CN110739083B - 增强康复训练效果的综合评价方法、装置、存储介质及设备 - Google Patents
增强康复训练效果的综合评价方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN110739083B CN110739083B CN201911039690.0A CN201911039690A CN110739083B CN 110739083 B CN110739083 B CN 110739083B CN 201911039690 A CN201911039690 A CN 201911039690A CN 110739083 B CN110739083 B CN 110739083B
- Authority
- CN
- China
- Prior art keywords
- theta
- alpha
- delta
- beta
- patient
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明涉及一种增强康复训练效果的综合评价方法、装置、存储介质及设备。本发明的技术方案是:一种增强康复训练效果的综合评价方法,其特征在于:用于进行患者康复训练专注度评估及预后预测评估;所述专注度评估方法包括:获取患者训练过程中的delta、theta、alpha和beta节律;基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度;所述预后预测评估方法包括:获取患者静息状态下的delta、theta、alpha和beta节律;基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI以及脑电节律比值DTAB;根据大脑左右对称性指数以及脑电节律比值评价患者恢复情况。本发明适用于大脑康复训练领域。
Description
技术领域
本发明涉及一种增强康复训练效果的综合评价方法、装置、存储介质及设备,适用于大脑康复训练领域。
背景技术
脑卒中是由于脑部缺血或出血性损伤而引起脑功能缺失的一种疾病。据统计,中国居民每年因脑卒中死亡人数约270万,新发病率与死亡率相当,并且大约75%的患者存在不同程度的肢体障碍。脑卒中复发率高,加之近年来该病呈年轻化趋势,使得中国脑卒中防控形势严峻。再加上人口老龄化、运动损伤及交通事故等造成的患者肢体障碍,我国康复医疗的需求越来越大,未来采用智能机器人辅助治疗会成为一种趋势。
针对偏瘫患者的治疗方法主要有按摩、针灸、电刺激、治疗师辅助患者运动,以及康复机器人辅助运动的方法等。康复训练师往往根据主观经验进行康复评估和康复训练计划制定,缺少可靠的量化评估手段,同时花费的人力成本和时间成本太高,另外我国康复训练师人数相对于患者人数来说严重不足。
目前,康复机器人技术虽然已经能够带动患者进行机械运动,但是在患者大脑神经功能重塑方面还较为欠缺,治疗效果和普适性均有待提高。脑机接口技术可以在没有周围神经和肌肉的正常传输通路的情况下使得人与外界环境进行交互,替代部分肢体功能,有效帮助大脑受损功能进行重塑,有效增强康复训练的效果。针对基于脑机接口的康复训练效果进行合理评价,是该训练方法走向临床的必经之路。一种合理的评价方法可以帮助康复医师制定更加合理有效的训练计划,从而提高康复训练的效率。
发明内容
本发明要解决的技术问题是:针对上述存在的问题,提供一种增强康复训练效果的综合评价方法、装置、存储介质及设备。
本发明所采用的技术方案是:一种增强康复训练效果的综合评价方法,其特征在于:用于进行患者康复训练专注度评估及预后预测评估;
所述专注度评估方法包括:
获取患者训练过程中的delta、theta、alpha和beta节律;
基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度;
所述预后预测评估方法包括:
获取患者静息状态下的delta、theta、alpha和beta节律;
基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI以及脑电节律比值DTAB;
根据大脑左右对称性指数以及脑电节律比值评价患者恢复情况。
所述基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度,包括:
计算训练过程中(delta+theta)/(alpha+beta)数值;
当(delta+theta)/(alpha+beta)数值较小时,判断患者专注程度较高;
当(delta+theta)/(alpha+beta)数值较大时,判断患者专注程度较低。
所述基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI以及脑电节律比值DTAB,包括:
计算静息状态下大脑左右对称性指数BSI;
计算公式如下:
(R左- R右)2/ (R左+ R右)2
其中R左为左侧脑电;R右为右侧脑电;
当BSI数值较小时,大脑左右脑脑电更加对称,预后效果越好;
当BSI数值较大时,大脑左右脑脑电更加不对称,预后效果越差;
计算静息状态下脑电节律比值DTAB((delta+theta)/(alpha+beta))数值;
当(delta+theta)/(alpha+beta)数值较小时,预后效果越好;
当(delta+theta)/(alpha+beta)数值较大时,预后效果越差。
所述delta、theta、alpha和beta节律由脑机接口模块获取患者脑电信号经筛选得到。
本实施例中评判数值较大较小因人而异,系统或医生会根据患者设备使用情况设定阈值。
一种增强康复训练效果的综合评价装置,其特征在于:包括用于进行患者康复训练专注度评估的专注度评估模块和用于预后预测评估的预后预测评估模块;
所述专注度评估模块包括:
第一获取模块,用于获取患者训练过程中的delta、theta、alpha和beta节律;
专注度评估模块,用于基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度;
所述预后预测评估模块包括:
第二获取模块,用于获取患者静息状态下的delta、theta、alpha和beta节律;
对称性评估模块,用于基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI以及脑电节律比值DTAB;
恢复评估模块,用于根据大脑左右对称性指数BSI以及脑电节律比值DTAB评价患者恢复情况。
所述专注度评估模块,包括:
第一计算模块,用于计算训练过程中(delta+theta)/(alpha+beta)数值;
专注度判断模块,用于当(delta+theta)/(alpha+beta)数值较小时,判断患者专注程度较高;当(delta+theta)/(alpha+beta)数值较大时,判断患者专注程度较低。
所述对称性评估模块包括:
第二计算模块,用于计算静息状态下大脑左右对称性指数BSI以及脑电节律比值DTAB((delta+theta)/(alpha+beta))数值;
对称性判断模块,用于当BSI数值较小时,判断大脑左右对称性指数越小,左右脑脑电差异越小,预后效果越好;当BSI数值较大时,判断大脑左右对称性指数越大,左右脑脑电差异越大,预后效果越差。
脑电节律判断模块,用于当(delta+theta)/(alpha+beta)数值较小时,预后效果越好;当(delta+theta)/(alpha+beta)数值较大时,预后效果越差。
所述delta、theta、alpha和beta节律由脑机接口模块获取患者脑电信号经筛选得到。
一种存储介质,其上存储有可供处理器执行的计算机程序,其特征在于:所述计算机程序被处理器执行时实现所述的增强康复训练效果的综合评价方法。
一种设备,具有存储器和执行器,存储器上存储有可供处理器执行的计算机程序,其特征在于:所述计算机程序被处理器执行时实现所述的增强康复训练效果的综合评价方法。
本发明的有益效果是:本发明根据训练过程中及静息状态下患者脑电信号中的delta、theta、alpha和beta节律之间的关系进行专注度评估及预后预测评估。
本发明通过脑机接口技术可以实时监督和反馈用户专注状态,帮助用户更好地投入到训练中,取得更好的康复效果;通过脑机接口技术可以离线地评估用户康复预后状态,帮助用户更加科学地制定康复策略,设计康复计划,取得更好的康复效果。
附图说明
图1为本实施例专注度评估方法的步骤流程图。
图2为本实施例预后预测评估方法的步骤流程图。
图3为本实施例综合评价装置的结构框图。
具体实施方式
本实施例为一种增强康复训练效果的综合评价方法,用于进行患者康复训练专注度评估及预后预测评估。
如图1所示,本实施例中专注度评估方法具体包括以下步骤:
通过脑机接口技术获取患者训练过程中的脑电信息,对获取的数据进行筛选、过滤;
基于脑电信息中delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度,分析delta和/或theta和/或alpha和/或beta节律的增强和抑制数据,评估系统连同delta和/或theta和/或alpha和/或beta节律可用于产生行为专注指数。
当一个人专注思考或专注执行一个动作时,alpha节律和beta节律增加,delta节律和theta节律下降。因此,(delta+theta)/(alpha+beta)数值较小时,意味着用户有较高专注程度在进行康复训练;相反(delta+theta)/(alpha+beta)数值较大时,用户处于放松、休息状态,未全力专注于训练。
整合测量反应和结果行为信息,并对用户进行多次试验以增强测量,将数据发送至数据分析库存储。
如图2所示,本实施例中预后预测评估方法具体包括以下步骤:
通过脑机接口技术获取患者静息状态下的脑电信息,对获取的数据进行筛选、过滤;
基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数以及脑电节律比值,当用户恢复较好时,alpha节律和beta节律增加,delta节律和theta节律下降,同时左右脑会更加对称。因此,(delta+theta)/(alpha+beta)数值较小时,左右对称性指数越小(越对称),意味着用户恢复较好;相反(delta+theta)/(alpha+beta)数值较大时,左右对称性指数越大(越不对称),用户恢复较差。
整合临床评估量表和结果行为信息,并对用户进行多次实验以增加实验结果可靠性,将数据发送至数据分析库存储。
如图3所示,本实施例还提供一种增强康复训练效果的综合评价装置,包括专注度评估模块1和预后预测评估模块2,其中专注度评估模块1用于进行患者康复训练专注度评估,预后预测评估模块2用于预后预测评估。
本例中专注度评估模块1包括第一获取模块101和专注度评估模块102,其中第一获取模块101用于获取患者训练过程中的delta、theta、alpha和beta节律;专注度评估模块102用于基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度。
本实施例中专注度评估模块102包括第一计算模块1021和专注度判断模块1022,其中第一计算模块1021用于计算训练过程中(delta+theta)/(alpha+beta)数值;专注度判断模块1022用于当(delta+theta)/(alpha+beta)数值较小时,判断患者专注程度较高;当(delta+theta)/(alpha+beta)数值较大时,判断患者专注程度较低。
本实施例中预后预测评估模块2包括第二获取模块201、对称性评估模块202和恢复评估模块203,其中第二获取模块201用于获取患者静息状态下的delta、theta、alpha和beta节律;对称性评估模块202用于基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数以及脑电节律比值;恢复评估模块203用于根据大脑左右对称性指数以及脑电节律比值评价患者恢复情况。
本例中对称性评估模块202包括第二计算模块2021和对称性判断模块2022,其中第二计算模块2021用于计算静息状态下(delta+theta)/(alpha+beta)数值;对称性判断模块2022用于当左右脑delta、theta、alpha和beta节律数值差异较小时,判断大脑左右对称性指数越小;当左右脑delta、theta、alpha和beta节律数值差异较大时,判断大脑左右对称性指数越大。脑电节律判断模块用于当(delta+theta)/(alpha+beta)数值较小时,判断预后效果越好;当(delta+theta)/(alpha+beta)数值较大时,判断预后效果越差。
本实施例还提供一种存储介质,其上存储有可供处理器执行的计算机程序,计算机程序被处理器执行时实现本实施例的增强康复训练效果的综合评价方法。
本实施例还提供一种设备,主要由康复训练模块、脑机接口模块、评估算法模块、显示模块组成。
本例中康复训练模块可以是各类需要用户主动参与的认知、运动等康复器具,包括但不限于上肢运动康复、下肢运动康复、认知康复等。
脑机接口模块可以是侵入式电极和非侵入式电极,主要是电极帽等。脑机接口模块中的脑电信号处理器用于对采集到的脑电信号进行特征提取和分类。脑电信号特征提取方法包括有谱分析、自回归分析、共空间模式、源重建等。脑电信号分类算法包括线性判别分析、支持向量机分析、人工神经网络、模糊系统等。
本实施例中评估算法模块具有存储器和执行器,存储器上存储有可供处理器执行的计算机程序,计算机程序被处理器执行时实现增强康复训练效果的综合评价方法。
本例中显示模块采用虚拟现实眼镜、显示设备等,用于输出显示评估结果。
Claims (10)
1.一种增强康复训练效果的综合评价方法,其特征在于:用于进行患者康复训练专注度评估及预后预测评估;
所述专注度评估方法包括:
获取患者训练过程中的delta、theta、alpha和beta节律;
基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度;
所述预后预测评估方法包括:
获取患者静息状态下的delta、theta、alpha和beta节律;
基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI以及脑电节律比值DTAB;
根据大脑左右对称性指数以及脑电节律比值评价患者恢复情况。
2.根据权利要求1所述的增强康复训练效果的综合评价方法,其特征在于:所述基于delta、theta、alpha和beta节律之间的关系评估患者训练的专注程度,包括:
计算训练过程中(delta+theta)/(alpha+beta)数值;
当(delta+theta)/(alpha+beta)数值小于一定阈值时,判断患者专注程度高;
当(delta+theta)/(alpha+beta)数值大于一定阈值时,判断患者专注程度低。
3.根据权利要求1所述的增强康复训练效果的综合评价方法,其特征在于:所述基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI,包括:
计算静息状态下BSI数值;
当BSI数值小于一定阈值时,大脑左右对称性指数小,预后效果好;
当BSI数值大于一定阈值时,大脑左右对称性指数大,预后效果差。
4.根据权利要求1所述的增强康复训练效果的综合评价方法,其特征在于:所述基于delta、theta、alpha和beta节律之间的关系确定脑电节律比值DTAB,包括:
计算静息状态下脑电节律比值DTAB((delta+theta)/(alpha+beta))数值;
当(delta+theta)/(alpha+beta)数值小于一定阈值时,预后效果好;
当(delta+theta)/(alpha+beta)数值大于一定阈值时,预后效果差。
5.根据权利要求1所述的增强康复训练效果的综合评价方法,其特征在于:所述delta、theta、alpha和beta节律由脑机接口模块获取患者脑电信号经筛选得到。
6.一种增强康复训练效果的综合评价装置,其特征在于:包括用于进行患者康复训练专注度评估的专注度评估模块(1)和用于预后预测评估的预后预测评估模块(2);
所述专注度评估模块(1)包括:
第一获取模块(101),用于获取患者训练过程中的delta、theta、alpha和beta节律;
所述预后预测评估模块(2)包括:
第二获取模块(201),用于获取患者静息状态下的delta、theta、alpha和beta节律;
对称性评估模块(202),用于基于delta、theta、alpha和beta节律之间的关系确定大脑左右对称性指数BSI以及脑电节律比值DTAB;
恢复评估模块(203),用于根据大脑左右对称性指数以及脑电节律比值DTAB评价患者恢复情况。
8.根据权利要求6所述的增强康复训练效果的综合评价装置,其特征在于:所述对称性评估模块(202)包括:
第二计算模块(2021),用于计算静息状态下大脑对称性指数BSI以及脑电节律比值DTAB((delta+theta)/(alpha+beta));
对称性判断模块(2022),用于当BSI数值小于一定阈值时,判断大脑左右对称性指数小,预后效果好;当BSI数值大于一定阈值时,判断大脑左右对称性指数大,预后效果差;
脑电节律判断模块(2023),用于当(delta+theta)/(alpha+beta)数值小于一定阈值时,预后效果好;当(delta+theta)/(alpha+beta)数值大于一定阈值时,预后效果差。
9.一种存储介质,其上存储有可供处理器执行的计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~4任意一项所述的增强康复训练效果的综合评价方法。
10.一种设备,具有存储器和执行器,存储器上存储有可供处理器执行的计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~4任意一项所述的增强康复训练效果的综合评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039690.0A CN110739083B (zh) | 2019-10-29 | 2019-10-29 | 增强康复训练效果的综合评价方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911039690.0A CN110739083B (zh) | 2019-10-29 | 2019-10-29 | 增强康复训练效果的综合评价方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110739083A CN110739083A (zh) | 2020-01-31 |
CN110739083B true CN110739083B (zh) | 2022-06-28 |
Family
ID=69270284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911039690.0A Active CN110739083B (zh) | 2019-10-29 | 2019-10-29 | 增强康复训练效果的综合评价方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110739083B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111408042B (zh) * | 2020-03-27 | 2023-03-21 | 浙江迈联医疗科技有限公司 | 功能性电刺激和下肢外骨骼智能分配方法、装置、存储介质及系统 |
CN112115856B (zh) * | 2020-09-17 | 2024-06-14 | 浙江迈联医疗科技有限公司 | 脑电质量评估方法、存储介质及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442990A (zh) * | 2015-08-06 | 2017-02-22 | 中国人民解放军军事医学科学院生物医学分析中心 | 用于预测肺鳞癌患者预后的系统 |
CN108389624A (zh) * | 2018-01-31 | 2018-08-10 | 浙江大学 | 基于cox比例风险模型的十二指肠腺癌预后预测系统 |
CN110241221A (zh) * | 2019-07-31 | 2019-09-17 | 中山大学附属第六医院 | 用于转移性结直肠癌预后预测的试剂盒以及系统 |
CN110305964A (zh) * | 2019-07-26 | 2019-10-08 | 安徽医科大学第一附属医院 | 一种前列腺癌患者预后复发风险预测标志工具及其风险评估模型的建立 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10130813B2 (en) * | 2015-02-10 | 2018-11-20 | Neuropace, Inc. | Seizure onset classification and stimulation parameter selection |
US20170025028A1 (en) * | 2015-07-23 | 2017-01-26 | Rhythmalytics LLC | Actigraphy based biological rhythm modification methods and systems that result in a greater efficacy of applied medical treatment to a patient |
-
2019
- 2019-10-29 CN CN201911039690.0A patent/CN110739083B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106442990A (zh) * | 2015-08-06 | 2017-02-22 | 中国人民解放军军事医学科学院生物医学分析中心 | 用于预测肺鳞癌患者预后的系统 |
CN108389624A (zh) * | 2018-01-31 | 2018-08-10 | 浙江大学 | 基于cox比例风险模型的十二指肠腺癌预后预测系统 |
CN110305964A (zh) * | 2019-07-26 | 2019-10-08 | 安徽医科大学第一附属医院 | 一种前列腺癌患者预后复发风险预测标志工具及其风险评估模型的建立 |
CN110241221A (zh) * | 2019-07-31 | 2019-09-17 | 中山大学附属第六医院 | 用于转移性结直肠癌预后预测的试剂盒以及系统 |
Non-Patent Citations (2)
Title |
---|
Index of T-wave variation as a predictor of sudden cardiac death in chronic heart failure patients with atrial fibrillation;Alba Martín-Yebra 等;《2016 Computing in Cardiology Conference (CinC)》;20170302;全文 * |
定量脑电图对重症监护室脑梗死患者的长期预后的指导价值研究;尹小明;《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》;20180131(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110739083A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Clustering technique-based least square support vector machine for EEG signal classification | |
CN110739083B (zh) | 增强康复训练效果的综合评价方法、装置、存储介质及设备 | |
Chen et al. | Scalp EEG-based pain detection using convolutional neural network | |
Frølich et al. | Investigating effects of different artefact types on motor imagery BCI | |
Ramadoss et al. | Complexity and information-based analysis of the electroencephalogram (EEG) signals in standing, walking, and walking with a brain–computer interface | |
Soundirarajan et al. | Decoding of the relationship between brain and facial muscle activities in response to dynamic visual stimuli | |
CN115067970A (zh) | 一种基于脑电肌电信号的康复效果评估方法及系统 | |
Lee et al. | Motor impairment in stroke patients is associated with network properties during consecutive motor imagery | |
Jacobsen et al. | Mobile electroencephalography captures differences of walking over even and uneven terrain but not of single and dual-task gait | |
Saljuqi et al. | Combining homomorphic filtering and recurrent neural network in gait signal analysis for neurodegenerative diseases detection | |
Perakakis et al. | Affective evaluation of a mobile multimodal dialogue system using brain signals | |
Spomer et al. | Motor control complexity can be dynamically simplified during gait pattern exploration using motor control-based biofeedback | |
Chęć et al. | Physiological Computing Gaming-Use of Electrocardiogram as an Input for Video Gaming | |
Avci et al. | Effective SSVEP Frequency Pair Selection over the GoogLeNet Deep Convolutional Neural Network | |
CN112656430A (zh) | 基于站立位失衡诱发脑电的卒中平衡康复评估方法 | |
Rabbi et al. | Emg activity of leg muscles with knee pain during islamic prayer (salat) | |
Sun et al. | Using virtual reality to examine the correlation between balance function and anxiety in stance | |
Matamoros et al. | Analysis of EEG signals in a patient with spastic cerebral palsy undergone dolphin-assisted therapies | |
CN109875509B (zh) | 阿尔茨海默症患者康复训练效果的测试系统和方法 | |
Chen et al. | A Multi-Modal Classification Method for Early Diagnosis of Mild Cognitive Impairment and Alzheimer’s Disease Using Three Paradigms With Various Task Difficulties | |
Chen et al. | Assessment of Stroke Severity Level Using EMG, EEG and ECG for Virtual Rehabilitation. | |
Silabdi et al. | Brain behavior analysis of mental stress before and after listening to Quranic recitation based on EEG signals | |
Athisakthi et al. | Statistical energy values and peak analysis (sep) approach for detection of neurodegenerative diseases | |
Ibarra | Quantifying post-concussion balance deficits with dual tasks, heart rate variability, muscle synergies, and cortical activity, to identify a novel concussion biomarker | |
Yuan et al. | Clinical Diagnosis of Psychiatry Based on Electroencephalography |
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 |