CN115985466A - 一种临床针灸治疗方案选定方法、介质及系统 - Google Patents
一种临床针灸治疗方案选定方法、介质及系统 Download PDFInfo
- Publication number
- CN115985466A CN115985466A CN202211600862.9A CN202211600862A CN115985466A CN 115985466 A CN115985466 A CN 115985466A CN 202211600862 A CN202211600862 A CN 202211600862A CN 115985466 A CN115985466 A CN 115985466A
- Authority
- CN
- China
- Prior art keywords
- acupuncture
- brain
- treatment
- signal
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Finger-Pressure Massage (AREA)
Abstract
本发明提供了一种临床针灸治疗方案选定方法、介质及系统,属于临床针灸技术领域,该临床针灸治疗方案选定方法包括:采集多个患者的症状信息、针灸治疗方案、治疗信号集以及阶段疗效信息,所述治疗信号集为当患者进行针灸治疗时采集患者连接的脑机接口输出的信号集合;所述阶段疗效信息为所述患者根据所述针灸治疗方案进行阶段治疗后的症状康复情况;以多个患者的症状信息为输入数据,以患者的针灸治疗方案、实时治疗信号集以及阶段疗效信息为输出数据建立训练数据集,建立深度学习网络模型并采用所述训练数据集对所述深度网络模型进行训练;将待治疗患者的症状信息加载到所述深度网络模型进行计算,得到所述待治疗患者的针灸治疗方案。
Description
技术领域
本发明属于临床针灸技术领域,具体而言,涉及一种临床针灸治疗方案选定方法、介质及系统。
背景技术
针灸是一种中国特有的治疗疾病的手段。它是一种“内病外治”的医术。是通过经络、腧穴的传导作用,以及应用一定的操作法,来治疗全身疾病。针灸是中医针法和灸法的总称。针法是用特制的金属针,按一定穴位,刺入患者体内,运用操作手法以达到治病的目的。灸法是把燃烧着的艾绒,温灼穴位的皮肤表面,利用热刺激来治病。
脑机接口,有时也称作“大脑端口”direct neural interface或者“脑机融合感知”brain-machine interface,它是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。脑机接口原理是在人或动物脑与计算机或其他电子设备之间建立的不依赖于常规大脑信息输出通路的一种全新通讯和控制技术。在大脑与外部设备之间创建直接连接,实现脑与设备的信息交换。当人类思考时,大脑皮层中的神经元会产生微小的电流。人类进行不同的思考活动时,激活的神经元也不同。而脑机接口技术便可以靠直接提取大脑中的这些神经信号来控制外部设备,在人与机器之间架起桥梁。在单向脑机接口的情况下,计算机或者接受脑传来的命令,或者发送信号到脑(例如视频重建),但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。
授权公告号为CN110368300B的中国发明专利(专利号:CN201910615594.X)公开了一种智能针灸诊疗系统,包括:信息采集模块,信息采集模块包括中医检测模块和西医检测模块,中医检测模块包括经络穴位信息采集装置;数据中心,数据中心包括数据库和数据挖掘模块,数据挖掘模块建立诊断数学模型和治疗数学模型;数据中心接收和分析信息采集模块获得的检测信息,生成检测报告;诊断模块,诊断模块包括中医诊断评估模块和西医诊断评估模块;诊断模块根据检测报告和诊断数学模型生成诊断信息;治疗模块,治疗模块包括中医治疗建议模块和西医治疗建议模块;治疗模块根据诊断信息以及治疗数学模型生成治疗信息,治疗信息包括针灸治疗穴位组合。本发明能够提高穴位定位、诊断和治疗的准确性。
由于在对患者进行针灸治疗过程中,医生通常按照疗程或治疗阶段对患者的针灸治疗方案进行变更,上述发明不能提供针对患者治疗情况进行治疗方案变更。
发明内容
有鉴于此,本发明提供了一种临床针灸治疗方案选定方法、介质及系统,能够解决针对患者治疗情况进行治疗方案变更的技术问题。
本发明是这样实现的:
本发明的第一方面提供一种临床针灸治疗方案选定方法,其中,包括:
S1 0:采集多个患者的症状信息、针灸治疗方案、治疗信号集以及阶段疗效信息,所述治疗信号集为当患者进行针灸治疗时采集患者连接的脑机接口输出的信号集合;所述阶段疗效信息为所述患者根据所述针灸治疗方案进行阶段治疗后的症状康复情况;
S20:以多个患者的症状信息为输入数据,以患者的针灸治疗方案、治疗信号集以及阶段疗效信息为输出数据建立训练数据集,建立深度学习网络模型并采用所述训练数据集对所述深度网络模型进行训练;
S30:将待治疗患者的症状信息加载到所述深度网络模型进行计算,得到所述待治疗患者的针灸治疗方案。
在上述技术方案的基础上,本发明的一种临床针灸治疗方案选定方法还可以做如下改进:
其中,所述针灸治疗方案至少包括针灸治疗次数、每次针灸治疗的针疗穴位、针疗穴位顺序、每个针疗穴位的时长以及每次针灸治疗的灸疗穴位、灸疗穴位顺序、每个灸疗穴位的时长。
进一步的,所述步骤S10还包括:
S11:采集多个健康人体的针灸刺激信息以及针灸刺激脑机信号,所述针灸刺激信息包括针刺激穴位、针刺激穴位顺序、每个针刺激穴位的时长以及包括灸刺激穴位、灸刺激穴位顺序、每个灸刺激穴位的时长;所述针灸刺激脑机信号为所述健康人体进行针灸刺激时采集所述健康人体连接的脑机接口输出信号;
S12:以所述患者的治疗信号集为疗效信号集,以与所述患者的针灸治疗方案对应的针灸刺激脑机信号为康复信号,当所述疗效信号集的收敛信号与所述康复信号的相似度大于相似度阈值时,认定所述患者康复,并更新所述患者的针灸治疗方案中的治疗次数;其中,所述疗效信号集的收敛信号指的是,所述疗效信号集趋于稳定的信号。
进一步的,所述步骤S10还包括:
S13:当所述患者的针灸治疗方案改变时,对所述针灸治疗方案进行更新。
进一步的,所述疗效信号集的收敛信号与所述康复信号的相似度的计算步骤具体包括:
第一步:将所述疗效信号集的收敛信号进行时域二维投影得到第一图像,将所述复信号进行时域二维投影得到第二图像;
第二步:采用余弦相似度对第一图像和第二图像进行相似度计算。
进一步的,所述相似度阈值为95%。
进一步的,所述脑机接口的输出信号为所述脑机接口的直接输出信号经选择和优化处理后得到的有效特征信号,所述对脑机接口的直接输出信号进行选择和优化处理的方法具体包括:
步骤1、采用样条插值法对采集到的脑机接口的脑电信号进行时域分析,选择波形幅值明显且潜伏期恒定的事件相关电位成分,作为脑机接口中的有效特征信号;
步骤2、对采集脑机接口脑电数据进行脑电采集导联筛选;
步骤3、对筛选出的若干导联通道的脑电信号,按通道进行同步平均后得到不同时刻下的脑电地形图并进行脑电地形图分析,选择特征信号明显的时间窗作为最优时间窗;
步骤4、将采集到的脑机接口的脑电信号,按步骤1进行有效特征信号的选择,选择与步骤2筛选的到连通道对应的脑电信号,根据步骤3得到的最优时间窗对数据进行截取,从而完成特征提取。
其中,所述针疗穴位和所述灸疗穴位均包括穴位名称、位置、深度、所述经络以及在所述经络上的顺序。
本发明的第二方面提供一种计算机可读存储介质,其中所述计算机可读存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现上述的任一项所述的基于脑机接口的针灸穴位选定方法。
本发明的第三方面提供一种基于脑机接口的针灸穴位选定系统,具有脑机接口装置,其中,包括如上述的计算机可读存储介质。
与现有技术相比较,本发明提供的一种临床针灸治疗方案选定方法、介质及系统的有益效果是:利用脑机接口实现对患者治疗过程中的输出信号进行采集,利用健康人体的脑机接口输出信号进行比对,并判定是否完成治疗,并支持对治疗方案进行更新,最终选定的临床针灸治疗方案能够包含更新的方案,有效解决了针对患者治疗情况进行治疗方案变更的技术问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种临床针灸治疗方案选定方法的流程图;
图2为布罗德曼分区示意图;
图3为余弦相似度空间图;
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
如图1所示,是本发明第一方面提供一种临床针灸治疗方案选定方法的流程图,本方法包括如下步骤:
S1 0:采集多个患者的症状信息、针灸治疗方案、治疗信号集以及阶段疗效信息,治疗信号集为当患者进行针灸治疗时采集患者连接的脑机接口输出的信号集合;阶段疗效信息为患者根据针灸治疗方案进行阶段治疗后的症状康复情况;
S20:以多个患者的症状信息为输入数据,以患者的针灸治疗方案、治疗信号集以及阶段疗效信息为输出数据建立训练数据集,建立深度学习网络模型并采用训练数据集对深度网络模型进行训练;
S30:将待治疗患者的症状信息加载到深度网络模型进行计算,得到待治疗患者的针灸治疗方案。
下面以当患者进行针灸治疗时采集患者连接的脑机接口输出的相关信号进行分析为例说明该采集方式:
对患者进行针灸治疗过程中,采集患者的脑电信号,其中治疗过程的参数包括针灸治疗的针疗穴位、针疗穴位顺序、每个针疗穴位的时长以及每次针灸治疗的灸疗穴位、灸疗穴位顺序、每个灸疗穴位的时长;脑电信号是指当患者进行针灸治疗过程中在患者头部的头针感觉区以及体感知觉区检测到的脑电信号;
将脑电信号与若干个预存期望信号进行一一对应的特征系数判别分析,以得到判别分析结果,判别分析结果包括频率特征系数和空间强度分布系数;将脑电信号定义为第一变量,其中一个期望信号定义为第二变量;将第一变量与第二变量进行线性变换,将第一变量的组合变量以及第二变量的组合变量之间最大的相关系数确定为频率特征系数,将最大的相关系数的组合系数确定为空间强度分布系数;
将空间强度分布系数与若干个预存训练数据进行比对,以得到基于同一个穴位针灸治疗时空间强度分布系数与该穴位针灸治疗时的训练数据的空间特征概率系数;
将针灸治疗过程中采集的若干脑电信号对应的频率特征系数和空间特征概率系数进行加权处理,以将加权处理结果的最大值作为治疗信号集。
其中,头针感觉区是焦氏头针刺激区之一,相当于大脑皮质中央后回在头皮上的投影,自运动区后移1.5cm的平行线即为感觉区。上1/5是下肢、头、躯干感觉区,主治对侧腰腿痛、麻木、感觉异常及头项疼痛、耳鸣;中2/5是上肢感觉区。
其中体感知觉区包括布罗德曼分区中的1、2、3、5、7、23、30以及31区,布罗德曼分区是一个根据细胞结构将大脑皮层划分为一系列解剖区域的系统。神经解剖学中所谓细胞结构(Cytoarchitecture),是指在染色的脑组织中观察到的神经元的组织方式。
其中,在上述技术方案中,针灸治疗方案至少包括针灸治疗次数、每次针灸治疗的针疗穴位、针疗穴位顺序、每个针疗穴位的时长以及每次针灸治疗的灸疗穴位、灸疗穴位顺序、每个灸疗穴位的时长。
进一步的,在上述技术方案中,步骤S10还包括:
S11:采集多个健康人体的针灸刺激信息以及针灸刺激脑机信号,针灸刺激信息包括针刺激穴位、针刺激穴位顺序、每个针刺激穴位的时长以及包括灸刺激穴位、灸刺激穴位顺序、每个灸刺激穴位的时长;针灸刺激脑机信号为健康人体进行针灸刺激时采集健康人体连接的脑机接口输出信号;
S12:以患者的治疗信号集为疗效信号集,以与患者的针灸治疗方案对应的针灸刺激脑机信号为康复信号,当疗效信号集的收敛信号与康复信号的相似度大于相似度阈值时,认定患者康复,并更新患者的针灸治疗方案中的治疗次数;其中,疗效信号集的收敛信号指的是,疗效信号集趋于稳定的信号。
其中,采集多个健康人体的针灸刺激信息以及针灸刺激脑机信号时,采用与上述对患者进行针灸治疗过程中采集患者的脑电信号的方式。
进一步的,在上述技术方案中,步骤S10还包括:
S13:当患者的针灸治疗方案改变时,对针灸治疗方案进行更新。
进一步的,在上述技术方案中,疗效信号集的收敛信号与康复信号的相似度的计算步骤具体包括:
第一步:将疗效信号集的收敛信号进行时域二维投影得到第一图像,将复信号进行时域二维投影得到第二图像;
第二步:采用余弦相似度对第一图像和第二图像进行相似度计算。
进一步的,在上述技术方案中,相似度阈值为95%。
其中相似度计算方法为余弦相似度法,余弦相似度主要通过测量两个向量内积空间的夹角余弦值来度量两个向量的相似程度,已被广泛应用于信息检索、关系分析和数据挖掘等领域中,相比于常用的欧式距离等指标更适合用来评价第一图像和第二图像的相似程度。
在求解第一图像和第二图像的相似时,将第一图像的时域投影坐标作为向量d,以第一图像的时域投影坐标作为向量D,通过求取向量d与向量D之间的余弦相似度匹配出相似度最匹配的坐标;
其中余弦相似度计算的表达式如下:
式中:变量d=[d1,d2,...,dn];D=[D1,D2,...,Dn];n为进行相似度匹配的调度数据节点个数。
由余弦相似度计算公式,若采样点个数为3,则余弦相似度空间如附图3所示。由空间图可知,若两个向量的方向相同,则余弦相似度为1,若两个向量方向垂直或相反,则余弦相似度为0和-1。
具体来说,余弦相似度是用以判断两个高维空间向量的方向性差异。因此,对求取的向量d与向量D的余弦相似度进行分析,若余弦相似度越靠近1表明两向量相似程度越高,调度数据的相关程度越高。
进一步的,在上述技术方案中,脑机接口的输出信号为脑机接口的直接输出信号经选择和优化处理后得到的有效特征信号,对脑机接口的直接输出信号进行选择和优化处理的方法具体包括:
步骤1、采用样条插值法对采集到的脑机接口的脑电信号进行时域分析,选择波形幅值明显且潜伏期恒定的事件相关电位成分,作为脑机接口中的有效特征信号;
步骤2、对采集脑机接口脑电数据进行脑电采集导联筛选;
步骤3、对筛选出的若干导联通道的脑电信号,按通道进行同步平均后得到不同时刻下的脑电地形图并进行脑电地形图分析,选择特征信号明显的时间窗作为最优时间窗;
步骤4、将采集到的脑机接口的脑电信号,按步骤1进行有效特征信号的选择,选择与步骤2筛选的到连通道对应的脑电信号,根据步骤3得到的最优时间窗对数据进行截取,从而完成特征提取。
其中,在上述技术方案中,针疗穴位和灸疗穴位均包括穴位名称、位置、深度、经络以及在经络上的顺序。
本发明的第二方面提供一种计算机可读存储介质,其中所述计算机可读存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现上述的任一项所述的基于脑机接口的针灸穴位选定方法。
本发明的第三方面提供一种基于脑机接口的针灸穴位选定系统,具有脑机接口装置,其中,包括如上述的计算机可读存储介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到变化或替换,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以权利要求的保护范围为准。
Claims (10)
1.一种临床针灸治疗方案选定方法,其特征在于,包括:
S10:采集多个患者的症状信息、针灸治疗方案、治疗信号集以及阶段疗效信息,所述治疗信号集为当患者进行针灸治疗时采集患者连接的脑机接口输出的信号集合;所述阶段疗效信息为所述患者根据所述针灸治疗方案进行阶段治疗后的症状康复情况;
S20:以多个患者的症状信息为输入数据,以患者的针灸治疗方案、治疗信号集以及阶段疗效信息为输出数据建立训练数据集,建立深度学习网络模型并采用所述训练数据集对所述深度网络模型进行训练;
S30:将待治疗患者的症状信息加载到所述深度网络模型进行计算,得到所述待治疗患者的针灸治疗方案。
2.根据权利要求1所述的一种临床针灸治疗方案选定方法,其特征在于,所述针灸治疗方案至少包括针灸治疗次数、每次针灸治疗的针疗穴位、针疗穴位顺序、每个针疗穴位的时长以及每次针灸治疗的灸疗穴位、灸疗穴位顺序、每个灸疗穴位的时长。
3.根据权利要求2所述的一种临床针灸治疗方案选定方法,其特征在于,所述步骤S10还包括:
S11:采集多个健康人体的针灸刺激信息以及针灸刺激脑机信号,所述针灸刺激信息包括针刺激穴位、针刺激穴位顺序、每个针刺激穴位的时长以及包括灸刺激穴位、灸刺激穴位顺序、每个灸刺激穴位的时长;所述针灸刺激脑机信号为所述健康人体进行针灸刺激时采集所述健康人体连接的脑机接口输出信号;
S12:以所述患者的治疗信号集为疗效信号集,以与所述患者的针灸治疗方案对应的针灸刺激脑机信号为康复信号,当所述疗效信号集的收敛信号与所述康复信号的相似度大于相似度阈值时,认定所述患者康复,并更新所述患者的针灸治疗方案中的治疗次数;其中,所述疗效信号集的收敛信号指的是,所述疗效信号集趋于稳定的信号。
4.根据权利要求3所述的一种临床针灸治疗方案选定方法,其特征在于,所述步骤S10还包括:
S13:当所述患者的针灸治疗方案改变时,对所述针灸治疗方案进行更新。
5.根据权利要求3所述的一种临床针灸治疗方案选定方法,其特征在于,所述疗效信号集的收敛信号与所述康复信号的相似度的计算步骤具体包括:
第一步:将所述疗效信号集的收敛信号进行时域二维投影得到第一图像,将所述复信号进行时域二维投影得到第二图像;
第二步:采用余弦相似度对第一图像和第二图像进行相似度计算。
6.根据权利要求3所述的一种临床针灸治疗方案选定方法,其特征在于,所述相似度阈值为95%。
7.根据权利要求1或3所述的一种临床针灸治疗方案选定方法,其特征在于,所述脑机接口的输出信号为所述脑机接口的直接输出信号经选择和优化处理后得到的有效特征信号,所述对脑机接口的直接输出信号进行选择和优化处理的方法具体包括:
步骤1、采用样条插值法对采集到的脑机接口的脑电信号进行时域分析,选择波形幅值明显且潜伏期恒定的事件相关电位成分,作为脑机接口中的有效特征信号;
步骤2、对采集脑机接口脑电数据进行脑电采集导联筛选;
步骤3、对筛选出的若干导联通道的脑电信号,按通道进行同步平均后得到不同时刻下的脑电地形图并进行脑电地形图分析,选择特征信号明显的时间窗作为最优时间窗;
步骤4、将采集到的脑机接口的脑电信号,按步骤1进行有效特征信号的选择,选择与步骤2筛选的到连通道对应的脑电信号,根据步骤3得到的最优时间窗对数据进行截取,从而完成特征提取。
8.根据权利要求1所述的一种临床针灸治疗方案选定方法,其特征在于,所述针疗穴位和所述灸疗穴位均包括穴位名称、位置、深度、所述经络以及在所述经络上的顺序。
9.一种计算机可读存储介质,其特征在于所述计算机可读存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现如权利要求1~8中任一项所述的基于脑机接口的针灸穴位选定方法。
10.一种基于脑机接口的针灸穴位选定系统,具有脑机接口装置,其特征在于,包括如权利要求9所述的计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211600862.9A CN115985466A (zh) | 2022-12-15 | 2022-12-15 | 一种临床针灸治疗方案选定方法、介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211600862.9A CN115985466A (zh) | 2022-12-15 | 2022-12-15 | 一种临床针灸治疗方案选定方法、介质及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115985466A true CN115985466A (zh) | 2023-04-18 |
Family
ID=85971522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211600862.9A Pending CN115985466A (zh) | 2022-12-15 | 2022-12-15 | 一种临床针灸治疗方案选定方法、介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115985466A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486999A (zh) * | 2023-05-19 | 2023-07-25 | 黑龙江中医药大学 | 一种面瘫针灸治疗过程自适应辅助监控方法及系统 |
CN116564541A (zh) * | 2023-07-11 | 2023-08-08 | 深圳市朴硕健康文化科技有限公司 | 基于大数据的施灸方案预测方法、装置、电子设备及介质 |
-
2022
- 2022-12-15 CN CN202211600862.9A patent/CN115985466A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486999A (zh) * | 2023-05-19 | 2023-07-25 | 黑龙江中医药大学 | 一种面瘫针灸治疗过程自适应辅助监控方法及系统 |
CN116486999B (zh) * | 2023-05-19 | 2023-10-20 | 黑龙江中医药大学 | 一种面瘫针灸治疗过程自适应辅助监控方法及系统 |
CN116564541A (zh) * | 2023-07-11 | 2023-08-08 | 深圳市朴硕健康文化科技有限公司 | 基于大数据的施灸方案预测方法、装置、电子设备及介质 |
CN116564541B (zh) * | 2023-07-11 | 2024-02-09 | 深圳市朴硕健康文化科技有限公司 | 基于大数据的施灸方案预测方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sabbagh et al. | Predictive regression modeling with MEG/EEG: from source power to signals and cognitive states | |
Li et al. | Multi-modal bioelectrical signal fusion analysis based on different acquisition devices and scene settings: Overview, challenges, and novel orientation | |
Tong et al. | Quantitative EEG analysis methods and clinical applications | |
CN115985466A (zh) | 一种临床针灸治疗方案选定方法、介质及系统 | |
KR102143900B1 (ko) | 사용자 독립적 뇌-컴퓨터 인터페이스 제공 시스템 및 그 방법 | |
Niedermeyer | Niedermeyer's electroencephalography: basic principles, clinical applications, and related fields | |
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 | |
CN110799097A (zh) | 用于分析侵入式脑部刺激的方法及系统 | |
CN108721048A (zh) | 康复训练控制方法、计算机可读存储介质和终端 | |
Pun et al. | Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva | |
Gevins | Electrophysiological Imaging | |
Guttmann-Flury et al. | Channel selection from source localization: A review of four EEG-based brain–computer interfaces paradigms | |
Gao et al. | A wavelet time-frequency representation based complex network method for characterizing brain activities underlying motor imagery signals | |
Li et al. | Subject-based dipole selection for decoding motor imagery tasks | |
CN108814569A (zh) | 康复训练控制装置 | |
CN117281479A (zh) | 一种基于表面肌电信号多维度特征融合的人体下肢慢性疼痛判别方法、存储介质及装置 | |
Sanei et al. | Advances in electroencephalography signal processing [Life Sciences] | |
CN115862811A (zh) | 一种连续性手术麻醉方法 | |
Devlaminck et al. | Brain-Computer Interfaces: from theory to practice. | |
Gevins | High resolution evoked potentials of cognition | |
Wu et al. | Coupling convolution, transformer and graph embedding for motor imagery brain-computer interfaces | |
Liu et al. | Galvanic vestibular stimulation: data analysis and applications in neurorehabilitation | |
Cheng et al. | Using the Multi-Linear Rank-(L r, L r, 1) Decomposition for the Detection of the 200 Hz Band Activity in Somatosensory Evoked Magnetic Fields and Somatosensory Evoked Electrical Potentials | |
Lim | Bi-Directional Brain-Computer Interfaces: Stimulation Artifact Suppression Design and Walking Exoskeleton Implementation | |
Litvak | Analysis of the effects of transcranial magnetic stimulation on functional states and connectivity of the human cerebral cortex using 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 |