-
公开(公告)号:CN115177864A
公开(公告)日:2022-10-14
申请号:CN202210857951.5
申请日:2022-07-20
Applicant: 燕山大学
Abstract: 本发明公开了一种结合肌肉激活度与深度学习的功能性电刺激闭环调控方法,将肌肉激活度分析和深度学习中的LSTM模型结合起来,设计开发了基于肌肉激活度与LSTM的功能性电刺激闭环调控方法,该方法可以根据对肌电信号实时分析得出肌肉状态并自动学习合适功能性电刺激参数,使得患者在健康侧握拳动作时可以根据肌肉激活度变化自动调整功能性电刺激参数,使功能性电刺激下的患侧与健康侧握力大小趋于一致;并且LSTM模型会随着输入数据集的增多不断学习优化输出的电刺激参数,解决了功能性电刺激临床治疗上不能根据用户肌肉状态实时调整自身参数、参数调整完全凭借经验、患者参与度不高和不能主动康复的问题。
-
公开(公告)号:CN115317000A
公开(公告)日:2022-11-11
申请号:CN202211056710.7
申请日:2022-08-31
Applicant: 燕山大学
Abstract: 本发明提供了一种基于同频和跨频信息交互的多层脑网络模型构建方法,包括脑电信号多层频带的有效提取、多层频带间功能连接指标计算、多层脑网络模型构建及可视化。首先同步获取能够体现大脑功能状态的多通道脑电信号,定义电极位置为网络节点,基于小波包分解对预处理后的信号进行频带划分;其次,基于锁相值计算多层脑网络的边,进而构建多通道脑电信号同频段内邻接矩阵和跨频段间的网络连接矩阵;再次,以特征频带为分层依据构建多层脑网络模型,进一步结合图论法对层内和层间网络特征进行可视化呈现并计算。本发明从多通道脑电信号的同频带内和不同频带间的同步关系进行综合分析,有助于深入理解大脑运动功能状态的网络结构和拓扑特征。
-