-
公开(公告)号:CN109192272A
公开(公告)日:2019-01-11
申请号:CN201811415805.7
申请日:2018-11-26
Applicant: 燕山大学
IPC: G16H20/30
Abstract: 本发明涉及一种基于Leap Motion与VR相结合的手功能康复训练系统及其实现方法,将传感捕获技术与虚拟现实技术相结合,通过Leap Motion手部移动追踪及高精度手指识别技术实时获取用户手部的运动数据并映射到由VR构建的沉浸式虚拟场景中进行实时交互,同时设定诸如手势训练、手指控制能力提升训练如双指对捏、球状抓握、柱状抓握等贴近日常生活的训练任务,为因疾病或损伤造成的手功能运动障碍用户提供康复训练方案。本发明提高了用户康复训练的趣味性与主动性,加速用户运动神经功能重塑的效果,能有效缓解当前医师资源紧缺现状。
-
公开(公告)号:CN109992113B
公开(公告)日:2020-05-15
申请号:CN201910280670.6
申请日:2019-04-09
Applicant: 燕山大学
IPC: G06F3/01 , A63F13/42 , A63F13/55 , A63F13/816
Abstract: 本发明公开了一种基于多场景诱发的MI‑BCI系统及其控制方法,所述MI‑BCI系统包含声音文字、图片视频、3D生活场景、虚拟游戏场景4类目标导向型运动想象诱发场景,从不同角度深度诱导受试者进行运动想象;训练中实时采集大脑运动区多通道EEG信号,经过信号预处理、特征提取、PSO‑SVM意图识别后将结果输出到虚拟场景中进行交互控制,形成一个闭环反馈训练系统。通过评估运动区神经激活程度大小绘制动态脑地形图,为受试者提供反映大脑激活状况的可视化神经反馈。根据当前神经活跃程度大小对训练场景进行自适应切换调整,保证受试者持续处于运动神经最大程度激活状态,以提高系统的识别率。
-
公开(公告)号:CN109992113A
公开(公告)日:2019-07-09
申请号:CN201910280670.6
申请日:2019-04-09
Applicant: 燕山大学
IPC: G06F3/01 , A63F13/42 , A63F13/55 , A63F13/816
Abstract: 本发明公开了一种基于多场景诱发的MI‑BCI系统及其控制方法,所述MI‑BCI系统包含声音文字、图片视频、3D生活场景、虚拟游戏场景4类目标导向型运动想象诱发场景,从不同角度深度诱导受试者进行运动想象;训练中实时采集大脑运动区多通道EEG信号,经过信号预处理、特征提取、PSO‑SVM意图识别后将结果输出到虚拟场景中进行交互控制,形成一个闭环反馈训练系统。通过评估运动区神经激活程度大小绘制动态脑地形图,为受试者提供反映大脑激活状况的可视化神经反馈。根据当前神经活跃程度大小对训练场景进行自适应切换调整,保证受试者持续处于运动神经最大程度激活状态,以提高系统的识别率。
-
公开(公告)号:CN110991406B
公开(公告)日:2023-04-18
申请号:CN201911317967.1
申请日:2019-12-19
Applicant: 燕山大学
IPC: G06F18/10 , A61B5/372 , G06F18/2135 , G06F18/24 , G06F18/2411 , G06F18/213
Abstract: 本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括:获取待检测图像;将待检测图像进行分割和放大,得到待检测图片序列;获取观测者观测待检测图片序列的脑电信号数据;待检测图片序列通过RSVP技术呈现给观测者;采用任务相关成分分析方法,提取脑电信号数据中每个待检测图片对应的相关成分特征;根据相关成分特征,基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型,得到每个待检测图片的预测分值;判断预测分值是否大于预测阈值;如果是,将预测分值对应的待检测图片确定为目标图像;如果否,将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
-
公开(公告)号:CN111110230A
公开(公告)日:2020-05-08
申请号:CN202010021303.7
申请日:2020-01-09
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明涉及一种运动想象脑电特征增强方法及系统。所述增强方法包括:获取多模式神经反馈训练运动想象脑电特征增强范式;基于所述多模式神经反馈训练运动想象脑电特征增强范式,获取顶区运动皮层以及枕区视觉皮层对的多通道脑电信号;对所述脑电信号进行预处理,确定预处理后的脑电信号;对所述预处理后的脑电信号进行动态及耦合多层次特征提取,确定所述预处理后的脑电信号的动态特征以及耦合特征;根据所述动态特征以及所述耦合特征显示增强前的运动想象脑电信号的特征数值以及增强后的运动想象脑电信号的特征数值。采用本发明所提供的增强方法及系统能够提高头皮脑电有效信号识别率。
-
公开(公告)号:CN110991406A
公开(公告)日:2020-04-10
申请号:CN201911317967.1
申请日:2019-12-19
Applicant: 燕山大学
IPC: G06K9/00 , G06K9/62 , A61B5/0476
Abstract: 本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括:获取待检测图像;将待检测图像进行分割和放大,得到待检测图片序列;获取观测者观测待检测图片序列的脑电信号数据;待检测图片序列通过RSVP技术呈现给观测者;采用任务相关成分分析方法,提取脑电信号数据中每个待检测图片对应的相关成分特征;根据相关成分特征,基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型,得到每个待检测图片的预测分值;判断预测分值是否大于预测阈值;如果是,将预测分值对应的待检测图片确定为目标图像;如果否,将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
-
-
-
-
-