CN112932474A - 基于脑血氧和肌电信号的康复训练方法及系统 - Google Patents
基于脑血氧和肌电信号的康复训练方法及系统 Download PDFInfo
- Publication number
- CN112932474A CN112932474A CN202110101303.2A CN202110101303A CN112932474A CN 112932474 A CN112932474 A CN 112932474A CN 202110101303 A CN202110101303 A CN 202110101303A CN 112932474 A CN112932474 A CN 112932474A
- Authority
- CN
- China
- Prior art keywords
- blood oxygen
- signals
- rehabilitation training
- module
- cerebral blood
- 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
- 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
- A61B5/14553—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 specially adapted for cerebral tissue
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
Abstract
本发明公开了一种基于脑血氧和肌电信号的康复训练系统,包括:同步信息采集模块,处理分析模块和反馈模块,其中:同步信息采集模块用于采集受训者的近红外脑血氧以及肌电信号;处理分析模块用于处理和分析从同步信息采集模块同步采集到的脑血氧信号和肌电信号;反馈模块用于根据处理分析模块处理和分析后的脑血氧信号和肌电信号判断受训者的训练是否超出了正常标准,如果是,则调整训练设备的参数。
Description
技术领域
本发明涉及肢体运动康复训练领域,特别涉及基于脑血氧和肌电信号的康复训练方法及系统。
背景技术
脑卒中是我国居民致死、致残的首位原因,呈现出高发病率、高致残率、高死亡率、高复发率的特点。据统计,我国脑卒中每年新发250万例(约每12秒1例),且呈逐年上涨趋势,尽管接受康复治疗,但仍然有约60%-80%脑卒中患者遗留明显运动功能障碍,为家庭和社会带来沉重的照护成本,高质高效的康复训练是解决当前问题的最重要手段,也是帮助患者恢复生活独立、回归社会的必然选择。传统的康复训练方法主要是由人工或者借助简单器械带动患肢进行,主要依赖医护人员的主观经验或者通过让患者对各个康复训练模式进行逐一尝试,来确定进行哪种训练模式和训练强度。这种康复训练的效果并不太好。
对于脑卒中患者,造成肢体运动障碍的根源是神经环路受损,其康复训练也应基于患者的脑功能状态。现有的脑功能状态反馈大多基于脑电信号和功能磁共振信号,而脑电方法空间分辨率较低,神经活动功能区域靶向性差;功能磁共振方法时间分辨率较低,不适合实时在线反馈,而且价格昂贵,舒适性差。有研究表明,脑功能反馈下自动康复训练模式对于患者神经系统重建和运动功能恢复更加有效。
另外,患者在康复训练中的肌肉主动参与、疲劳程度等也会对训练效果产生重要的影响,在主动参与程度低以及疲劳状态下的训练效率往往是低效的。不合适的康复训练模式和强度不仅无法保证训练效果,更有可能导致发生神经功能不良重塑,阻碍运动和神经功能康复。
为此,本发明提供了一种基于脑血氧和肌电信号的康复训练方法及系统。
发明内容
为实现本发明之目的,采用以下技术方案予以实现:
一种基于脑血氧和肌电信号的康复训练系统,包括:同步信息采集模块,处理分析模块和反馈模块,其中:同步信息采集模块用于采集受训者的近红外脑血氧以及肌电信号;处理分析模块用于处理和分析从同步信息采集模块同步采集到的脑血氧信号和肌电信号;反馈模块用于根据处理分析模块处理和分析后的脑血氧信号和肌电信号判断受训者的训练是否超出了正常标准,如果是,则调整训练设备的参数。
所述的康复训练系统,其中:同步信息采集模块包括:近红外光谱仪,用于采集受训者的靶向脑区及其它有关功能连接的脑血氧信号;以及表面肌电仪,用于采集受训者的肌电信号。
所述的康复训练系统,其中:处理分析模块对脑血氧信号处理分析包括:对接收到的脑血氧信号利用滑动平均窗口平均化异常数据,去除脑血氧信号中的脉冲型干扰噪声;基于移动标准差和样条插值的方法检测和去除运动伪影;利用巴特沃斯滤波去除长距离的基线漂移且最大程度地保留信号的幅值和相位信息。然后使用复数域的Morlet小波对每个通道的血氧浓度信号进行小波分析,计算血氧信号的小波幅值,以确定脑区激活度。
所述的康复训练系统,其中:处理分析模块对肌电信号处理分析包括:利用自适应滤波器去除接收到的肌电信号的工频噪声,对去除工频干扰之后的肌电信号进行时域特征与频域特征提取分析,以确定肌肉激活度和肌肉疲劳度。
所述的康复训练系统,其中:反馈模块用于判断康复训练过程中脑皮层特定区域脑激活度、肌肉激活度以及肌肉疲劳度是否超出正常激活范围,若低于或高于该正常范围则反馈至康复训练设备对关键参数进行调整,调整包括:
预先设定康复训练设备的阻力系数和训练时间,由反馈模块判断脑区激活度指标是否超出阈值M1,如果没有超出,则不调整阻力系数和训练时间;如果超出正常阈值,则再判断肌肉疲劳度是否超出阈值M2,若肌肉疲劳度高于阈值M2,则结束此次康复训练,若肌肉疲劳度低于阈值M2,则再判断肌肉激活度是否超出阈值M3,若肌肉激活度高于阈值M3,则调减阻力系数、训练时间不变,若肌肉激活度低于阈值M3,则同时调增阻力系数和训练时间。
所述的康复训练系统,其中使用复数域的Morlet小波对每个通道的血氧浓度信号进行小波分析包括:
将小波基函数ψ(t)定义为:
其中,s为尺度因子,t0为当前时间位置参数。
尺度s与频率f的关系为:
其中,fc为小波变换中心频率,取1Hz;δt为设定的采样周期,采样频率为10Hz,能满足所感兴趣波段的基本采样需求,则对应的δt为0.1s;
脑血氧信号通过小波变换得到的小波系数:
其中x(t)是经过滤波处理的脑血氧时间序列,t是时间参数,G(f,t)是小波系数;
对所述小波系数进行时域均值运算得到小波系数频域均值,最后在频域上对所述小波系数频域均值积分得到小波幅值WA,
f是频率,n是采样点数,tn是时间序列;
分别计算脑皮层3个通道的脑血氧信号的小波幅值WA1、WA2WA3,所述3个通道小波幅值的均值作为脑区激活度指标N:
所述的康复训练系统,其中肌肉激活度和肌肉疲劳度按如下方式计算:
肌电信号时域特征包括积分肌电值iEMG、均方根值RMS,
将积分肌电值iEMG定义式如下:
其中,EMG(t)是去除工频干扰之后的肌电信号,iEMG是指一段时间内(t-t+T)肌电信号曲线与时间轴所包围的面积总和;
均方根值RMS定义式如下:
其中,Xi是原始肌电信号,Ni是时间窗的长度,RMS是肌电信号振幅的平均值的变化情况;
肌电信号的频域特征是将其时域信号通过傅里叶变换转变为频域信号,频域特征包括平均功率频率MPF和中值频率MF;
将平均功率频率MPF定义如下:
中位频率MF定义式如下:
其中,
PS(f)表示肌电信号的频谱,f是肌电信号频率,f1和f2表示肌电信号的频率范围;
对以上所述特征,建立肌肉激活度和肌肉疲劳度模型指标如下:
肌肉激活度F=A1×iEMG+A2×RMS
肌肉疲劳度P=B1×MPF+B2×MF
其中,iEMG是肌电积分值,RMS是均方根值,MPF平均功率频率,MF是中位频率,A1、A2、B1、B2分别是它们的权重。
所述的康复训练系统,根据以下方式进行训练范式以及阈值的选择:每隔预定时间对受训者分别多种模式的康复训练,计算得出不同康复训练模式下的脑激活度、肌肉激活度以及肌肉疲劳度的值,将多种训练范式下的脑激活度、肌肉激活度以及肌肉疲劳度的最大值作为未来预定时间内的康复训练阈值,同时将脑激活度最大值的康复训练模式作为未来预定时间内的康复训练模式进行康复训练。
附图说明
图1为本发明实施例的基于脑血氧和肌电信号的康复训练系统的构成示意图;
图2为本发明实施例的近红外光源探头布置示意图;
图3为本发明实施例的脑血氧数据处理流程图;
图4为本发明实施例的肌电信号数据处理流程图;
图5为本发明实施例的康复训练参数调整示意图。
具体实施方式
下面结合附图1-5对本发明的具体实施方式进行详细说明。
在下文中,仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样,在不脱离本发明的精神或范围的情况下,可通过各种不同方式修改所描述的实施例。因此,附图和描述被认为本质上是示例性的而非限制性的。
如图1所示,本发明的一种基于脑血氧和肌电信号的康复训练系统,包括:同步信息采集模块,处理分析模块,实时显示设备,反馈模块和存储模块。
受训者按照预先设定的康复训练模式和康复训练时长等参数利用康复训练设备进行康复训练,同时佩戴近红外设备以及表面肌电测量设备。
同步信息采集模块用于采集近红外脑血氧以及肌电信号。同步信息采集模块包括:近红外光谱仪,用于采集受训者的靶向脑区及其它有关功能连接的脑血氧信号;以及表面肌电仪,用于同步采集受训者的肌电信号。
近红外光谱仪的近红外探头布置:采用国际脑电图10-20/10-10系统辅助定位法,标准探头间距为30mm,近红外信号覆盖大脑额叶、顶叶和枕叶区域的近红外光源探头模板,如图2所示,相邻的光源和探头构成一个近红外监测通道来监测大脑皮层的脑血氧信号,每个脑区3个通道,将康复训练过程中实时监测到的脑血氧信号传输至处理分析模块。
表面肌电仪:采用的是Noraxon无线表面肌电仪,肌电的采集电极分别贴在上肢的肱桡肌和肱二头肌的肌肉上,贴之前用医用砂纸和酒精对皮肤表面进行清理消毒,需要说明的是,本发明所提供的技术方案并不局限于这两块目标肌肉,也可针对上下肢更多的目标肌肉。表面肌电仪将康复训练过程中实时监测到的肌电信号传输至处理分析模块。
处理分析模块用于处理和分析从信息采集模块同步采集到的脑血氧信号和肌电信号,并将处理和分析后所得的信号数据传输至显示设备。
如图3所示,处理分析模块对脑血氧信号处理分析包括:
对接收到的脑血氧信号利用滑动平均窗口平均化异常数据,去除脑血氧信号中的脉冲型干扰噪声;基于移动标准差和样条插值的方法检测和去除运动伪影;利用巴特沃斯滤波去除长距离的基线漂移且最大程度地保留信号的幅值和相位信息。然后使用复数域的Morlet小波对每个通道的血氧浓度信号进行小波分析,计算血氧信号的小波幅值。
本发明中采用Morlet小波基函数进行小波分析,因为其具有最佳的时频紧凑性,小波基函数ψ(t)定义为:
s为尺度因子,t0为当前时间位置参数。
尺度因子s与频率f的关系为:
fc为小波变换中心频率,取1Hz;δt为设定的采样周期,采样频率为10Hz,能满足所感兴趣波段的基本采样需求,则对应的δt为0.1s。
脑血氧信号通过小波变换得到的小波系数如下:
x(t)是经过滤波处理的脑血氧时间序列,t是时间参数,G(f,t)是小波系数。
对所述小波系数进行时域均值运算得到小波系数频域均值,最后在频域上对所述小波系数频域均值积分得到小波幅值WA。
f是频率,n是采样点数,tn是时间序列。
分别计算脑皮层3个通道的脑血氧信号的小波幅值WA1、WA2WA3,将所述3个通道小波幅值的均值作为脑区激活度指标N:
如图4所示,处理分析模块对肌电信号处理分析包括:
利用自适应滤波器去除接收到的肌电信号的工频噪声,对去除工频干扰之后的肌电信号进行时域特征与频域特征提取分析。时域特征包括积分肌电值(iEMG)、均方根值(RMS)等。积分肌电值iEMG定义式如下:
其中,EMG(t)是去除工频干扰之后的肌电信号。iEMG是指一段时间内(t-t+T)肌电信号曲线与时间轴所包围的面积总和。
均方根值RMS定义式如下:
其中,Xi是原始肌电信号,Ni是时间窗的长度。RMS是肌电信号振幅的平均值的变化情况。
肌电信号的频域特征是将其时域信号通过傅里叶变换转变为频域信号,频域特征主要包括平均功率频率MPF和中值频率MF。
平均功率频率MPF定义式如下:
中位频率MF定义式如下:
其中:f为肌电信号的频率,PS(f)表示肌电信号的频谱,f1和f2表示肌电信号的频率范围。
对以上所述特征,建立肌肉激活度和肌肉疲劳度模型指标如下:
肌肉激活度F=A1×iEMG+A2×RMS
肌肉疲劳度P=B1×MPF+B2×MF
其中,iEMG是肌电积分值,RMS是均方根值,MPF平均功率频率,MF是中位频率,A1、A2、B1、B2分别是它们的权重。经实验证明,脑卒中患者的肌肉激活度与积分肌电值iEMG和均方根值RMS的相关性最大,且积分肌电值iEMG所占的比例更大,因此对所述A1、A2值设置如下:0.5<A1<1,0<A2<0.5,A1+A2=1;脑卒中患者的肌肉疲劳度度与平均功率频率MPF和中位频率MF的相关性最大,且平均功率频率MPF所占的比例更大,所以设置0.5<B1<1,0<B2<0.5,B1+B2=1。
将以上的脑激活度、肌肉激活度以及肌肉疲劳度传输到反馈模块,由反馈模块来判断康复训练过程中脑皮层特定区域脑激活度、肌肉激活度以及肌肉疲劳度是否超出正常范围,对康复训参数(阻力系数、训练时间等)进行实时的自适应调整,直至完成一次完整的康复训练。
反馈模块用于判断康复训练过程中脑皮层特定区域脑激活度、肌肉激活度以及肌肉疲劳度是否超出正常激活范围和正常的疲劳范围,若低于或高于该正常范围则反馈至康复训练设备对关键参数(阻力系数、训练时间等)进行调整,实现康复训练参数调整。
如图5所示,预先设定康复训练设备的阻力系数和训练时间,由反馈模块判断脑区激活度指标N是否超出阈值M1,如果没有超出,则不调整阻力系数和训练时间;如果超出正常阈值,则再判断肌肉疲劳度P是否超出阈值M2,若肌肉疲劳度P度高于阈值M2,则结束此次康复训练,若肌肉疲劳P度低于阈值M2,则再判断激活度F是否超出阈值M3,若肌肉激活度F高于阈值M3,则调减阻力系数、训练时间不变,若肌肉激活度F低于阈值M3,则同时调增阻力系数和训练时间。
本发明根据以下方式进行训练范式以及阈值的选择:所述脑区激活度、肌肉激活度以及肌肉疲劳度的阈值M1、M2、M3,主要通过受训者对每隔10日进行一次康复评估进行确定。对受训者分别进行单侧、双侧、四肢联动三种不同康复训练范式下的脑血氧和肌电信号的康复评估训练,计算得出不同康复训练范式下的脑激活度、肌肉激活度以及肌肉疲劳度的值,将不同训练范式下的脑激活度、肌肉激活度以及肌肉疲劳度的最大值作为未来10日康复训练的M1、M2、M3的值,同时将脑激活度最大值的康复训练范式作为未来10天的康复训练范式进行康复训练。
例如通过对受训者单侧、双侧、四肢联动三种不同康复训练范式下的脑血氧和肌电信号的康复评估训练,计算得出四肢联动康复训练范式下的脑激活度值最大、双侧(上肢或下肢)训练肌肉激活度以及单侧(上肢或下肢)肌肉疲劳度的值最大,则分别将该三种训练范式下的脑激活度、肌肉激活度以及肌肉疲劳度的值作为阈值M1、M2、M3的值,同时确定10日内的康复训练范式为四肢联动康复训练。10日后重新进行康复评估,重新确定康复训练范式和脑区激活度、肌肉激活度以及肌肉疲劳度的阈值M1、M2、M3的值。
显示设备如显示屏用于实时呈现反馈模块的反馈过程。
康复训练系统还可以包括存储模块,用于存储多次训练的参数,便于评价长周期康复训练的康复效果。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换,而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (2)
1.一种基于脑血氧和肌电信号的康复训练系统,包括:同步信息采集模块,处理分析模块和反馈模块,其特征在于:同步信息采集模块用于采集受训者的近红外脑血氧以及肌电信号;处理分析模块用于处理和分析从同步信息采集模块同步采集到的脑血氧信号和肌电信号;反馈模块用于根据处理分析模块处理和分析后的脑血氧信号和肌电信号判断受训者的训练是否超出了正常标准,如果是,则调整训练设备的参数。
2.根据权利要求1所述的康复训练系统,其特征在于:同步信息采集模块包括:近红外光谱仪,用于采集受训者的靶向脑区及其它有关功能连接的脑血氧信号;以及表面肌电仪,用于采集受训者的肌电信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110101303.2A CN112932474B (zh) | 2021-01-26 | 2021-01-26 | 基于脑血氧和肌电信号的康复训练方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110101303.2A CN112932474B (zh) | 2021-01-26 | 2021-01-26 | 基于脑血氧和肌电信号的康复训练方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112932474A true CN112932474A (zh) | 2021-06-11 |
CN112932474B CN112932474B (zh) | 2022-04-01 |
Family
ID=76236726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110101303.2A Active CN112932474B (zh) | 2021-01-26 | 2021-01-26 | 基于脑血氧和肌电信号的康复训练方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112932474B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391701A (zh) * | 2021-06-15 | 2021-09-14 | 国家康复辅具研究中心 | 一种融合虚拟现实游戏和意图识别的康复训练方法及系统 |
CN113576476A (zh) * | 2021-08-02 | 2021-11-02 | 汪勇波 | 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法 |
CN114391815A (zh) * | 2022-03-25 | 2022-04-26 | 慧创科仪(北京)科技有限公司 | 用近红外脑功能成像装置进行卒中康复分析的方法、系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816609A (zh) * | 2009-12-15 | 2010-09-01 | 河海大学常州校区 | 智能肢体康复训练器及训练方法 |
KR20130092815A (ko) * | 2012-02-13 | 2013-08-21 | 인제대학교 산학협력단 | 생체신호를 기반으로 하는 운동 및 인지 재활 훈련 시스템 |
CN104000586A (zh) * | 2014-05-12 | 2014-08-27 | 燕山大学 | 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法 |
CN106108842A (zh) * | 2016-04-13 | 2016-11-16 | 中山大学 | 一种基于熵的康复训练和评估方法、系统和装置 |
CN106618965A (zh) * | 2017-01-22 | 2017-05-10 | 无锡智开医疗机器人有限公司 | 一种穿戴式肢体康复训练系统及控制方法 |
US20180055400A1 (en) * | 2015-03-23 | 2018-03-01 | Repono Pty Ltd | Muscle Activity Monitoring |
CN109330609A (zh) * | 2018-09-21 | 2019-02-15 | 国家康复辅具研究中心 | 一种基于近红外光谱技术的自适应脑神经反馈方法及系统 |
US10271768B1 (en) * | 2010-12-23 | 2019-04-30 | Jogohealth Inc. | Method for determining rehab protocol and behavior shaping target for rehabilitation of neuromuscular disorders |
CN110433397A (zh) * | 2019-08-20 | 2019-11-12 | 国家康复辅具研究中心 | 一种与经颅磁刺激同步的动态脑功能检测方法及系统 |
CN110974212A (zh) * | 2019-11-07 | 2020-04-10 | 曲阜师范大学 | 一种融合心电和肌电特征的康复训练运动状态监测方法及系统 |
CN111195393A (zh) * | 2020-01-08 | 2020-05-26 | 国家康复辅具研究中心 | 近红外脑区激活模式导向的外周电刺激系统及其使用方法 |
CN111544854A (zh) * | 2020-04-30 | 2020-08-18 | 天津大学 | 基于脑肌电信号深度学习融合的脑卒中运动康复方法 |
CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及系统 |
CN111973183A (zh) * | 2019-05-21 | 2020-11-24 | 中国科学院深圳先进技术研究院 | 一种肌肉疲劳的联合测量装置、方法以及假肢 |
CN112206140A (zh) * | 2020-09-03 | 2021-01-12 | 国家康复辅具研究中心 | 心脑耦合导向的气动循环训练方法及系统 |
CN212369483U (zh) * | 2020-04-01 | 2021-01-19 | 福建医科大学附属第一医院 | 一种中高危冠心病患者的康复运动监护系统 |
-
2021
- 2021-01-26 CN CN202110101303.2A patent/CN112932474B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101816609A (zh) * | 2009-12-15 | 2010-09-01 | 河海大学常州校区 | 智能肢体康复训练器及训练方法 |
US10271768B1 (en) * | 2010-12-23 | 2019-04-30 | Jogohealth Inc. | Method for determining rehab protocol and behavior shaping target for rehabilitation of neuromuscular disorders |
KR20130092815A (ko) * | 2012-02-13 | 2013-08-21 | 인제대학교 산학협력단 | 생체신호를 기반으로 하는 운동 및 인지 재활 훈련 시스템 |
CN104000586A (zh) * | 2014-05-12 | 2014-08-27 | 燕山大学 | 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法 |
US20180055400A1 (en) * | 2015-03-23 | 2018-03-01 | Repono Pty Ltd | Muscle Activity Monitoring |
CN106108842A (zh) * | 2016-04-13 | 2016-11-16 | 中山大学 | 一种基于熵的康复训练和评估方法、系统和装置 |
CN106618965A (zh) * | 2017-01-22 | 2017-05-10 | 无锡智开医疗机器人有限公司 | 一种穿戴式肢体康复训练系统及控制方法 |
CN109330609A (zh) * | 2018-09-21 | 2019-02-15 | 国家康复辅具研究中心 | 一种基于近红外光谱技术的自适应脑神经反馈方法及系统 |
CN111973183A (zh) * | 2019-05-21 | 2020-11-24 | 中国科学院深圳先进技术研究院 | 一种肌肉疲劳的联合测量装置、方法以及假肢 |
CN110433397A (zh) * | 2019-08-20 | 2019-11-12 | 国家康复辅具研究中心 | 一种与经颅磁刺激同步的动态脑功能检测方法及系统 |
CN110974212A (zh) * | 2019-11-07 | 2020-04-10 | 曲阜师范大学 | 一种融合心电和肌电特征的康复训练运动状态监测方法及系统 |
CN111195393A (zh) * | 2020-01-08 | 2020-05-26 | 国家康复辅具研究中心 | 近红外脑区激活模式导向的外周电刺激系统及其使用方法 |
CN212369483U (zh) * | 2020-04-01 | 2021-01-19 | 福建医科大学附属第一医院 | 一种中高危冠心病患者的康复运动监护系统 |
CN111544854A (zh) * | 2020-04-30 | 2020-08-18 | 天津大学 | 基于脑肌电信号深度学习融合的脑卒中运动康复方法 |
CN111816309A (zh) * | 2020-07-13 | 2020-10-23 | 国家康复辅具研究中心 | 基于深度强化学习的康复训练处方自适应推荐方法及系统 |
CN112206140A (zh) * | 2020-09-03 | 2021-01-12 | 国家康复辅具研究中心 | 心脑耦合导向的气动循环训练方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391701A (zh) * | 2021-06-15 | 2021-09-14 | 国家康复辅具研究中心 | 一种融合虚拟现实游戏和意图识别的康复训练方法及系统 |
CN113391701B (zh) * | 2021-06-15 | 2021-12-07 | 国家康复辅具研究中心 | 一种融合虚拟现实游戏和意图识别的康复训练方法及系统 |
CN113576476A (zh) * | 2021-08-02 | 2021-11-02 | 汪勇波 | 基于监测肌肉氧饱和度和肌电信号的康复训练系统及方法 |
CN114391815A (zh) * | 2022-03-25 | 2022-04-26 | 慧创科仪(北京)科技有限公司 | 用近红外脑功能成像装置进行卒中康复分析的方法、系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112932474B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112932474B (zh) | 基于脑血氧和肌电信号的康复训练方法及系统 | |
US8700141B2 (en) | Method and apparatus for automatic evoked potentials assessment | |
CN110765920A (zh) | 基于卷积神经网络的运动想象分类方法 | |
CN108577834B (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
CN104914994A (zh) | 基于稳态视觉诱发电位的飞行器控制系统和飞行控制方法 | |
CN105054927A (zh) | 一种下肢康复系统中主动参与度的生物量化评估方法 | |
CN107657868A (zh) | 一种基于脑电波的教学跟踪辅助系统 | |
CN112274779B (zh) | 基于功能性近红外导向的经颅磁刺激系统及方法 | |
CN111281399A (zh) | 基于近红外的多频段生理信号反馈系统及其使用方法 | |
CN111227830B (zh) | 一种基于复杂改进多尺度传递熵的脑肌电耦合分析方法 | |
CN111708978B (zh) | 多尺度时频肌间耦合分析方法 | |
CN112426162A (zh) | 一种基于脑电信号节律熵的疲劳检测方法 | |
CN111195393A (zh) | 近红外脑区激活模式导向的外周电刺激系统及其使用方法 | |
Kokonozi et al. | A study of heart rate and brain system complexity and their interaction in sleep-deprived subjects | |
CN204759349U (zh) | 一种基于稳态视觉诱发电位的飞行器控制装置 | |
CN113143296B (zh) | 沟通障碍的智能评估方法及评估系统 | |
CN105769184A (zh) | 一种用于麻醉深度监测仪的csi指数提取方法 | |
CN110192875B (zh) | 基于多导脑电信号波形因子的测谎方法 | |
Melinscak et al. | Discriminating between attention and mind wandering during movement using EEG | |
Omar et al. | An analysis of EEG signal generated from ischemic stroke patient | |
CN113545792A (zh) | 一种基于tms-eeg的神经生物标记物的检测方法 | |
CN112022151A (zh) | 一种脑电棘慢波的处理及识别方法 | |
He et al. | Vep feature extraction and classification for brain-computer interface | |
Wibawa et al. | Statistical analysis of subject-specific EEG data during stroke rehabilitation monitoring | |
Dubey et al. | Digital analysis of EEG brain signal |
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 |