-
公开(公告)号：CN120032791A
公开(公告)日：2025-05-23
申请号：CN202510103437.6
申请日：2025-01-22
Applicant: 清华大学
IPC: G16H20/00 , A61B5/16 , A61M21/00 , G16H20/30 , G06F18/24 , G06N5/04 , G06N3/0464 , G06N3/0442 , G06F18/15 , G06F18/213 , G06F18/2135 , G06N3/096
Abstract: 本公开提供的一种用于康复训练的情感交互调控策略生成方法和装置，包括：根据采集的用户在康复训练过程中的生理与行为信号，获取用户的心理与身体状态；对所述用户的心理与身体状态，基于大语言模型模拟康复医师所具有的专业知识与思维方式进行用户当前状态的理解与融合推理决策，生成多维情感交互调控策略，包括康复训练装置的训练内容，以及康复训练装置与用户之间融合有人际交互因素的听觉与视觉交互内容。本公开通过模拟人际交互过程中的积极情感效应，输出可由视觉、听觉交互设备、以及康复训练设备等外部交互设备执行的交互调控策略，为用户提供沉浸式康复体验，激发用户的积极情绪与训练动机，从而提高康复效果，促进用户运动功能的恢复。
-
公开(公告)号：CN119833135A
公开(公告)日：2025-04-15
申请号：CN202411853836.6
申请日：2024-12-16
Applicant: 清华大学
IPC: G16H50/30 , A61B5/369 , A61B5/389 , A61B5/00 , G06F18/20 , G06F18/2131 , G06F18/2136
Abstract: 本发明公开了基于结构稀疏正则化的多变量脑肌电耦合分析方法及系统，本发明的方法包括同步采集脑肌信号；对采集到的脑肌信号分别进行数据预处理，并将预处理后的数据分割为若干个不同的样本数据段；利用快速傅利叶算法对样本数据段中的脑肌信号进行频域分析，以计算脑肌信号各自的自功率谱矩阵以及之间的交叉谱矩阵；基于自功率谱矩阵和交叉谱矩阵，并通过结构稀疏化典型相干性算法提取多导联脑肌信号之间的皮质肌肉耦合特征，以重建皮质肌肉耦合特征相关的脑地形图。本发明可以在低样本量和高噪声水平下，鲁棒地识别健康人和卒中患者皮质肌肉耦合特征、稳健地恢复皮质肌肉耦合相关的脑地形图。
-
公开(公告)号：CN118173268A
公开(公告)日：2024-06-11
申请号：CN202410360949.6
申请日：2024-03-27
Applicant: 清华大学
IPC: G16H50/30 , G16H10/20 , G16H10/60 , G06N3/045 , G06N3/0985 , G06F18/243 , G06F18/27 , G06F18/20
Abstract: 本申请提出了一种面向脑机接口康复的卒中患者下肢预后评估方法，该方法包括：提取面向BCI康复的卒中患者的多模态临床医学数据，多模态临床医学数据包括人口统计学特征、临床量表特征与生物力学特征；根据多模态临床医学数据计算卒中患者的恢复比例，并为不同恢复比例的卒中患者划分标签；对多模态临床医学数据进行标准化处理，将标准化后的多模态临床医学数据分别输入训练好的弹性网络模型Elastic net与人工神经网络模型ANN，得到第一预后评估结果与第二预后评估结果；基于划分标签后的真实结果，根据第一预后评估结果与第二预后评估结果对比Elastic net与ANN的预测能力，确定最优模型；基于最优模型，对面向BCI康复的卒中患者进行预后评估。
-
公开(公告)号：CN117598830A
公开(公告)日：2024-02-27
申请号：CN202311598893.X
申请日：2023-11-28
Applicant: 清华大学
IPC: A61D1/00
Abstract: 本公开提供的一种用于脊髓半切损伤造模的手术器械，包括手柄和活动刀片；手柄包括手柄主体和固定于其前端的支臂，手柄主体和支臂上分别设有供活动刀片推入或推出的滑槽，支臂具有与脊髓外壁相贴合的第一圆弧面；活动刀片包括可分别从支臂和手柄主体滑槽内推入或推出的柔性刀片和三面刀片；柔性刀片通过连接杆与手柄主体连接，连接杆具有与脊髓外壁匹配的第二圆弧面；三面刀片包括平面刀片和固定于其上前半部的一对弧形刀片，平面刀片和弧形刀片所在平面分别与脊髓的纵轴平行和垂直，当活动刀片从手柄内完全推出时，其刃口均与柔性刀片的内周面贴合，形成一个半圆柱或类半圆柱空间。本公开可实现精准、定量脊髓切除，达到标准化模型制备的要求。
-
公开(公告)号：CN111067538A
公开(公告)日：2020-04-28
申请号：CN201911243593.3
申请日：2019-12-06
Applicant: 清华大学
Abstract: 本发明公开了一种基于力、位置信息评估上肢运动功能的方法及系统，其中，该方法包括：使受试者上肢进行直线轨迹和圆形轨迹康复训练，以获取直线运动轨迹数据、圆形运动轨迹数据和接触力；处理直线和圆形运动轨迹数据，得到直线运动可达能力参数、圆形运动可达能力参数、平均速度、平均轨迹偏差和运动准确评估值；根据直线和圆形运动可达能力参数、平均速度评估运行执行控制能力，根据平均轨迹偏差和运动准确评估值评估运动精确性控制能力；分析接触力提取力量波动范围和垂直于身体方向的力量分配比值；根据力量波动范围和力量分配比值评估受试者的施加力量控制能力。该方法可详细的基于力、位置信息客观、精确的对用户上肢运动功能进行实时评估。
-
Patent Agency Ranking
公开(公告)号：CN111053553B
公开(公告)日：2022-02-01
申请号：CN201911251414.0
申请日：2019-12-09
Applicant: 清华大学
Abstract: 本发明公开了一种基于事件相关电位分布的脑机接口导联选择方法，该方法包括以下步骤：采集全脑区n个导联在M次重复任务下的脑电信号，并对所述脑电信号进行预处理，计算得到功率谱密度矩阵组，n和M均为正整数；将M×n个样本分别以预设导联标签为单位，叠加平均所述功率谱密度矩阵组；在不同波段上计算叠加平均后的功率谱密度矩阵组，得到比例矩阵；对比例矩阵进行升序排序，取排序后的比例矩阵前p个导联作为脑机接口系统在当前受试者的当前任务下的选用导联。该方法为不同任务状态下、不同适用性人群的脑机接口系统的导联选择提供了理论依据和支持。
-
公开(公告)号：CN111728822B
公开(公告)日：2021-11-26
申请号：CN202010725801.X
申请日：2020-07-24
Applicant: 清华大学
Abstract: 本发明公开了一种用于脑损伤后的脑机交互闭环康复训练方法，该方法包括：采集并处理运动想象、被动运动、主动运动三类状态的脑电数据；求解其平均去同步电位表征对应激活脑区，选取各状态下前P％个去同步电位值最小的导联，组成分别代表运动意图、感觉反馈和运动感觉激活脑区的三个导联组a、b、c；求解对应的三个平均相位滞后指数矩阵A、B、C分析脑区间功能连接强度；计算矩阵C中导联对a、b的平均相位滞后指数T1，和全部导联对的平均相位滞后指数T0，T1大于T0则验证运动控制闭环形成，利用导联组a解码脑电信号，控制康复机器人执行或停止动作。该方法精确解码大脑皮质的运动控制活动并构建个性化运动控制闭环，提高康复效率。
-
公开(公告)号：CN113317804A
公开(公告)日：2021-08-31
申请号：CN202110593146.1
申请日：2021-05-28
Applicant: 清华大学
Abstract: 本申请涉及一种康复效率预测方法、及其训练装置和计算机设备。该方法包括：获取脑电采集设备采集的多个训练数据集合，训练数据集合中包括多组训练数据；对从每组训练数据中提取出脑电信号进行时频域转换，得到脑电时频域信号；将所属同一检测对象的多个脑电时频域信号进行融合处理，得到脑电时频域平均信号；基于得到的各项脑电时频域平均信号，构建脑电信号矩阵；基于脑电信号矩阵进行功率谱密度的提取，得到脑功率谱密度矩阵，根据脑电信号矩阵中各项元素之间的导联相关性，构建脑连接性相关矩阵；将脑功率谱密度矩阵和脑连接性相关矩阵分别输入至待训练的康复效率预测模型进行模型训练，并在停止训练时，输出训练好的康复效率预测模型。
-
公开(公告)号：CN110664400B
公开(公告)日：2020-07-17
申请号：CN201910891136.9
申请日：2019-09-20
Applicant: 清华大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于度信息的脑电特征电位溯源方法，该方法包括：利用脑电采集设备采集脑电信号，将脑电信号进行预处理，并对预处理后的数据进行小波变换，得到时频域信号；对时频域信号进行叠加平均处理，得到特征矩阵；基于特征矩阵构建欧几里得距离矩阵，并根据阈值对欧几里得距离矩阵做二值化处理，得到邻点集；根据邻点集构建度矩阵；对度矩阵进行聚类处理，计算模板权重系数，并对模板权重系数进行归一化处理；对归一化处理后的模板权重系数进行迭代聚类处理，得到溯源结果值。本发明实施例的方法弥补现有脑电信号溯源方法忽略人脑电特征信号分析的不足，增强了溯源的精确性，实现了基于度信息的脑电特征信号的脑连接网络分析。
-
公开(公告)号：CN110664400A
公开(公告)日：2020-01-10
申请号：CN201910891136.9
申请日：2019-09-20
Applicant: 清华大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于度信息的脑电特征电位溯源方法，该方法包括：利用脑电采集设备采集脑电信号，将脑电信号进行预处理，并对预处理后的数据进行小波变换，得到时频域信号；对时频域信号进行叠加平均处理，得到特征矩阵；基于特征矩阵构建欧几里得距离矩阵，并根据阈值对欧几里得距离矩阵做二值化处理，得到邻点集；根据邻点集构建度矩阵；对度矩阵进行聚类处理，计算模板权重系数，并对模板权重系数进行归一化处理；对归一化处理后的模板权重系数进行迭代聚类处理，得到溯源结果值。本发明实施例的方法弥补现有脑电信号溯源方法忽略人脑电特征信号分析的不足，增强了溯源的精确性，实现了基于度信息的脑电特征信号的脑连接网络分析。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.018 seconds)
