-
公开(公告)号：CN111728822A
公开(公告)日：2020-10-02
申请号：CN202010725801.X
申请日：2020-07-24
申请人： 清华大学
摘要： 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：CN111053553A
公开(公告)日：2020-04-24
申请号：CN201911251414.0
申请日：2019-12-09
申请人： 清华大学
IPC分类号： A61B5/0476
摘要： 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
申请人： 清华大学
IPC分类号： A61B5/00
摘要： 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。
-
公开(公告)号：CN105912665A
公开(公告)日：2016-08-31
申请号：CN201610224210.8
申请日：2016-04-12
申请人： 清华大学 , 北京恒冠网络数据处理有限公司
IPC分类号： G06F17/30
CPC分类号： G06F16/214 , G06F16/284
摘要： 本发明公开了一种Neo4j向关系型数据库的模型转换和数据迁移方法，包括如下步骤：S1：提取Neo4j的概念模型；S2：用户筛选需要进行转换的标签实体和关系实体；S3：查找所有包含属性的关系实体，并将所述包含属性的关系实体全部转换成关系型数据库概念模型中的表；S4：将需要进行转换的所有标签实体转换成关系型数据库概念模型中的表；S5：建立表达关系型数据库概念模型中各个表之间的关系属性；S6：建成完整的关系型数据库的概念模型；S7：进行数据迁移。本发明利用模型转换的方法解决了Neo4j向关系型数据库数据迁移的问题，同时使数据迁移更加准确，并且更加容易操作。
-
公开(公告)号：CN115421597A
公开(公告)日：2022-12-02
申请号：CN202211375933.X
申请日：2022-11-04
申请人： 清华大学
摘要： 本发明公开了一种基于双脑耦合特征的脑机接口控制方法及系统，该方法包括：在至少两个被试协同进行脑机接口的运动控制任务时，将同步采集至少两个被试的导联对脑电数据分为脑电训练数据和脑电测试数据；运动控制任务包括至少一种运动模式；基于脑电训练数据进行双脑耦合特征提取，基于提取的特征进行数据变换得到特征矩阵；将特征矩阵输入分类器模型中进行训练得到分类模型，基于分类模型对脑电测试数据进行运动模式的分类得到模式分类结果，对模式分类结果的运动模式完成度进行判断，根据完成度判断结果得到测试分类准确率；基于测试分类准确率，判断协同脑机接口控制的有效性。本发明可以促进基于双脑耦合特征的脑机接口控制准确率的提升。
-
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
申请人： 清华大学
摘要： 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：CN116869552A
公开(公告)日：2023-10-13
申请号：CN202310834561.0
申请日：2023-07-07
申请人： 清华大学
摘要： 本发明公开了基于多尺度典型相干性的脑肌电耦合的方法及装置，本发明的方法，包括同步采集受试者的脑电信号和肌电信号；对预处理后的脑电信号和肌电信号进行多元变分模态分解分别得到多个本征模态信号；将多个本征模态信号重构为不同目标频段的脑电信号和肌电信号；对不同目标频段的脑电信号和肌电信号进行典型相干性计算，以根据相干性计算结果得到基于多尺度典型相干性的脑肌电耦合特征。本发明可以减少频带混叠对不同生理节律的典型相干性计算产生的干扰，并且避免多变量相干计算过程中的过拟合问题，提高脑肌电耦合特征提取的性能。
-
公开(公告)号：CN115421597B
公开(公告)日：2023-01-13
申请号：CN202211375933.X
申请日：2022-11-04
申请人： 清华大学(CN)
摘要： 本发明公开了一种基于双脑耦合特征的脑机接口控制方法及系统，该方法包括：在至少两个被试协同进行脑机接口的运动控制任务时，将同步采集至少两个被试的导联对脑电数据分为脑电训练数据和脑电测试数据；运动控制任务包括至少一种运动模式；基于脑电训练数据进行双脑耦合特征提取，基于提取的特征进行数据变换得到特征矩阵；将特征矩阵输入分类器模型中进行训练得到分类模型，基于分类模型对脑电测试数据进行运动模式的分类得到模式分类结果，对模式分类结果的运动模式完成度进行判断，根据完成度判断结果得到测试分类准确率；基于测试分类准确率，判断协同脑机接口控制的有效性。本发明可以促进基于双脑耦合特征的脑机接口控制准确率的提升。
-
公开(公告)号：CN113317804B
公开(公告)日：2022-08-26
申请号：CN202110593146.1
申请日：2021-05-28
申请人： 清华大学
摘要： 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：CN110931104A
公开(公告)日：2020-03-27
申请号：CN201911261468.5
申请日：2019-12-10
申请人： 清华大学
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.021 秒)