-
公开(公告)号：CN111079927A
公开(公告)日：2020-04-28
申请号：CN201911278517.6
申请日：2019-12-12
Applicant: 福州大学
IPC: G06N3/08 , G06K9/00 , A61B5/11 , A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于极限学习机的髌骨疼痛检测系统，包括集成了陀螺仪和加速度计的传感器、采样电极片和电脑终端；用集成了陀螺仪和加速度计的传感器去测得关节角度值，并用采样电极片采集表面肌电信号值；集成了陀螺仪和加速度计的传感器和采样电极片通过无线传输的方式分别将关节角度值和表面肌电信号上传到电脑进行去噪处理后保存。本发明避免了贵重仪器的使用，降低了检测的成本，减少了检测时间，保证了检测的精度，并且可以做到在日常环境中进行试验，不受特定场地的限制。
-
公开(公告)号：CN109044352A
公开(公告)日：2018-12-21
申请号：CN201810654936.4
申请日：2018-06-22
Applicant: 福州大学
IPC: A61B5/0488 , A61B5/22
CPC classification number: A61B5/0488 , A61B5/22
Abstract: 本发明提供一种确定预测人体关节力矩的人工智能输入变量的方法，在Hill模型的基础上，从人工智能的角度分析了Hill模型预测关节力矩所需要的输入变量：肌肉纤维长度、肌肉纤维收缩的速度、和肌肉关节力臂，从而获取了本专利中预测关节力矩所需要的可测量输入变量：肌电信号、肌肉所关联自由度的角度和角速度。本发明所使用的方法提高了人工智能预测关节力矩计算速度，使得预测关节力矩变得更加方便简单。
-
Patent Agency Ranking
公开(公告)号：CN110638449B
公开(公告)日：2021-05-18
申请号：CN201910948198.9
申请日：2019-09-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于机械功的肌肉量化分析方法，包括以下步骤：步骤S1：采集受试者行走时的运动捕捉数据，地面反作用力数据和肌电数据；步骤S2：将步骤S1中的数据作为开源软件opensim的输入，通过缩放一个肌肉骨骼模型得到受试者的肌电驱动肌肉骨骼模型；步骤S3：利用opensim的逆动力学和残差缩减和肌肉计算控制工具获取多个步态周期的力臂和肌肉力量；步骤S4：取超过10个步态周期数据的均值，重采样为101个点，然后利用肌力和力臂计算肌肉机械功，并绘制曲线；步骤S5：通过地面反作用力将步态划分为四个阶段。利用肌肉机械功的变化情况反映肌肉在步态的不同阶段的收缩方式以及肌肉之间的协调作用。本发明能够反映每块肌肉的收缩方式以及它们之间的协调作用。
-
公开(公告)号：CN110638449A
公开(公告)日：2020-01-03
申请号：CN201910948198.9
申请日：2019-09-30
Applicant: 福州大学
IPC: A61B5/0488 , A61B5/11
Abstract: 本发明涉及一种基于机械功的肌肉量化分析方法，包括以下步骤：步骤S1：采集受试者行走时的运动捕捉数据，地面反作用力数据和肌电数据；步骤S2：将步骤S1中的数据作为开源软件opensim的输入，通过缩放一个肌肉骨骼模型得到受试者的肌电驱动肌肉骨骼模型；步骤S3：利用opensim的逆动力学和残差缩减和肌肉计算控制工具获取多个步态周期的力臂和肌肉力量；步骤S4：取超过10个步态周期数据的均值，重采样为101个点，然后利用肌力和力臂计算肌肉机械功，并绘制曲线；步骤S5：通过地面反作用力将步态划分为四个阶段。利用肌肉机械功的变化情况反映肌肉在步态的不同阶段的收缩方式以及肌肉之间的协调作用。本发明能够反映每块肌肉的收缩方式以及它们之间的协调作用。
-
公开(公告)号：CN109984763A
公开(公告)日：2019-07-09
申请号：CN201910283322.4
申请日：2019-04-10
Applicant: 福州大学
IPC: A61B5/22 , A61B5/00 , A61B5/11 , A61B5/0488
Abstract: 本发明涉及一种基于人工神经网络智能预测人体关节力矩的方法，包括以下步骤：步骤S1:采集待测人体关节多自由度角度数据和肌电信号数据；步骤S2:将得到的多自由度角度数据和肌电信号数据进行去噪处理，并进行归一化处理；步骤S3：将归一化后的多自由度角度数据和肌电信号数据作为弹性网络的输入,训练弹性网络,在弹性网络学习过程中根据输入变量系数的零数统计值筛选出与输出相关的变量，得到稀疏化后的变量数据；步骤S4：构建一人工神经网络；步骤S5:将稀疏化后的变量数据作为人工神经网络的输入，得到待测人体关节力矩。本发明可为运动康复过程中实时步态分析和外骨骼机器人控制的研究提供依据。
-
公开(公告)号：CN111079927B
公开(公告)日：2022-07-08
申请号：CN201911278517.6
申请日：2019-12-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于极限学习机的髌骨疼痛检测系统，包括集成了陀螺仪和加速度计的传感器、采样电极片和电脑终端；用集成了陀螺仪和加速度计的传感器去测得关节角度值，并用采样电极片采集表面肌电信号值；集成了陀螺仪和加速度计的传感器和采样电极片通过无线传输的方式分别将关节角度值和表面肌电信号上传到电脑进行去噪处理后保存。本发明避免了贵重仪器的使用，降低了检测的成本，减少了检测时间，保证了检测的精度，并且可以做到在日常环境中进行试验，不受特定场地的限制。
-
公开(公告)号：CN109044352B
公开(公告)日：2021-03-02
申请号：CN201810654936.4
申请日：2018-06-22
Applicant: 福州大学
Abstract: 本发明提供一种确定预测人体关节力矩的人工智能输入变量的方法，在Hill模型的基础上，从人工智能的角度分析了Hill模型预测关节力矩所需要的输入变量：肌肉纤维长度、肌肉纤维收缩的速度、和肌肉关节力臂，从而获取了本专利中预测关节力矩所需要的可测量输入变量：肌电信号、肌肉所关联自由度的角度和角速度。本发明所使用的方法提高了人工智能预测关节力矩计算速度，使得预测关节力矩变得更加方便简单。
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
