CN113143676B - 一种基于脑肌电协同的外肢体手指的控制方法 - Google Patents

一种基于脑肌电协同的外肢体手指的控制方法 Download PDF

Info

Publication number
CN113143676B
CN113143676B CN202011469976.5A CN202011469976A CN113143676B CN 113143676 B CN113143676 B CN 113143676B CN 202011469976 A CN202011469976 A CN 202011469976A CN 113143676 B CN113143676 B CN 113143676B
Authority
CN
China
Prior art keywords
signal
electroencephalogram
muscle
brain
frontal muscle
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
Application number
CN202011469976.5A
Other languages
English (en)
Other versions
CN113143676A (zh
Inventor
刘源
王壮
王雯婕
黄帅飞
明东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Datian Medical Science Engineering Tianjin Co ltd
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202011469976.5A priority Critical patent/CN113143676B/zh
Publication of CN113143676A publication Critical patent/CN113143676A/zh
Application granted granted Critical
Publication of CN113143676B publication Critical patent/CN113143676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
    • A61H1/0285—Hand
    • A61H1/0288—Fingers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • 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
    • 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/1635—Hand or arm, e.g. handle
    • A61H2201/1638—Holding means therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/165—Wearable interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/06—Arms
    • A61H2205/065—Hands
    • A61H2205/067—Fingers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/08—Other bio-electrical signals
    • A61H2230/085—Other bio-electrical signals used as a control parameter for the apparatus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/08—Other bio-electrical signals
    • A61H2230/10—Electroencephalographic signals
    • A61H2230/105—Electroencephalographic signals used as a control parameter for the apparatus
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Rehabilitation Therapy (AREA)
  • Epidemiology (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Prostheses (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种基于脑肌电协同的外肢体手指的控制方法，将额肌电信号和脑电信号作为动作状态转换的触发指令，依据计算结果判断是否输出触发指令，由此完成上肢康复训练中的不同动作的切换，不仅可以在不占用人类固有肢体自由度的情况下控制外肢体机器人，即时性增强或补偿人体运动功能，还展现出帮助脑卒中偏瘫患者实现主动式运动康复的潜力。另外，使用卷积神经网络对运动想象脑电信号进行识别分类，展现出了优于传统分类器的分类性能，并且利用遗传算法优化卷积神经网络模型的各类参数，高效地实现了小样本情况下深度学习模型地构建与使用。

Description

一种基于脑肌电协同的外肢体手指的控制方法
技术领域
本发明属于康复用外肢体手指控制技术领域，尤其是一种基于脑肌电协同的外肢体手指的控制方法。
背景技术
外肢体机器人是在2012年机器人顶级会议ICRA上提出的一种新兴生机电一体化机器人。在其控制领域，目前大多数研究通过追踪使用者手部姿态及通过肌电信号以识别用户运动意图进而转化为控制指令等方法控制外肢体机器人，比如：右手在康复训练中佩戴外肢体手指，然后左手做出特定的动作来控制右手的康复动作，这样在康复训练中，左手不能进行其他工作，既在控制外肢体的同时占用了人类固有肢体自由度，不能充分发挥外肢体机器人作为新兴人体增强装备的突出潜能。目前，如何通过基于运动想象的脑机接口来帮助上肢偏瘫的脑卒中患者实现主动式运动康复是其他控制策略所不具备的。
发明内容
本发明的目的在于克服现有技术的不足，提出一种基于脑肌电协同控制外肢体手指的控制策略。本发明通过肌电信号传感器采集前额肌处的肌电信号并进行阈值判别，通过便携式脑电信号传感器采集运动想象脑电信号，利用遗传算法(GeneticAlgorithm)与卷积神经网络(ConvolutionalNeuralNetwork)识别分类使用者的控制意图实时控制外肢体机器人，实现健康人运动功能的增强与偏瘫患者运动功能的补偿。
本发明采取的技术方案是：
一种基于脑肌电协同的外肢体手指的控制方法，其特征在于：包括脑电信号采集装置和额肌电采集装置，脑电信号采集装置和额肌电采集装置分别用于采集脑电信号和额肌电信号，控制方法包括以下步骤：
⑴额肌电校准信号采集，计算阈值；
⑵脑电校准信号采集，建立脑电信号卷积神经网络模型；
⑶额肌电信号实时采集，脑肌电信号实时采集；
⑷如果额肌电信号按照阈值判断为有效，则输出肌电触发指令，采集下一时刻额肌电信号；
如果额肌电信号按照阈值判断为无效，则不输出肌电触发指令，采集下一时刻额肌电信号；
如果脑电信号经过脑电信号卷积神经网络模型判断为有效，则输出脑电触发指令，采集下一个脑电信号；
如果脑电信号经过脑电信号卷积神经网络模型判断为无效，则不输出脑电触发指令，采集下一个脑电信号。
再有，所述脑电信号采集装置包括8通道脑电传感器，采样频率为250Hz。
再有，所述额肌电采集装置包括氯化银电极，采样频率为1000Hz。
再有，步骤⑴所述计算阈值的过程包括：
⑴使用者依照提示在10s内完成一次额肌最大程度收缩，采集该10s的额肌电信号；
⑵对采集的额肌电信号进行平滑滤波处理，提取其时域特征，以500ms的滑动窗技术来计算10s时间窗内所获得的额肌电信号最高幅值的平均值为
Figure BDA0002835893940000021
规定阈值
Figure BDA0002835893940000022
再有，步骤⑵所述建立脑电信号卷积神经网络模型的过程包括：
⑴使用者完成10组运动想象任务，每组任务包含6个试次，共采集20min脑电校准信号；
⑵对采集的脑电校准信号进行平均参考、陷波滤波、带通滤波和小波去噪处理；
⑶步骤⑵的处理结果进行小波变换，得到时频域特征；
⑷对小波变换后的数据输入到由两层卷积层、一层池化层及两层全连接层构成的卷积神经网络模型，进行分类模型的训练；
⑸将脑电信号分成训练集和测试集，进行验证。
再有，步骤⑷所述额肌电信号判断有效的过程是：以第一个肌电信号幅值大于阈值P的采样点为起始点，如果起始点后的200ms内的采样点信号幅值均大于阈值P，则判断结果为有效。
再有，步骤⑷所述脑电信号判断有效的过程是：卷积神经网络模型连续两次判别为运动想象态的置信度都大于80％。
本发明的优点和积极效果是：
本发明中，将额肌电信号和脑电信号作为动作状态转换的触发指令，依据计算结果判断是否输出触发指令，由此完成上肢康复训练中的不同动作的切换，不仅可以在不占用人类固有肢体自由度的情况下控制外肢体机器人，即时性增强或补偿人体运动功能，还展现出帮助脑卒中偏瘫患者实现主动式运动康复的潜力。另外，使用卷积神经网络对运动想象脑电信号进行识别分类，展现出了优于传统分类器的分类性能，并且利用遗传算法优化卷积神经网络模型的各类参数，高效地实现了小样本情况下深度学习模型地构建与使用。
附图说明
图1是基于脑肌电信号的有限状态机示意图；
图2是脑肌电处理流程图；
图3是运动想象任务态的脑地形图；
图4是卷积神经网络模型参数图；
图5是遗传算法流程图；
图6是运动想象脑电信号分类结果示意图；
图7是实验场景图。
具体实施方式
下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
本发明的基本原理是：通过肌电传感器与脑电传感器采集脑肌电信号，并对信号进行预处理等操作，得到校准数据；利用校准数据，计算得到肌电信号的判别阈值以及训练得到卷积神经网络模型，用于使用者控制意图的实时识别；基于校准后得到的判别阈值及卷积神经网络模型，对实时采集使用者的脑肌电信号进行分类决策，输出控制指令。通过额肌收缩时的肌电信号与运动想象外肢体包络时的脑电信号协同控制外肢体机器人，额肌的收缩特征表现为肌电信号幅值的增加；运动想象特征表现为脑区出现事件相关同步/事件相关去同步(ERD/ERS)现象。
具体技术方案是：基于脑肌电协同的外肢体手指的控制方法，如图1-7所示，本发明的创新在于：包括脑电信号采集装置和额肌电采集装置，脑电信号采集装置和额肌电采集装置分别用于采集脑电信号和额肌电信号，控制方法包括以下步骤：
1.额肌电校准信号采集，计算阈值。
额肌电采集装置包括氯化银电极，采样频率为1000Hz。三个氯化银电极中的参考极贴在太阳穴部位，正负极贴在眼眉正上方，左眼和右眼均可以。
计算阈值的过程是：
⑴使用者依照提示在10s内完成一次额肌最大程度收缩，采集该10s的额肌电信号；
⑵对采集的额肌电信号进行平滑滤波处理，提取其时域特征，以500ms的滑动窗技术来计算10s时间窗内所获得的额肌电信号最高幅值的平均值为
Figure BDA0002835893940000031
规定阈值
Figure BDA0002835893940000032
2.脑电校准信号采集，建立脑电信号卷积神经网络模型。
脑电信号采集装置包括8通道脑电传感器，通道选取FC1、FCZ、FC2、C1、C2、CZ、C3、C4，CPZ为参考电极，采样频率为250Hz。
建立脑电信号卷积神经网络模型的过程是：
⑴使用者完成10组运动想象任务，每组任务包含6个试次(根据声音提示完成静息、运动想象各10S/试次)，共采集20min脑电校准信号。
⑵对采集的脑校准电信号进行平均参考、陷波滤波、带通滤波和小波去噪处理。
⑶对小波去噪后的数据进行小波变换，得到时频域特性；ERS/ERD现象在脑电信号Mu节律(8-13HZ)和Beta(14-30HZ)较为明显，如图3所示，因此我们这里提取其8-30HZ的时频域特征，得到一组思维脑电数据。
⑷对小波变换后的数据输入到由两层卷积层、一层池化层及两层全连接层构成的卷积神经网络模型，进行分类模型的训练。
InputShape为一个四维特征矩阵(N,Q,B,G)。其中：N为样本数、Q为单一样本包含的采样点个数、B为通道数、G为频带数。
第一层卷积核大小为(10,1)，目的是提取各通道、各频带脑电信号的时间特征，第二层卷积核大小为(1,8)，目的是整合8通道特征，提取信号空间特征，最后通过2层全连接层实现静息态与任务态的二特征分类模型的训练，如图4所示，并且引入如图5所示的遗传算法，对卷积神经网络的各类参数进行优化，提高分类准确率，实现了小样本情况下的模型训练。
⑸将脑电信号分成训练集和测试集，进行验证。
图6为运动想象脑电信号分类结果示意图，将数据以9:1比例分为训练集与测试集，其中横坐标为模型训练次数Epochs，纵坐标为测试集的分类准确率与损失函数值。图中表示，经过上述步骤建立的脑电信号卷积神经网络模型满足实际需要。
3.额肌电信号时时采集，脑肌电信号时时采集；
4.如果额肌电信号按照阈值判断为有效，则输出肌电触发指令，采集下一时刻额肌电信号；额肌电信号判断有效的过程是：以第一个肌电信号幅值大于阈值P的采样点为起始点，如果起始点后的200ms内的采样点信号幅值均大于阈值P，则判断结果为有效。
如果额肌电信号按照阈值判断为无效，则不输出肌电触发指令，采集下一时刻额肌电信号；
如果脑电信号经过脑电信号卷积神经网络模型判断为有效，则输出脑电触发指令，采集下一时刻脑电信号；脑电信号判断有效的过程是：卷积神经网络模型连续两次判别为运动想象态的置信度都大于80％。
如果脑电信号经过脑电信号卷积神经网络模型判断为无效，则不输出脑电触发指令，采集下一时刻脑电信号。
如图1、2所示，额肌收缩产生额肌电信号，然后输出肌电触发指令，脑部运动想象产生脑电信号，然后输出脑电触发指令，两个指令可以作为不同动作转换的控制指令，控制指令驱动电机等驱动部件工作，完成停止伸展、停止弯曲、待弯曲、弯曲ing、待伸展、伸展ing等动作的切换。
本发明中，将额肌电信号和脑电信号作为动作状态转换的触发指令，依据计算结果判断是否输出触发指令，由此完成上肢康复训练中的不同动作的切换，不仅可以在不占用人类固有肢体自由度的情况下控制外肢体机器人，即时性增强或补偿人体运动功能，还展现出帮助脑卒中偏瘫患者实现主动式运动康复的潜力。另外，使用卷积神经网络对运动想象脑电信号进行识别分类，展现出了优于传统分类器的分类性能，并且利用遗传算法优化卷积神经网络模型的各类参数，高效地实现了小样本情况下深度学习模型地构建与使用。

Claims (5)

1.一种基于脑肌电协同的外肢体手指的控制系统，其特征在于：包括脑电信号采集装置和额肌电采集装置，脑电信号采集装置和额肌电采集装置分别用于采集脑电信号和额肌电信号，所述控制系统包括以下模块：
模块一：额肌电校准信号采集，计算阈值；
模块二：脑电校准信号采集，建立脑电信号卷积神经网络模型；
模块三：额肌电信号实时采集，脑肌电信号实时采集；
模块四：如果额肌电信号按照阈值判断为有效，则输出肌电触发指令，采集下一时刻额肌电信号；
如果额肌电信号按照阈值判断为无效，则不输出肌电触发指令，采集下一个额肌电信号；
如果脑电信号经过脑电信号卷积神经网络模型判断为有效，则输出脑电触发指令，采集下一个脑电信号；
如果脑电信号经过脑电信号卷积神经网络模型判断为无效，则不输出脑电触发指令，采集下一个脑电信号；
所述额肌电采集装置包括氯化银电极，采样频率为1000Hz；三个氯化银电极中的参考极贴在太阳穴部位，正负极贴在眼眉正上方；
模块一所述计算阈值的过程包括：
⑴使用者依照提示在10s内完成一次额肌最大程度收缩，采集该10s的额肌电信号；
⑵对采集的额肌电信号进行平滑滤波处理，提取其时域特征，以500ms的滑动窗技术来计算10s时间窗内所获得的额肌电信号最高幅值的平均值为
Figure FDA0004034901590000011
规定阈值
Figure FDA0004034901590000012
2.根据权利要求1所述的一种基于脑肌电协同的外肢体手指的控制系统，其特征在于：所述脑电信号采集装置包括8通道脑电传感器，采样频率为250Hz。
3.根据权利要求2所述的一种基于脑肌电协同的外肢体手指的控制系统，其特征在于：模块二所述建立脑电信号卷积神经网络模型的过程包括：
⑴使用者完成10组运动想象任务，每组任务包含6个试次，共采集20min脑电校准信号；
⑵对采集的脑电校准信号进行平均参考、陷波滤波、带通滤波和小波去噪处理；
⑶步骤⑵的处理结果进行小波变换，得到时频域特征；
⑷将小波变换后的数据输入到由两层卷积层、一层池化层及两层全连接层构成的卷积神经网络模型，进行分类模型的训练；
⑸将脑电信号分成训练集和测试集，进行验证。
4.根据权利要求3所述的一种基于脑肌电协同的外肢体手指的控制系统，其特征在于：模块四所述额肌电信号判断有效的过程是：以第一个肌电信号幅值大于阈值P的采样点为起始点，如果起始点后的200ms内的采样点信号幅值均大于阈值P，则判断结果为有效。
5.根据权利要求4所述的一种基于脑肌电协同的外肢体手指的控制系统，其特征在于：模块四所述脑电信号判断有效的过程是：卷积神经网络模型连续两次判别为运动想象态的置信度都大于80％。
CN202011469976.5A 2020-12-15 2020-12-15 一种基于脑肌电协同的外肢体手指的控制方法 Active CN113143676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011469976.5A CN113143676B (zh) 2020-12-15 2020-12-15 一种基于脑肌电协同的外肢体手指的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011469976.5A CN113143676B (zh) 2020-12-15 2020-12-15 一种基于脑肌电协同的外肢体手指的控制方法

Publications (2)

Publication Number Publication Date
CN113143676A CN113143676A (zh) 2021-07-23
CN113143676B true CN113143676B (zh) 2023-04-11

Family

ID=76882558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011469976.5A Active CN113143676B (zh) 2020-12-15 2020-12-15 一种基于脑肌电协同的外肢体手指的控制方法

Country Status (1)

Country Link
CN (1) CN113143676B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113729731B (zh) * 2021-09-06 2022-12-06 上海觉觉健康科技有限公司 基于脑电信号识别大脑意识状态的系统和方法
CN114344077A (zh) * 2021-12-07 2022-04-15 华南理工大学 基于semg运动意图识别的柔顺上肢康复机器人系统
CN116636815B (zh) * 2023-06-06 2024-03-01 中国人民解放军海军特色医学中心 基于脑电信号的水下作业人员睡眠质量评估方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3680109D1 (de) * 1986-09-26 1991-08-08 Univ Northwestern Myoelektrisch gesteuerte kuenstliche hand.
US6950698B2 (en) * 2003-07-02 2005-09-27 Instrumentarium Corp. Method of positioning electrodes for central nervous system monitoring
CN101766509B (zh) * 2009-12-24 2011-11-30 华东理工大学 一种基于单点采集肌音信号的假肢实时控制方法
CN104107134B (zh) * 2013-12-10 2017-08-01 中山大学 基于肌电反馈的上肢训练方法及系统
CN109620651B (zh) * 2018-11-16 2020-03-31 中国科学技术大学 基于同步脑肌电的智能辅助康复设备
CN109730818A (zh) * 2018-12-20 2019-05-10 东南大学 一种基于深度学习的假手控制方法
CN110238863B (zh) * 2019-06-17 2020-09-01 北京国润健康医学投资有限公司 基于脑电-肌电信号的下肢康复机器人控制方法及系统

Also Published As

Publication number Publication date
CN113143676A (zh) 2021-07-23

Similar Documents

Publication Publication Date Title
CN113143676B (zh) 一种基于脑肌电协同的外肢体手指的控制方法
WO2021143353A1 (zh) 一种手势信息处理方法、装置、电子设备及存储介质
CN111631907B (zh) 基于脑机交互混合智能的脑卒中患者手部康复系统
Ferreira et al. Human-machine interfaces based on EMG and EEG applied to robotic systems
CN107273798A (zh) 一种基于表面肌电信号的手势识别方法
CN110555468A (zh) 一种联合递归图和cnn的脑电信号识别方法及系统
CN102499797B (zh) 假肢控制方法及系统
CN202288542U (zh) 假肢控制装置
CN111584030A (zh) 基于深度学习和复杂网络的意念控制智能康复系统及应用
CN104997581B (zh) 基于面部表情驱动脑电信号的假手控制方法及装置
CN112488002B (zh) 基于n170的情绪识别方法及识别系统
CN112732090B (zh) 基于肌肉协同的用户无关实时手势识别方法
CN113111831A (zh) 一种基于多模态信息融合的手势识别技术
CN111544855A (zh) 基于蒸馏学习和深度学习纯意念控制智能康复方法及应用
MP Idendifying eye movements using neural networks for human computer interaction
CN113871028A (zh) 一种基于肌电智能穿戴的交互式康复系统
CN108874137B (zh) 一种基于脑电信号的手势动作意图检测的通用模型
CN112998725A (zh) 一种基于运动观察的脑机接口技术的康复方法与系统
CN113476799B (zh) 基于肌电和惯性信息的手部训练及评估方法
CN115024735A (zh) 一种基于运动意图识别模型的脑卒中患者康复方法及系统
Al-Quraishi et al. Decoding the User’s Movements Preparation from EEG Signals Using Vision Transformer Architecture
Asogbon et al. A Deep Learning based Model for Decoding Motion Intent of Traumatic Brain Injured Patients' using HD-sEMG Recordings
CN114098768A (zh) 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法
Liu et al. Human-Robot Interaction Based on Biosignals
CN114082169B (zh) 基于脑电信号的伤残手软体康复机器人运动想象识别方法

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
TR01 Transfer of patent right

Effective date of registration: 20230802

Address after: Room 101, Building C22, Entrepreneurship Headquarters Base, north of Fuyuan Road, Wuqing District, Tianjin 301700

Patentee after: DATIAN MEDICAL SCIENCE ENGINEERING (TIANJIN) Co.,Ltd.

Address before: No.92 Weijin Road, Nankai District, Tianjin 300071

Patentee before: Tianjin University

TR01 Transfer of patent right