1 (en) * | 2016-04-14 | 2017-10-19 | MedRhythms, Inc. | Systems and methods for neurologic rehabilitation |
| CN107378944A (zh) * | 2017-06-20 | 2017-11-24 | 东南大学 | 一种基于主成分分析法的多维表面肌电信号假手控制方法 |
| CN107736894A (zh) * | 2017-09-24 | 2018-02-27 | 天津大学 | 一种基于深度学习的心电信号情绪识别方法 |
-
2018
- 2018-06-28 CN CN201810686672.0A patent/CN109085918B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130117207A1 (en) * | 2011-11-08 | 2013-05-09 | Youn-Ho Kim | Method of classifying input pattern and pattern classification apparatus |
| CN105654037A (zh) * | 2015-12-21 | 2016-06-08 | 浙江大学 | 一种基于深度学习和特征图像的肌电信号手势识别方法 |
| US20170220923A1 (en) * | 2016-02-02 | 2017-08-03 | Samsung Electronics Co., Ltd. | Gesture classification apparatus and method using emg signal |
| US20170296116A1 (en) * | 2016-04-14 | 2017-10-19 | MedRhythms, Inc. | Systems and methods for neurologic rehabilitation |
| CN106293057A (zh) * | 2016-07-20 | 2017-01-04 | 西安中科比奇创新科技有限责任公司 | 基于bp神经网络的手势识别方法 |
| CN106446765A (zh) * | 2016-07-26 | 2017-02-22 | 重庆大学 | 一种基于多维生理大数据深度学习的健康状态评价系统 |
| CN107126303A (zh) * | 2017-02-15 | 2017-09-05 | 上海术理智能科技有限公司 | 一种基于手机app的上下肢运动辅助方法 |
| CN106980367A (zh) * | 2017-02-27 | 2017-07-25 | 浙江工业大学 | 一种基于肌电地形图的手势识别方法 |
| CN107378944A (zh) * | 2017-06-20 | 2017-11-24 | 东南大学 | 一种基于主成分分析法的多维表面肌电信号假手控制方法 |
| CN107736894A (zh) * | 2017-09-24 | 2018-02-27 | 天津大学 | 一种基于深度学习的心电信号情绪识别方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109645996A (zh) * | 2019-02-21 | 2019-04-19 | 广州爱听贝科技有限公司 | 一种子宫收缩乏力监测方法、系统、智能终端和存储介质 |
| CN110585591A (zh) * | 2019-07-31 | 2019-12-20 | 毕宏生 | 一种基于神经反馈的大脑视觉检测分析设备和方法 |
| CN110585591B (zh) * | 2019-07-31 | 2022-11-01 | 毕宏生 | 一种基于神经反馈的大脑视觉检测分析设备和方法 |
| CN110584991A (zh) * | 2019-09-05 | 2019-12-20 | 天津乐善集生物科技有限公司 | 一种中医针灸行针测定仪 |
| CN111325094A (zh) * | 2020-01-16 | 2020-06-23 | 中国人民解放军海军航空大学 | 一种基于高分辨距离像的舰船类型的识别方法及系统 |
| CN112826516A (zh) * | 2021-01-07 | 2021-05-25 | 京东数科海益信息科技有限公司 | 肌电信号处理方法、装置、设备、可读存储介质及产品 |
| CN113080853A (zh) * | 2021-03-29 | 2021-07-09 | 北京化工大学 | 基于触觉传感器的针刺手法识别方法、装置、系统及介质 |
| CN113080853B (zh) * | 2021-03-29 | 2022-02-25 | 北京化工大学 | 基于触觉传感器的针刺手法识别方法、装置、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109085918B (zh) | 2020-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109085918A (zh) | 基于肌电的针灸行针手法训练方法 | |
| Hailong | Role of artificial intelligence algorithm for taekwondo teaching effect evaluation model | |
| CN110070944A (zh) | 基于虚拟环境和虚拟角色的社会功能评估训练系统 | |
| CN206431875U (zh) | 基于增强现实的医学解剖辅助教学系统 | |
| CN104680859A (zh) | 一种自主学习系统及检测方法 | |
| Lemos et al. | An instrumented glove to assess manual dexterity in simulation-based neurosurgical education | |
| CN109685695A (zh) | 一种基于中医针灸的教学用模拟训练方法及系统 | |
| CN107742266A (zh) | 一种基于增强现实的教学系统 | |
| CN106643722A (zh) | 一种基于三轴加速度计的宠物运动识别方法 | |
| CN109765996A (zh) | 基于fmg臂带的对穿戴位置偏移不敏感的手势检测系统和方法 | |
| CN109126045A (zh) | 智能化运动分析和训练系统 | |
| Caserman et al. | Recognizing full-body exercise execution errors using the teslasuit | |
| CN106846975A (zh) | 一种k12阶段数据处理及学生学习情况的智能诊断方法 | |
| Wu et al. | Digital teaching in the context of Chinese universities and their impact on students for Ubiquitous Applications | |
| US11823496B2 (en) | Professional dance evaluation method for implementing human pose estimation based on deep transfer learning | |
| Lindsay et al. | Is prescription of specific movement form necessary for optimal skill development? A nonlinear pedagogy approach | |
| CN204650803U (zh) | 一种针灸手法练习和考试系统 | |
| Lin et al. | Translational acceleration, rotational speed, and joint angle of patients related to correct/incorrect methods of transfer skills by nurses | |
| Graf et al. | Adaptivity and personalization in learning systems based on students’ characteristics and context | |
| Johnson et al. | Didactic content and experiential aging simulation for developing patient-centered strategies and empathy for older adults | |
| Dante et al. | From high-fidelity patient simulators to robotics and artificial intelligence: a discussion paper on new challenges to enhance learning in nursing education | |
| Ramanandi | Role and scope of artificial intelligence in physiotherapy: A scientific review of literature | |
| Wu | Evaluation of AdaBoost's elastic net-type regularized multi-core learning algorithm in volleyball teaching actions | |
| Park et al. | Motor skill learning and the development of visual perception processes supporting action identification | |
| Mitsopoulos et al. | Neurosuitup: system architecture and validation of a motor rehabilitation wearable robotics and serious game platform |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220623 Address after: 300461 room 214, building 3, No. 48, Jialingjiang Road, Lingang Economic Zone, Binhai New Area, Tianjin Patentee after: TJU BINHAI INDUSTRIAL RESEARCH INSTITUTE CO.,LTD. Address before: 300072 Tianjin City, Nankai District Wei Jin Road No. 92 Patentee before: Tianjin University |
|
| OL01 | Intention to license declared | ||
| OL01 | Intention to license declared |