-
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。
-
公开(公告)号：CN111067538B
公开(公告)日：2021-03-16
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。
-
公开(公告)号：CN110931104A
公开(公告)日：2020-03-27
申请号：CN201911261468.5
申请日：2019-12-10
Applicant: 清华大学
Abstract: 本发明公开了一种基于机器学习的上肢康复机器人智能训练系统及方法，其中，该系统包括：机器人辅助子系统，用于当患者不足以完成康复训练任务时，利用上肢康复机器人辅助患者完成康复训练动作；投入状态监测子系统，用于当上肢康复机器人辅助患者时，通过上肢康复机器人、肌电采集设备和脑电采集设备监测患者训练时的投入程度；智能学习子系统，用于根据当前时刻的投入程度，学习先前施加的刺激测试对投入程度的影响，以推荐适合患者下一时刻的个性化刺激方案，改变康复训练模式；提高投入状态子系统，用于检测患者的投入程度是否降低，若降低则干预下一个训练进程；该系统能够根据患者情况提供智能训练处方并调动患者，保证训练时投入状态。
-
公开(公告)号：CN108972534A
公开(公告)日：2018-12-11
申请号：CN201811087068.2
申请日：2018-09-18
Applicant: 清华大学
Abstract: 本发明提出了一种可变刚度卷簧与电机并联的离合式柔性驱动器，其中，该离合式柔性驱动器包括：驱动部件包括电机用于为驱动负载转动提供动力；柔性部件包括可变刚度卷簧，通过移动操作杆控制卷簧的接入与释放，并通过棘轮棘爪机构对可变刚度卷簧进行预紧，卷簧与电机轴并联共同输出力矩，使得电机输出力矩、输出功率减少；传动部件用于将电机的输出扭矩和可变刚度卷簧的扭矩传递至减速部件的输入端，并使整个驱动器的结构扁平化；减速部件用于放大力矩，并带动负载转动；支撑部件起支撑作用。该离合式柔性驱动器的空间布局紧凑，整体尺寸小，可满足负载的大力矩需求，应用范围广，能较大程度上降低电机的峰值力矩，减小电机功率，节省能耗。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN108972534B
公开(公告)日：2024-01-30
申请号：CN201811087068.2
申请日：2018-09-18
Applicant: 清华大学
Abstract: 本发明提出了一种可变刚度卷簧与电机并联的离合式柔性驱动器，其中，该离合式柔性驱动器包括：驱动部件包括电机用于为驱动负载转动提供动力；柔性部件包括可变刚度卷簧，通过移动操作杆控制卷簧的接入与释放，并通过棘轮棘爪机构对可变刚度卷簧进行预紧，卷簧与电机轴并联共同输出力矩，使得电机输出力矩、输出功率减少；传动部件用于将电机的输出扭矩和可变刚度卷簧的扭矩传递至减速部件的输入端，并使整个驱动器的结构扁平化；减速部件用于放大力矩，并带动负载转动；支撑部件起支撑作用。该离合式柔性驱动器的空间布局紧凑，整体尺寸小，可满足负载的大力矩需求，应用范围广，能较大程度上降低电机的峰值力矩，减小电机功率，节省能耗。
-
公开(公告)号：CN111053553A
公开(公告)日：2020-04-24
申请号：CN201911251414.0
申请日：2019-12-09
Applicant: 清华大学
IPC: A61B5/0476
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：CN111012307A
公开(公告)日：2020-04-17
申请号：CN201911175432.5
申请日：2019-11-26
Applicant: 清华大学
IPC: A61B5/00
Abstract: 本发明公开了一种基于多模态信息评估患者训练投入程度的方法及装置，其中，该方法包括：根据患者的肌电信号和运动速度计算患者的运动投入程度；根据患者眼睛的焦点位置与训练所使用的屏幕上的移动物体之间的距离计算患者的感知投入程度；根据患者额叶区的脑电信号计算患者的认知投入程度；根据患者的积极情感的持续时间和消极情感的持续时间计算患者的情感投入程度；根据运动投入程度、感知投入程度、认知投入程度和情感投入程度进行综合评估，得到患者训练投入程度。该方法基于运动、感知、认知、情感多模态信息来评估患者康复训练时的投入程度，弥补了量表法评价投入状态的主观性,使得评估结果更加客观、精确。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
