-
公开(公告)号：CN107887031B
公开(公告)日：2020-10-27
申请号：CN201711063666.1
申请日：2017-11-02
Applicant: 杭州电子科技大学
IPC: G16H50/50 , G16H50/70 , A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于同步筛选的脑区间耦合分析方法，本发明首先同步采集了不同握力输出时，32通道脑电信号EEG和12通道肌电信号EMG，为研究握力输出过程中，EEG运动区与感觉区的耦合关系，对大脑运动区及运动感觉区的导联C3，C4，CP5和CP6的脑电信号和肱桡肌信号进行分析；然后利用同步筛选算法将EEG与EMG的同步信息提取出来，得到EEG与EMG相关的数据；最后计算SSEM的符号传递熵，以确定其耦合关系。本发明可去除与运动的非相关数据，缩小数据规模。
-
公开(公告)号：CN106901728A
公开(公告)日：2017-06-30
申请号：CN201710073405.1
申请日：2017-02-10
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于变尺度符号传递熵的多通道脑肌电耦合分析方法，本发明首先同步采集不同握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号。然后选择可变尺度参数对左、右手相同握力下的脑肌电信号进行符号化，并对符号化后的序列进行传递熵的计算。通过综合分析传递熵的平均值和标准差，以及计算所用时间，选择一个合适有效的符号化尺度参数进行后续分析。进一步对左手/右手动作、不同握力下、多个通道的脑电信号和对应的肌电信号进行符号传递熵分析和比较。最后根据脑电到肌电和肌电到脑电的传递熵变化情况，提出了脑肌电信号耦合强度的表示方法，客观定量的反映皮层肌肉和运动肌肉之间的耦合强度。
-
公开(公告)号：CN107887031A
公开(公告)日：2018-04-06
申请号：CN201711063666.1
申请日：2017-11-02
Applicant: 杭州电子科技大学
IPC: G16H50/50 , G16H50/70 , A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于同步筛选的脑区间耦合分析方法，本发明首先同步采集了不同握力输出时，32通道脑电信号和12通道肌电信号，为研究握力输出过程中，EEG运动区与感觉区的耦合关系，对大脑运动区及运动感觉区的导联C3，C4，CP5，CP6等多个通道的脑电信号和肱桡肌信号进行分析；然后利用同步筛选算法将EEG与EMG的同步信息提取出来，得到EEG与EMG相关的数据；最后计算SSEM的符号传递熵，以确定其偶后关系。本发明可去除与运动的非相关数据，缩小数据规模。
-
公开(公告)号：CN106901728B
公开(公告)日：2019-07-02
申请号：CN201710073405.1
申请日：2017-02-10
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于变尺度符号传递熵的多通道脑肌电耦合分析方法，本发明首先同步采集不同握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号。然后选择可变尺度参数对左、右手相同握力下的脑肌电信号进行符号化，并对符号化后的序列进行传递熵的计算。通过综合分析传递熵的平均值和标准差，以及计算所用时间，选择一个合适有效的符号化尺度参数进行后续分析。进一步对左手/右手动作、不同握力下、多个通道的脑电信号和对应的肌电信号进行符号传递熵分析和比较。最后根据脑电到肌电和肌电到脑电的传递熵变化情况，提出了脑肌电信号耦合强度的表示方法，客观定量的反映皮层肌肉和运动肌肉之间的耦合强度。
-
-
-
Search Results
4
records
(took 0.021 seconds)
