CN116158764A - 自供电握力测量装置 - Google Patents

自供电握力测量装置 Download PDF

Info

Publication number
CN116158764A
CN116158764A CN202310210208.5A CN202310210208A CN116158764A CN 116158764 A CN116158764 A CN 116158764A CN 202310210208 A CN202310210208 A CN 202310210208A CN 116158764 A CN116158764 A CN 116158764A
Authority
CN
China
Prior art keywords
self
powered
mechanical
unit
measurement device
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
Application number
CN202310210208.5A
Other languages
English (en)
Inventor
谭婷
陈莹花
李天润
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong 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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202310210208.5A priority Critical patent/CN116158764A/zh
Publication of CN116158764A publication Critical patent/CN116158764A/zh
Pending legal-status Critical Current

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
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224—Measuring muscular strength
    • A61B5/225—Measuring muscular strength of the fingers, e.g. by monitoring hand-grip force
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0204—Operational features of power management
    • A61B2560/0214—Operational features of power management of power generation or supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Computational Linguistics (AREA)
  • Veterinary Medicine (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Force Measurement Appropriate To Specific Purposes (AREA)

Abstract

本发明提供了一种自供电握力测量装置，包括：机械测量单元、自供电传感单元和运算单元；所述机械测量单元包括运动测量部，所述自供电传感单元包括压电传感装置，所述压电传感装置设置在所述运动测量部的运动区间；所述自供电传感单元与所述运算单元电连接。本发明利用压电传感装置的正压电效应，将握力信号转换为电信号，解决了现有基于压阻效应的电子握力器需要依赖外部电源进行持续运行等缺陷，所设计的装置可以利用自身俘获的电信号进行握力评估。

Description

自供电握力测量装置
技术领域
本发明涉及握力测量装置技术领域，具体地，涉及一种自供电握力测量装置。
背景技术
握力是与肌肉力量、一系列疾病、全因死亡率、术后康复程度、大脑健康相关的重要指标。医学研究表明，对于无症状的健康参与者以及有肌肉骨骼、神经、关节炎、儿科或全身疾病的患者，握力评估是一种可靠且有效的评估健康的程序。所以有必要通过快速、可靠、廉价、简单的握力评估方式来监测健康者或者部分患者的握力，以更好地监测潜在的病情及治疗和康复程度。
目前最广泛的握力测试方法是使用Jamar液压测力仪，记录三次抓握过程中最大握力的平均值作为结果。Jamar是Mathiowetz等人对成人和儿童进行规范性握力研究中使用的工具，但其稳健性存疑、需要定期校准且分辨率和灵敏度较低，不适于测量虚弱的个体的握力，例如老人或者中风后或手术术后握力低于1公斤的患者。
为解决Jamar测力仪的灵敏度和稳健性等问题，Michael Mace等人设计出一种基于称重传感器的新式握力测试计，具有很高的灵敏度(0.062±0.015kg)和鲁棒性(从1.5米的高度坠落30次，没有明显的性能下降)。为解决特殊人群个性化握力监测的需求，Zhang等人提出了一种基于石墨烯压阻效应的智能球传感器，首次考虑了手和球之间的接触面积对握力的影响，具有价格低廉、便携且小型化的特点。但基于工作原理的局限性，以上两种测力仪都需要定期更换电池等外部电源，所以测力仪的持续可靠运行将受到限制。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种自供电握力测量装置。
根据本发明提供的一种自供电握力测量装置，包括：机械测量单元、自供电传感单元和运算单元；
所述机械测量单元包括运动测量部，所述自供电传感单元包括压电传感装置，所述压电传感装置设置在所述运动测量部的运动区间；所述自供电传感单元与所述运算单元电连接。
优选地，所述运动测量部包括动夹具和定夹具，所述机械测量单元还包括固定底座、支撑件、滑轨、滑块；
所述定夹具的底部沿竖直方向固定安装所述固定底座上，所述支撑件沿竖直方向安装在所述固定底座上，所述滑轨的一端固定在所述支撑件上，另一端通过所述定夹具进行固定，所述滑块沿竖直方向滑动设置在所述滑轨上，所述动夹具安装在所述滑块上。
优选地，所述压电传感装置包括压电元件，所述自供电传感单元还包括力学超材料元件；
所述力学超材料元件为具有非线性力学响应的多孔阵列结构，所述压电元件嵌入所述力学超材料元件的孔结构中，所述力学超材料元件固定设置在所述定夹具和所述动夹具之间。
优选地，所述压电元件设置在所述力学超材料元件左侧或右侧中间的孔结构中。
优选地，所述定夹具和动夹具上均设置有人体工学手柄端。
优选地，所述运算单元包括学习处理单元和GUI演示界面；
所述学习处理模块的训练数据集选用静力机在不同压缩量下以不同的速度对自供电传感单元进行加载和卸载得到的力学超材料元件所受的外力数据和压电元件输出的开路电压数据。
优选地，所述力学超材料元件的孔结构为圆孔。
优选地，所述动夹具、定夹具、支撑件采用铝合金材料制作，所述滑轨和滑块采用不锈钢材料制作。
优选地，所述力学超材料元件采用柔性材料聚二甲硅氧烷。
优选地，所述压电元件采用柔性压电材料聚偏氟乙烯。
与现有技术相比，本发明具有如下的有益效果：
1、本发明利用压电传感装置的正压电效应，将握力信号转换为电信号，解决了现有基于压阻效应的电子握力器需要依赖外部电源进行持续运行等缺陷，所设计的装置可以利用自身俘获的电信号进行握力评估。
2、本发明基于力学超材料的复杂非线性力学响应进行设计，超材料易通过压电材料产生具有复杂特征的电信号，通过运算单元构建力信号和电信号的对应关系，可以测量最大握力且重构握力曲线，提供握力测量者握力的更多信息，解决现有液压式和机械弹簧式握力器功能单一等问题。
3、本发明利用柔性压电材料对应变率敏感的特点，可反映握力测量者抓握速度的快慢，为医生提供关节灵活性等重要的康复程度信息。
4、本发明结构紧凑，实用性强，且力学超材料的力学响应可以按需进行调节，相比常见的握力测量装置具有更多的握力评估功能。
本发明的其他有益效果，将在具体实施方式中通过具体技术特征和技术方案的介绍来阐述，本领域技术人员通过这些技术特征和技术方案的介绍，应能理解所述技术特征和技术方案带来的有益技术效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明中自供电握力测量装置的结构示意图；
图2为本发明中定夹具的结构示意图；
图3为本发明中动夹具的结构示意图；
图4为本发明所述的标定方法的流程示意图；
图5为本发明所述的拉伸试验机示意图；
图6为本发明中的特征提取示意图；
图7为本发明中的数据降维、重构原理示意图；
图8为本发明所述的机器学习模型训练示意图。
附图标记说明：
机械测量单元1 力学超材料元件201
固定底座101 压电元件202
定夹具102 导线3
动夹具103 数据采集装置4
滑块104 拉伸试验机5
滑轨105 测力夹头501
支撑件106 下夹具502
自供电传感单元2
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供了一种自供电握力测量装置，参照图1-图3所示，包括：机械测量单元1、自供电传感单元2和运算单元；所述机械测量单元1包括运动测量部，所述自供电传感单元2包括压电传感装置，所述压电传感装置设置在所述运动测量部的运动区间；所述自供电传感单元2与所述运算单元电连接。
机械测量单元1包括固定底座101、支撑件106、滑轨105、滑块104，运动测量部包括动夹具103和定夹具102；所述定夹具102的底部沿竖直方向固定安装所述固定底座101上，所述支撑件106沿竖直方向安装在所述固定底座101上，所述滑轨104的一端固定在所述支撑件106上，另一端通过所述定夹具102进行固定，所述滑块104沿竖直方向滑动设置在所述滑轨105上，所述动夹具103安装在所述滑块104上。
自供电传感单元2包括力学超材料元件201，压电传感装置包括压电元件202；所述力学超材料元件201为具有非线性力学响应的多孔阵列结构，力学超材料元件201的孔结构为圆孔。力学超材料的孔轮廓的可用傅里叶级数展开表示：
x＝rθcosθ
y＝rθsinθ
rθ＝r0[1+c1cos(4θ)+c2cos(8θ)]
其中坐标原点为孔隙的中心，θ取值范围为0到2π，c1，c2和r0三个参数用于控制孔的形状。当c1＝c2＝0时，对应圆孔。压电元件202两侧镀有银电极，银电极与运算单元电连接。所述压电元件202嵌入所述力学超材料元件201的孔结构中，所述力学超材料元件201平行放置于所述定夹具102和所述动夹具103之间的水平支承平台上，压电元件202设置在所述力学超材料元件201左侧或右侧中间的孔结构中。
运算单元包括学习处理单元和GUI演示界面。GUI演示界面包括最大握力、抓握类别、握力曲线和握力速度的显示窗口。所述学习处理模块的训练数据集选用静力机在不同压缩量下以不同的速度对自供电传感单元2进行加载和卸载得到的力学超材料元件201所受的外力数据和压电元件202输出的开路电压数据。
定夹具102和动夹具103上均设置有人体工学手柄端，所述动夹具103、定夹具102、支撑件106采用铝合金材料制作，所述滑轨105和滑块104采用不锈钢材料制作。所述力学超材料元件201采用廉价安全无毒的柔性材料聚二甲硅氧烷。所述压电元件202采用柔性压电材料聚偏氟乙烯。
工作原理：
利用静力机上在不同的压缩量下以不同的速度对自供电传感单元2进行加载和卸载，得到一一对应的力学超材料元件201所受的外力数据和压电元件202输出的开路电压数据。将所得到的数据作为训练集放入机器学习模块进行学习，得到最大握力、握力曲线和握力速度与电压数据的对应关系。当握力测试者的拇指端和四指端分别抓握机械测量单元1的定夹具102和动夹具103的手柄端时，握力通过动夹具103传递到下方固接的滑块104和自供电传感单元2的力学超材料元件201上，因滑块104只能在滑轨105上进行直线运动，所以当握力传递到力学超材料元件201靠近动夹具103的一端时，力学超材料元件201所受的作用力与表面相垂直。力学超材料元件201被压缩，从而激励黏附在其某一侧中间孔的压电元件202产生电压信号。当握力测试者松开手掌时，力学超材料元件201自动恢复到初始位置，也会激励黏附的压电元件202产生电压信号。电压信号经过运算单元处理。
本发明还提供了一种自供电握力测量装置的标定方法，参照图4所示，包括：
步骤S1：通过拉伸试验机测量非线性握持传感装置在不同条件下的力-时间曲线与电压-时间曲线，构成离线数据库。
具体的实验装置如图5所示，包括拉伸试验机5，测力夹头501，下夹具502，自供电传感单元2包括非线性的力学超材料元件201和压电元件202，所述压电感应单元设置在所述非线性压缩单元中，所述压电感应单元受压时产生电压信号；还包括导线3，数据采集装置4。通过改变压缩距离和压缩速度进行多组实验。实验中测力夹头可以获取压缩过程中的力-时间曲线，压电转换材料产生的电压信号则通过导线连接到数据采集器进行记录。在本步骤中，记录下来的力-时间曲线与电压-时间曲线，以及实验条件设置(距离、速度)是严格对应的，保存到离线数据库中。离线数据库中的数据相当于是非线性传感装置在理想工况(匀速)下的传感表现，其在实际中的应用还需要对数据处理后进行标定。
在一种优选的实施方式中，不同条件包括不同的拉伸机压缩高度和压缩速度。
步骤S2：对离线数据库中的曲线进行特征提取，简化数据特征。参照图6所示，在本发明中，用于后续标定工作的特征经过特征粗提取以及PCA降维得到，其步骤如下所示：
数据特征粗提取。对于电压信号而言，其作为一维曲线，具备的数据特征包括频域特征以及时域特征，主要为21种，分别是：最大值、最小值、平均值、峰峰值、校正平均值、方差、标准差、峰度、偏度、均方根因子、波形因子、峰值因子、脉冲因子、边际因子、重心频率、均方频率、均方根频率、频率方差、频率标准差、功率谱熵、奇异谱熵。上述特征均可通过计算得到。
利用主成分分析法(PCA)进行降维处理。力信号曲线由一系列时间数据点组成，直接作为BP神经网络的输出会造成维数灾难。将每个数据点作为一种特征，根据其每个具体特征对于整体信号的贡献率进行排序，选取信息贡献率总和达99％的若干种特征。通过PCA降维后的数据特征依旧可以反推出原始曲线信号，其原理如图7所示。
步骤S3：利用机器学习方式处理离线数据，针对不同状态指标完成模型训练。最终实现对于握持状态中多指标的计算。参照图8所述，在本发明中，分析的数据指标包括最大力、握持速度以及疲劳率，具体的机器学习模型训练步骤为：
步骤S3.1：获取拉伸试验机的压缩距离和压缩速度参数，获取非线性握持传感装置的形变状态；其中压缩距离与压缩速度为拉伸试验机的设定参数，即在做压缩实验时的对应设置，变形状态则为非线性握持传感装置的终端形变样貌。
步骤S3.2：采用BP神经网络搭建力信号与电压信号间的非线性映射，实现依靠电信号对力信号进行重构。
在本发明中，针对握持状态指标的不同特征，采用两种不同的机器学习模型进行训练。BP神经网络用于搭建力信号与电压信号间的非线性映射，实现仅依靠电信号对力信号进行重构。
步骤S3.3：采用支持向量机模型对压缩速度和非线性握持传感装置的形变状态进行分类识别，通过电信号特征识别出握持速度和形变状态。支持向量机(SVM)用于对握持速度和非线性传感装置的变形状态进行分类识别，实现依靠电信号特征识别出这两类指标。握持速度根据数值分为三档，分别是：0-200mm/min(慢)，200-400mm/min(中等)，>400mm/min(快)。所述非线性传感材料的形变状态根据准静态单轴压缩力学响应分为预变形、接触变形以及完全变形三种。
步骤S4：利用训练完毕的机器学习模型对实时握持测量数据生成多指标反馈。对BP神经网络重构出的力信号进行分析，得到实时反馈的最大握力和疲劳率。通过SVM分类可以得到的握持速度。变形状态这一指标则可以和实际的变形状态进行对照，验证传感的可靠性。其中，疲劳率通过力-时间曲线上方面积/下方面积计算得到。
根据以上步骤，则可以是实现对于非线性握持传感装置的标定，在实际应用中测量最大握力、握持速度和疲劳率这三项指标。
在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”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申请和简化描述，而不是指示或暗示所指的装置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申请的限制。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种自供电握力测量装置，其特征在于，包括：机械测量单元(1)、自供电传感单元(2)和运算单元；
所述机械测量单元(1)包括运动测量部，所述自供电传感单元(2)包括压电传感装置，所述压电传感装置设置在所述运动测量部的运动区间；所述自供电传感单元(2)与所述运算单元电连接。
2.根据权利要求1所述的自供电握力测量装置，其特征在于，所述运动测量部包括动夹具(103)和定夹具(102)，所述机械测量单元(1)还包括固定底座(101)、支撑件(106)、滑轨(105)、滑块(104)；
所述定夹具(102)的底部沿竖直方向固定安装所述固定底座(101)上，所述支撑件(106)沿竖直方向安装在所述固定底座(101)上，所述滑轨(105)的一端固定在所述支撑件(106)上，另一端通过所述定夹具(102)进行固定，所述滑块(104)沿竖直方向滑动设置在所述滑轨(105)上，所述动夹具(103)安装在所述滑块(104)上。
3.根据权利要求2所述的自供电握力测量装置，其特征在于，所述压电传感装置包括压电元件(202)，所述自供电传感单元(2)还包括力学超材料元件(201)；
所述力学超材料元件(201)为具有非线性力学响应的多孔阵列结构，所述压电元件(202)嵌入所述力学超材料元件(201)的孔结构中，所述力学超材料元件(201)固定设置在所述定夹具(102)和所述动夹具(103)之间。
4.根据权利要求3所述的自供电握力测量装置，其特征在于，所述压电元件(202)设置在所述力学超材料元件(201)左侧或右侧中间的孔结构中。
5.根据权利要求1所述的自供电握力测量装置，其特征在于，所述定夹具(102)和动夹具(103)上均设置有人体工学手柄端。
6.根据权利要求1所述的自供电握力测量装置，其特征在于，所述运算单元包括学习处理单元和GUI演示界面；
所述学习处理模块的训练数据集选用静力机在不同压缩量下以不同的速度对自供电传感单元(2)进行加载和卸载得到的力学超材料元件(201)所受的外力数据和压电元件(202)输出的开路电压数据。
7.根据权利要求1所述的自供电握力测量装置，其特征在于，所述力学超材料元件(201)的孔结构为圆孔。
8.根据权利要求1所述的自供电握力测量装置，其特征在于，所述动夹具(103)、定夹具(102)、支撑件(106)采用铝合金材料制作，所述滑轨(105)和滑块(104)采用不锈钢材料制作。
9.根据权利要求1所述的自供电握力测量装置，其特征在于，所述力学超材料元件(201)采用柔性材料聚二甲硅氧烷。
10.根据权利要求1所述的自供电握力测量装置，其特征在于，所述压电元件(202)采用柔性压电材料聚偏氟乙烯。
CN202310210208.5A 2023-03-07 2023-03-07 自供电握力测量装置 Pending CN116158764A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310210208.5A CN116158764A (zh) 2023-03-07 2023-03-07 自供电握力测量装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310210208.5A CN116158764A (zh) 2023-03-07 2023-03-07 自供电握力测量装置

Publications (1)

Publication Number Publication Date
CN116158764A true CN116158764A (zh) 2023-05-26

Family

ID=86416339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310210208.5A Pending CN116158764A (zh) 2023-03-07 2023-03-07 自供电握力测量装置

Country Status (1)

Country Link
CN (1) CN116158764A (zh)

Similar Documents

Publication Publication Date Title
US8535225B2 (en) Integrated colligation evaluating device for human body enginery indexes
CN103300835B (zh) 一种高精度人体脉动测量系统
CN102247151B (zh) 一种肌肉张力传感器及肌肉张力检测方法
WO2011147221A1 (zh) 双感测脉诊仪
CN103654729B (zh) 一种压痛力学测试仪
US6264621B1 (en) System and method for providing quantified and qualitative hand analysis
WO1991007133A1 (en) Sensory discriminator
Hu et al. Spasticity measurement based on the HHT marginal spectrum entropy of sEMG using a portable system: A preliminary study
CA2389051C (en) System and method for providing quantified hand analysis
CN116158764A (zh) 自供电握力测量装置
CN203693562U (zh) 一种压痛力学测试仪
Durfee et al. Rehabilitation and muscle testing
US20040097838A1 (en) System and apparatus for providing quantified hand analysis
KR100745034B1 (ko) 근육기능의 통합 진단분석장치
CN116202684A (zh) 非线性握持状态评估装置标定方法
CN107843390B (zh) 柔性力传感器曲率影响测试装置及方法
CA2836327A1 (en) Device for measuring spinal mobility
Forsman et al. Wavelet analysis to detect gait events
CN1692878A (zh) 测量人体脉搏跳动次数的方法和装置
WO2019078326A1 (ja) 脳活動計測装置の評価システム、評価方法、プログラム、及び非一時的記録媒体
JP2006034809A (ja) 伸張反射測定装置
Nagata et al. Estimation of muscle strength during motion recognition using multichannel surface EMG signals
KR20180097833A (ko) 휴대용 체성분 측정 장치 및 이를 포함하는 체성분 측정 시스템
Nakano et al. Application of least square method for muscular strength estimation in hand motion recognition using surface EMG
KR20230099097A (ko) 수지력 측정 장치

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