CN110732082A - 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 - Google Patents
一种经颅直流电刺激和功能性电刺激的运动功能康复方法 Download PDFInfo
- Publication number
- CN110732082A CN110732082A CN201910923310.3A CN201910923310A CN110732082A CN 110732082 A CN110732082 A CN 110732082A CN 201910923310 A CN201910923310 A CN 201910923310A CN 110732082 A CN110732082 A CN 110732082A
- Authority
- CN
- China
- Prior art keywords
- channel
- stimulation
- motor
- feature
- rehabilitation
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/20—Applying electric currents by contact electrodes continuous direct currents
-
- 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
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36003—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of motor muscles, e.g. for walking assistance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/36128—Control systems
- A61N1/36132—Control systems using patient feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/36128—Control systems
- A61N1/36135—Control systems using physiological parameters
- A61N1/36139—Control systems using physiological parameters with automatic adjustment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Signal Processing (AREA)
- Physical Education & Sports Medicine (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提出了一种采用经颅直流电刺激和功能性电刺激的运动功能闭环康复方法。首先对大脑皮层区域进行tDCS刺激,改善皮层活性并且促进神经重塑,提高MI‑BCI的准确性。在此基础上采集多通道运动想象的脑电信号,构建通道重要性测度,获得通道特征权值矩阵,为各通道特征向量加权,构造特征加权logistic分类机。最后利用logistic分类机进行运动想象识别,根据识别结果进行FES刺激完成上肢动作,促进本体感觉上行反馈至中枢,与tDCS刺激引发重塑和运动控制的神经冲动下行一起,构成双刺激干预,塑造了“控制下行‑感觉上行”的运动功能闭环康复回路,促使患者自然和全面的康复。
Description
技术领域
本发明属于模式识别领域,涉及在皮层电刺激后进行运动想象识别,利用上肢康复机器人功能性电刺激实现上肢康复运动,通过双刺激干预的一种运动功能闭环康复方法,特别涉及一种采用经颅直流电刺激和功能性电刺激的运动功能闭环康复方法。
背景技术
脑卒中是世界范围内常见的脑血管疾病之一,患者由于脑出血或缺血造成组织损伤,导致运动皮层控制和感觉功能的缺失或紊乱,出现肌张力异常等运动功能障碍。现代神经生理学的发展与电子信息、机器人、人工智能技术的交叉融合,给脑卒中患者的运动康复带来了新手段,因而基于脑肌融合的运动康复也成为这一领域内热点研究课题。
功能性电刺激(FES)技术作为一种神经肌肉刺激手段常被用于脑卒中患者运动功能的临床康复治疗。FES可帮助患者重建受损的外周神经系统、恢复或改善肌肉动作功能,更为重要的是FES干预措施可通过感觉(上行)传导通路向大脑皮层输入感觉冲动,促进运动皮层的重塑。但从神经可塑性理论来看,患者在康复训练过程中的主观努力也对中枢神经的重塑具有重要影响,其中基于运动想象(MI)的脑机接口(BCI)技术对FES康复训练的改进尤为显著。
由于运动想象过程能够直接激发大脑运动皮层,因此采用运动想象脑电信号(EEG)作为信息源的MI-BCI与FES相结合,可以在体外重建脑卒中患者运动冲动的传导通路,提高运动皮层激活程度。MI-BCI-FES疗法利用患者的主观运动意图来增加其在FES康复训练中的参与度,相比于单独的FES治疗具有更高的效率。
MI-BCI的识别准确性和可靠性对于提高FES治疗中患者的主动参与程度和干预效果至关重要,但是由于脑卒中患者的运动想象能力受到神经损伤影响,因此运动想象任务完成质量不高,导致MI-BCI-FES存在较大的误触发风险,最终康复训练达不到预期效果,所以本发明提出将tDCS与MI-BCI-FES系统相结合,作为一种新的运动功能闭环康复的方法。一方面,tDCS直接对相关脑区进行刺激,提高运动皮层活跃度,使神经振荡向下延伸至脊髓神经网络,促进神经重塑及其长时效应,甚至形成新的功能连接和诱导脊髓束通路重塑神经冲动下行路径;另一方面,依赖tDCS引发的运动皮层活性改善,有助于患者的运动想象脑电信号质量的提升和特征的强化,从而提高MI-BCI的准确性和可靠性,通过给予对应其主观意愿的FES刺激实现肢体动作。正确的运动任务可以令肢体动作本体感觉通过感觉上行通路反馈至运动感知皮层,将进一步增强脑功能区的神经可塑性。通过这样的双刺激干预手段,大大增加了重塑再造运动控制神经传递内闭环的可能性,达到运动功能闭环康复的目的,促使患者自然和全面的康复。
发明内容
本发明提出了一种采用经颅直流电刺激和功能性电刺激的运动功能闭环康复方法。首先对大脑皮层区域进行tDCS刺激,改善皮层活性并且促进神经重塑,提高MI-BCI的准确性和可靠性。然后在此基础上采集运动想象的脑电信号,构建通道重要性测度,获得通道特征权值矩阵,为各通道特征向量加权,构造特征加权logistic分类机。其中各通道特征向量由基于希尔伯特-黄变换的脑电信号特征提取方法可获得。最后利用logistic分类机进行运动想象识别,根据识别结果进行FES刺激,实现上肢运动的同时促进本体感觉上行反馈至中枢,与tDCS刺激引发重塑和运动控制的神经冲动下行一起,构成双刺激干预,塑造了“控制下行-感觉上行”的运动功能闭环康复回路,促使患者自然和全面的康复。
为了实现以上目的,本发明方法主要包括以下步骤:
步骤1.对患者进行经颅直流电刺激tDCS,提升皮层活跃度,使神经震荡向下延伸至脊髓束,促进脑功能网络重组并且改善运动想象的事件相关去同步ERD指标。
步骤2.采集患者在步骤1之后的运动想象脑电信号EEG,采用基于希尔伯特-黄变换的脑电信号特征提取方法对所采集的脑电信号进行特征提取,获得各通道初始特征向量,构建初始特征矩阵M,具体步骤为:
2-1.通过经验模式分解将脑电信号分解为一系列内蕴模式函数IMF。设实验获得的各通道信号为定长的一维时间序列x,对x进行经验模式分解后,x表示为:
式中ci(t)表示第i个IMF,rn(t)表示最终的剩余信号,n为IMF的数量。
2-2.对所有的IMF进行Hilbert变换,得到具有良好分辨率的Hilbert谱H(v,t):
2-3..现有研究已经证实事件相关同步/去同步现象主要体现在人脑运动感觉皮层的 8~13Hz的mu节律和14~30Hz的beta节律,将8~30Hz频带等间隔划分为z个子频带,子频带的宽度记为h,求每个子带的瞬时能量函数IE(t)为:
式中g=p*h,p=0,...,z。
2-4.提取各瞬时能量函数IE(t)的自回归AR模型系数,级联成所采集通道信号的初始特征向量,采集通道数为Q,则构造的初始特征矩阵M为:
步骤3.构建脑电通道重要性测度,采用多阈值策略对各采集通道的重要性分级,从而获得各通道特征权值矩阵K,具体步骤是:
3-1.确定所有两两通道组合之间相关性的强弱。将所采集的各通道EEG用矩阵 X={xq(l)}表示,l=1,...,L,q=1,...,Q,L为采样点数。X={xq(l)}的P阶多变量自回归模型为:
其中X(l)表示各通道的EEG信号,A(k)是k阶的自回归系数,U(l)是白噪声。
转到频域后得到:
Y(f)=H(f)U(f)
设a和b为任意两个采集通道,a,b=1,2,...Q,构建两个通道间基于多元功率谱的相关性强弱定量测度函数:
其中Sab是通道a和b上的脑电信号的互功率谱。
3-2.构建通道特征权值矩阵。以两两通道之间的多元功率谱相关系数为基础,可得各通道重要性测度函数:
步骤4.利用步骤3得到的特征权值矩阵K对步骤2中各通道特征向量加权,以特征向量选择的方式实现核logistic分类机的稀疏性,构造特征加权logistic分类机,提高运动想象模式识别的精度,具体步骤为:
4-1.定义特征加权核函数。已知Mα和Mβ是训练样本集中任意两个特征矩阵样本,特征权值矩阵为K=[k1,k2,...,kQ],Q为采集通道数,得到特征加权Gauss径向基核函数为:
其中,γ为核函数参数,M为输入特征矩阵。
4-2.构造特征加权logistic分类机。预测函数为:
分类规则为:
4-3.采用极大似然估计进行logistic分类模型的参数拟合。对于有监督Γ类分类任务,给定训练样本集其中Mμ为特征矩阵;tμ为Γ维输出向量。当输入Mμ属于类别τ,τ∈{1,2,...,Γ}时,则tμτ=1,反之,tμτ=0。可得最佳分类模型参数F为:
步骤5.根据步骤4得到的识别结果控制功能性电刺激FES上肢康复机器人,对患者进行FES。FES可将本体感觉上行反馈至运动感觉皮层,与tDCS形成双刺激干预达到重塑运动神经冲动下行控制和上行感觉反馈内闭环系统的目的,实现患者自然和全面的运动康复。
同时FES可将本体感觉上行反馈至运动感觉皮层,与tDCS形成双刺激干预。
本发明所设计的康复训练方法塑造了“控制下行-感觉上行”的运动功能闭环康复回路,利用FES与tDCS形成双刺激干预可以大大增加打通运动神经传递内闭环的可能性,达到患者自然和全面运动康复的目的。
附图说明
图1为本发明实施的原理框图;
图2为基于希尔伯特-黄变换的脑电信号特征提取方法流程图;
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:
如图1所示,本实施例包括如下步骤:
步骤一,搭建康复实验平台,制定康复训练方案,具体过程如下:
以上肢运动功能康复为对象,搭建电刺激干预脑机融合运动功能闭环康复实验平台。采用多通道FES、tDCS装置分别组成大脑皮层与肢体肌肉两端的电刺激干预通道,利用多通道EEG信号采集装置组成EEG的信号采集通道,获取MI-BCI-FES康复训练过程中的EEG信号。
根据上肢康复训练临床实施方案,本项目选择医学检验和评价方法相对完整的特定上肢动作作为电刺激干预和运动想象的目标动作,包括肘屈、肘伸、腕屈、腕伸、握拳、展拳的基本动作。实验受试者是40例符合入选标准的脑卒中后上肢功能障碍患者。实验方案如下:每次实验包括两个环节,第一个环节是tDCS刺激,每天施加20分钟的tDCS,持续时间为一周;第二个环节是MI-BCI-FES训练,被试者进行动作运动想象,采集运动想象EEG信号,由MI-BCI-FES系统识别被试者的主动运动意图并施加相应的FES进行动作康复训练。
步骤二,采集受试者在tDCS刺激后的运动想象EEG信号,进行特征提取。本发明采用基于希尔伯特-黄变换的脑电信号特征提取方法,首先通过经验模式分解得到一系列内蕴模式函数IMF,对每个IMF作Hilbert变换得到Hilbert谱,再求得每个IMF的瞬时能量函数,提取其自回归AR模型系数,从而得到初始特征向量,特征提取流程图如图2所示,具体过程如下:
第1步:通过经验模式分解将脑电信号分解为IMFS。设实验获得的各通道信号为定长的一维时间序列x,对x进行经验模式分解后,x表示为:
式中ci(t)表示第i个IMF,rn(t)表示最终的剩余信号,n为IMF的数量。
2-2.对所有的IMF进行Hilbert变换,得到具有良好分辨率的Hilbert谱H(v,t):
2-3..现有研究已经证实事件相关同步/去同步现象主要体现在人脑运动感觉皮层的 8~13Hz的mu节律和14~30Hz的beta节律,将8~30Hz频带等间隔划分为z个子频带,子频带的宽度记为h,求每个子带的瞬时能量函数IE(t)为:
式中g=p*h,p=0,...,z。
2-4.提取各瞬时能量函数IE(t)的自回归AR模型系数,级联成所采集通道信号的初始特征向量,采集通道数为Q,则构造的初始特征矩阵M为:
步骤3.构建脑电通道重要性测度,采用多阈值策略对各采集通道的重要性分级,从而获得各通道特征权值矩阵K,具体步骤是:
3-1.确定所有两两通道组合之间相关性的强弱。将所采集的各通道EEG用矩阵 X={xq(l)}表示,l=1,...,L,q=1,...,Q,L为采样点数。X={xq(l)}的P阶多变量自回归模型为:
其中X(l)表示各通道的EEG信号,A(k)是k阶的自回归系数,U(l)是白噪声。
转到频域后得到:
Y(f)=H(f)U(f)
设a和b为任意两个采集通道,a,b=1,2,...Q,构建两个通道间基于多元功率谱的相关性强弱定量测度函数:
其中Sab是通道a和b上的脑电信号的互功率谱。
3-2.构建通道特征权值矩阵。以两两通道之间的多元功率谱相关系数为基础,可得各通道重要性测度函数:
步骤4.利用步骤3得到的特征权值矩阵K对步骤2中各通道特征向量加权,以特征向量选择的方式实现核logistic分类机的稀疏性,构造特征加权logistic分类机,提高运动想象模式识别的精度,具体步骤为:
4-1.定义特征加权核函数。已知Mα和Mβ是训练样本集中任意两个特征矩阵样本,特征权值矩阵为K=[k1,k2,...,kQ],Q为采集通道数,得到特征加权Gauss径向基核函数为:
其中,γ为核函数参数,M为输入特征矩阵。
4-2.构造特征加权logistic分类机。预测函数为:
分类规则为:
4-3.采用极大似然估计进行logistic分类模型的参数拟合。对于有监督Γ类分类任务,给定训练样本集其中Mμ为特征矩阵;tμ为Γ维输出向量。当输入Mμ属于类别τ,τ∈{1,2,...,Γ}时,则tμτ=1,反之,tμτ=0。可得最佳分类模型参数F为:
步骤5.根据步骤4得到运动脑电信号识别结果,控制FES上肢康复机器人,给予患者对应其主观意愿的功能性电刺激来实现肢体动作。若FES刺激后完成正确的肢体动作,本体感觉将上行反馈至运动感觉皮层,将进一步增强脑功能区的神经可塑性。
Claims (3)
1.一种经颅直流电刺激和功能性电刺激的运动功能康复方法,其特征在于经颅直流电的运动皮层刺激和根据脑电识别结果的功能性电刺激,通过双刺激干预达到运动功能闭环康复;该方法包括如下步骤:
步骤1.对患者进行经颅直流电刺激tDCS,提升皮层活跃度,使神经震荡向下延伸至脊髓束,促进脑功能网络重组并且改善运动想象的事件相关去同步ERD指标;
步骤2.采集患者在步骤1之后的多通道运动脑电信号EEG,采用基于希尔伯特-黄变换的脑电信号特征提取方法对所采集的脑电信号进行特征提取,获得各通道初始特征向量,构建初始特征矩阵;
步骤3.构建脑电通道重要性测度,采用多阈值策略对各采集通道的重要性分级,从而获得各通道特征权值矩阵;
步骤4.利用步骤3得到的特征权值矩阵为步骤2中初始特征矩阵加权,以特征向量选择的方式实现核logistic分类机的稀疏性,构造特征加权logistic分类机,提高运动想象脑电模式识别的精度;
步骤5.根据步骤4得到的识别结果控制功能性电刺激FES上肢康复机器人,对患者进行功能性电刺激完成上肢运动;同时由于FES可将本体感觉上行反馈至运动感觉皮层,与tDCS形成双刺激干预达到重塑运动神经传递下行控制和上行感觉反馈内闭环系统的目的,实现患者自然和全面的运动康复。
2.根据权利要求1所述的一种经颅直流电刺激和功能性电刺激的运动功能康复方法,其特征在于步骤2所述的基于希尔伯特-黄变换的脑电信号特征提取方法,具体过程如下:
2-1.对实验获得的各通道脑电信号作希尔伯特-黄变换;首先通过经验模式分解将信号分解为一系列内蕴模式函数IMF,然后对所有的IMF进行Hilbert变换得到具有良好分辨率的Hilbert谱H(v,t);
2-2.现有研究已经证实事件相关同步/去同步现象主要体现在人脑运动感觉皮层的8~13Hz的mu节律和14~30Hz的beta节律;将8~30Hz频带等间隔划分为z个子频带,计算出每个子带的瞬时能量函数;
2-3.提取各子带瞬时能量函数的自回归AR模型系数,级联成所采集通道信号的初始特征向量,采集通道数为Q,则构造的初始特征矩阵M为:
3.根据权利要求1所述的一种经颅直流电刺激和功能性电刺激的运动功能康复方法,其特征在于步骤3所述的通道特征权值矩阵构建,具体过程如下:
3-1.确定各通道所有两两组合之间相关性的强弱;首先对所采集的各通道EEG建立自回归模型,然后将其转换到频域,通过多元谱分解定理可以得到各通道的功率谱;进一步就可以构建两个通道间基于多元功率谱的相关性强弱定量测度函数:
其中Sab是通道a和b上的脑电信号的互功率谱,a,b=1,2,...Q,Q为采集的通道数;
3-2.构建通道特征权值矩阵;以两两通道之间的多元功率谱相关系数为基础,可得各通道重要性测度函数:
根据重要性测度函数可构建出通道a的特征权值向量:
接着采用多阈值策略,对各采集通道的重要性进行分级,在此基础上构建各通道的特征权值矩阵:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910923310.3A CN110732082B (zh) | 2019-09-27 | 2019-09-27 | 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910923310.3A CN110732082B (zh) | 2019-09-27 | 2019-09-27 | 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110732082A true CN110732082A (zh) | 2020-01-31 |
CN110732082B CN110732082B (zh) | 2023-09-12 |
Family
ID=69269691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910923310.3A Active CN110732082B (zh) | 2019-09-27 | 2019-09-27 | 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110732082B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113058157A (zh) * | 2021-02-25 | 2021-07-02 | 国家康复辅具研究中心 | 多信号融合的反馈式功能性电刺激系统 |
CN113289249A (zh) * | 2021-06-01 | 2021-08-24 | 西安科悦医疗股份有限公司 | 基于密集电极阵列的多目标脑区精确电刺激方法 |
CN113712574A (zh) * | 2021-09-03 | 2021-11-30 | 上海诺诚电气股份有限公司 | 一种脑电生物反馈得康复方法及系统 |
CN114027857A (zh) * | 2021-12-22 | 2022-02-11 | 杭州电子科技大学 | 一种基于脑电信号测量运动能力的方法 |
CN114748080A (zh) * | 2022-06-17 | 2022-07-15 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN114870249A (zh) * | 2022-04-18 | 2022-08-09 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
CN115363604A (zh) * | 2022-10-19 | 2022-11-22 | 山东海天智能工程有限公司 | 基于脑电信号的电极放电自动调节系统、介质及电子设备 |
CN116931738A (zh) * | 2023-09-13 | 2023-10-24 | 杭州般意科技有限公司 | 一种基于脑电波动态调节电流强度的干预刺激方法 |
CN117180614A (zh) * | 2023-07-31 | 2023-12-08 | 国家康复辅具研究中心 | 一种非侵入颅电刺激的时间干涉电刺激系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102698360A (zh) * | 2012-04-21 | 2012-10-03 | 南京理工大学 | 一种高聚焦性多通道经颅直流电刺激装置和控制方法 |
US20150005568A1 (en) * | 2013-06-26 | 2015-01-01 | California Institute Of Technology | Remote activation of the midbrain by transcranial direct current stimulation of prefrontal cortex |
CN106108893A (zh) * | 2016-06-20 | 2016-11-16 | 杭州电子科技大学 | 基于眼电、脑电的运动想象训练人机交互系统设计方法 |
CN106502410A (zh) * | 2016-10-27 | 2017-03-15 | 天津大学 | 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 |
WO2018231989A1 (en) * | 2017-06-14 | 2018-12-20 | Thomas Jefferson University | Cortical recording and signal processing methods and devices |
-
2019
- 2019-09-27 CN CN201910923310.3A patent/CN110732082B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102698360A (zh) * | 2012-04-21 | 2012-10-03 | 南京理工大学 | 一种高聚焦性多通道经颅直流电刺激装置和控制方法 |
US20150005568A1 (en) * | 2013-06-26 | 2015-01-01 | California Institute Of Technology | Remote activation of the midbrain by transcranial direct current stimulation of prefrontal cortex |
CN106108893A (zh) * | 2016-06-20 | 2016-11-16 | 杭州电子科技大学 | 基于眼电、脑电的运动想象训练人机交互系统设计方法 |
CN106502410A (zh) * | 2016-10-27 | 2017-03-15 | 天津大学 | 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 |
WO2018231989A1 (en) * | 2017-06-14 | 2018-12-20 | Thomas Jefferson University | Cortical recording and signal processing methods and devices |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113058157A (zh) * | 2021-02-25 | 2021-07-02 | 国家康复辅具研究中心 | 多信号融合的反馈式功能性电刺激系统 |
CN113058157B (zh) * | 2021-02-25 | 2022-01-18 | 国家康复辅具研究中心 | 多信号融合的反馈式功能性电刺激系统 |
CN113289249A (zh) * | 2021-06-01 | 2021-08-24 | 西安科悦医疗股份有限公司 | 基于密集电极阵列的多目标脑区精确电刺激方法 |
CN113289249B (zh) * | 2021-06-01 | 2022-08-09 | 西安科悦医疗股份有限公司 | 基于密集电极阵列的多目标脑区精确电刺激系统 |
CN113712574A (zh) * | 2021-09-03 | 2021-11-30 | 上海诺诚电气股份有限公司 | 一种脑电生物反馈得康复方法及系统 |
CN113712574B (zh) * | 2021-09-03 | 2022-06-21 | 上海诺诚电气股份有限公司 | 一种脑电生物反馈得康复方法及系统 |
CN114027857A (zh) * | 2021-12-22 | 2022-02-11 | 杭州电子科技大学 | 一种基于脑电信号测量运动能力的方法 |
CN114027857B (zh) * | 2021-12-22 | 2024-04-26 | 杭州电子科技大学 | 一种基于脑电信号测量运动能力的方法 |
CN114870249A (zh) * | 2022-04-18 | 2022-08-09 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
CN114870249B (zh) * | 2022-04-18 | 2023-06-13 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
CN114748080B (zh) * | 2022-06-17 | 2022-08-19 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN114748080A (zh) * | 2022-06-17 | 2022-07-15 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN115363604A (zh) * | 2022-10-19 | 2022-11-22 | 山东海天智能工程有限公司 | 基于脑电信号的电极放电自动调节系统、介质及电子设备 |
CN115363604B (zh) * | 2022-10-19 | 2023-03-03 | 山东海天智能工程有限公司 | 基于脑电信号的电极放电自动调节系统、介质及电子设备 |
CN117180614A (zh) * | 2023-07-31 | 2023-12-08 | 国家康复辅具研究中心 | 一种非侵入颅电刺激的时间干涉电刺激系统 |
CN117180614B (zh) * | 2023-07-31 | 2024-05-03 | 国家康复辅具研究中心 | 一种非侵入颅电刺激的时间干涉电刺激系统 |
CN116931738A (zh) * | 2023-09-13 | 2023-10-24 | 杭州般意科技有限公司 | 一种基于脑电波动态调节电流强度的干预刺激方法 |
CN116931738B (zh) * | 2023-09-13 | 2023-12-12 | 杭州般意科技有限公司 | 一种基于脑电波动态调节电流强度的干预刺激方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110732082B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110732082B (zh) | 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 | |
CN110495880B (zh) | 基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法 | |
CN103845137B (zh) | 基于稳态视觉诱发脑机接口的机器人控制方法 | |
CN102722727B (zh) | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 | |
CN110238863B (zh) | 基于脑电-肌电信号的下肢康复机器人控制方法及系统 | |
CN105997064B (zh) | 一种用于人体下肢表面肌电信号的辨识方法 | |
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 | |
Wang et al. | Recognition of muscle fatigue status based on improved wavelet threshold and CNN-SVM | |
CN102488963B (zh) | 一种功能性电刺激膝关节角度控制方法 | |
CN104548347A (zh) | 一种纯意念神经肌肉电刺激控制与神经功能评价系统 | |
Benazzouz et al. | EMG Feature selection for diagnosis of neuromuscular disorders | |
Sarma et al. | Pre-processing and feature extraction techniques for EEGBCI applications-a review of recent research | |
CN108268844A (zh) | 基于表面肌电信号的动作模式识别方法及装置 | |
CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
CN111584027B (zh) | 融合复杂网络和图卷积的脑控康复系统运动想象识别系统 | |
CN111481799A (zh) | 一种脑电波闭环控制设备 | |
CN114027857B (zh) | 一种基于脑电信号测量运动能力的方法 | |
CN115206484A (zh) | 一种脑卒中康复训练系统 | |
Ke et al. | Intersected EMG heatmaps and deep learning based gesture recognition | |
CN102488965B (zh) | 一种功能性电刺激控制方法 | |
Ji et al. | Stationary wavelet-based two-directional two-dimensional principal component analysis for EMG signal classification | |
Rahma et al. | Classifying imaginary hand movement through electroencephalograph signal for neuro-rehabilitation | |
Xie et al. | Identification method of human movement intention based on the fusion feature of EEG and EMG | |
Yu et al. | The research of sEMG movement pattern classification based on multiple fused wavelet function | |
CN114548165B (zh) | 一种可跨用户的肌电模式分类方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |