-
公开(公告)号：CN109784412A
公开(公告)日：2019-05-21
申请号：CN201910063463.5
申请日：2019-01-23
Applicant: 复旦大学
Abstract: 本发明属于生物特征识别技术领域，具体涉及一种用于步态分类的基于深度学习的多传感器信号融合方法。本发明通过构建深度神经网络对异常步态进行分类，并利用卷积神经网络对来自IMU惯性传感单元和SEMG表面肌电的多源异构信息源数据进行融合；融合内容包括数据层（CNN输入层）、特征层（CNN池化层1至卷积层2）以及决策层（CNN输出层）融合，从而完备提取多源异构传感器信息，提高分类器分类精度，同时减少数据预处理工作量，提高分类准确度与判别效率。经验证，本发明在多种异常步态分类任务中分类效果较单模态传感器有显著提升，在实施例中所举异常步态六分类任务中，分类准确率达到99.15%，较单IMU信息源CNN网络提升约三个百分点。
-
Patent Agency Ranking
公开(公告)号：CN109770912A
公开(公告)日：2019-05-21
申请号：CN201910063488.5
申请日：2019-01-23
Applicant: 复旦大学
IPC: A61B5/11
Abstract: 本发明属于生物特征识别技术领域，具体为一种基于深度卷积神经网络的步态异常识别方法。本发明方法包括：利用穿戴于人体的IMU采集人体正常行走以及模拟典型异常步态行走时的信号，得到不同步态下的三轴加速度信息；根据目标典型行走步频将原始数据做开窗切割预处理并根据步态类别将各数据队列打上相应标签；CNN深度卷积神经网络，其包括卷积层一、卷积层二、池化层一、池化层二、全连接层以及softmax输出层；最后将数据标签对分成训练集与测试集，训练集送入CNN进行训练，训练完成后利用测试集评估模型分类效果。本发明省却了繁复的步态周期划分与特征提取工程，提高了对多种异常步态的分类准确率，减少了数据预处理工作量，提高了分类准确度。
-
公开(公告)号：CN107788991A
公开(公告)日：2018-03-13
申请号：CN201711013940.4
申请日：2017-10-26
Applicant: 复旦大学
IPC: A61B5/11 , A61B5/103 , A61B5/0488 , A61B5/00
Abstract: 本发明属于医疗设备技术领域，具体一种可穿戴式下肢康复评估系统。本发明包括下肢信号采集系统和上位机及其应用软件系统；其中，下肢信号采集系统用于对康复患者下肢运动信号、肌电信号和足底压力信号采集、发送，包括绑带模块、信号采集模块、信号处理模块、信号发送模块、供电模块；信号采集模块以可拆卸的方式连接在绑带模块中，信号处理模块、信号发送模块、供电模块安装在绑带模块上，不影响康复患者的正常生活；康复训练软件系统利用得到的数据计算得出步距、步态分析、踝关节活动度、肌电，平衡状态，足底压力分布，膝关节活动度，相关肌群的肌力评估等信息，为康复师提供更专业更全面的评测数据，同时给患者提供更专业的指导。
-
公开(公告)号：CN109770913A
公开(公告)日：2019-05-21
申请号：CN201910064053.2
申请日：2019-01-23
Applicant: 复旦大学
IPC: A61B5/11
Abstract: 本发明属于生物特征识别技术领域，具体为一种基于反向传播神经网络的步态异常识别方法。其包括：利用穿戴于人体的IMU采集人体正常行走以及模拟典型异常步态行走时的信号，得到不同步态下的三轴加速度信息；根据目标典型行走步频将原始数据做开窗切割预处理并根据步态类别将各数据队列打上相应标签；构建BNPP反向传播神经网络；将得到的数据标签对分成训练集与测试集，训练集送入BPNN进行训练，训练完成后利用测试集评估模型分类效果。本发明通过增加输入层结点数量对原始IMU三轴加速度数据进行直接分类，省却了繁复的步态周期划分与特征提取工程，提高了对多种异常步态的分类准确率，减少了数据预处理工作量，提高了分类准确度。
-
公开(公告)号：CN208511028U
公开(公告)日：2019-02-19
申请号：CN201721392982.9
申请日：2017-10-26
Applicant: 复旦大学
IPC: A61B5/103
Abstract: 本实用新型属于医疗设备技术领域，具体为一种足底压力信号采集装置。该装置做成鞋垫形状，放置于鞋底内；由柔性导电胶带和柔性压阻传感材料组成，包括上、中、下三层，以及采样电路；其中，上层为纵向排列的柔性导电电极条层，其对外连接微处理器的AD转换口，下层为横向排列的柔性导电电极条层，通过下拉电阻接地；上层纵向排列的导电电极条与下层横向排列的导电电极条的交叉点构成采样点；中层为柔性压力传感材料层，压力传感材料以点状粘附在采样点处。该装置结构简单，能够正确采集到足底压力信号，可以为患者提供更精确的康复评估，辅助医生进行快速诊断。
-
公开(公告)号：CN208492094U
公开(公告)日：2019-02-15
申请号：CN201721400281.5
申请日：2017-10-26
Applicant: 复旦大学
IPC: A61B5/0488 , A61B5/11 , A61B5/103
Abstract: 本实用新型属于医疗设备技术领域，具体为用于下肢康复评估的可穿戴式下肢信号采集系统。本实用新型包括绑带、信号采集、信号处理、信号发送、供电等模块；信号采集模块以可拆卸的方式连接在绑带模块中，其余模块安装在绑带模块上；信号采集模块包括运动加速度传感器、足底压力信号采集单元、柔性电极和肌电模拟前端；信号处理模块包含微处理器，信号发送模块包含蓝牙模块；微处理器通过SPI总线与运动加速度传感器通信，得到运动信号，使用片内AD采样方式与足底压力信号采集单元和肌电模拟前端通信，得到足底压力信号和肌电信号，发出采样指令；微处理器将上述运动信号、足底压力信号和肌电信号以协议包的方式，通过蓝牙模块发送至上位机进行后续处理。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
