-
公开(公告)号：CN109820711A
公开(公告)日：2019-05-31
申请号：CN201910232594.1
申请日：2019-03-26
申请人： 清华大学
IPC分类号： A61H23/04
摘要： 本发明公开了一种气动驱动的局部振动康复训练设备，其包括：空气压缩机，空气压缩机包括进气口和排气口；气动结构，气动结构包括：电气比例阀，电气比例阀具有第一连接端口和第二连接端口，第一连接端口与排气口连通；真空发生器，真空发生器具有第三连接端口和第四连接端口，第三连接端口与排气口连通；控制阀，控制阀与第二连接端口和第四连接端口均相连；振动执行器，振动执行器内限定出空腔，空腔与控制阀相连，控制阀被构造成使第二连接端口和第四连接端口可切换地与空腔导通；控制装置，控制装置与电气比例阀和控制阀均相连。本发明的康复训练设备，振动执行器的振动频率和振幅的调节范围更广，进而使得该康复训练设备应用范围更广。
-
公开(公告)号：CN104056431A
公开(公告)日：2014-09-24
申请号：CN201410281524.2
申请日：2014-06-20
申请人： 清华大学
IPC分类号： A63B23/16
摘要： 本发明提出一种用于手指康复训练的电子手套，包括：手套本体；弯曲传感器，设置在所述手套本体的内部；提示装置，包括发光提示器和声音提示器，发光提示器设置在手套本体的外部的指尖和手指背部；以及控制电路分别与弯曲传感器和提示装置相连，控制电路根据弯曲传感器检测到的手套本体的弯曲信号控制发光提示器进行发光提示和/或声音提示器发出声音提示，其中，声音提示器设在控制电路的电路板上。本发明的电子手套，小巧轻便，操作简单，方便携带。
-
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：CN112957046B
公开(公告)日：2022-04-22
申请号：CN202110247233.1
申请日：2021-03-05
申请人： 清华大学
摘要： 本申请提出一种评估晕动症的方法和装置。其中，方法包括：获取受试者在睁眼状态下驾驶模拟器时的主观晕动评分、生理参数数据以及外部加速度数据；计算受试者在睁眼状态下的主观晕动评分、生理参数数据以及外部加速度数据间的两两相关性，获得在睁眼状态下的第一拟合相关性结果；获取受试者在闭眼状态下驾驶模拟器时的主观晕动评分、生理参数数据以及外部加速度数据；计算受试者在闭眼状态下的主观晕动评分、生理参数数据以及外部加速度数据间的两两相关性，获得在闭眼状态下的第二拟合相关性结果；根据第一拟合相关性结果和第二拟合相关性结果，确定评估指标，并根据评估指标对所述受试者进行晕动症评估。本申请可以准确评估晕动症。
-
公开(公告)号：CN112741619A
公开(公告)日：2021-05-04
申请号：CN202011557974.1
申请日：2020-12-23
申请人： 清华大学
IPC分类号： A61B5/11
摘要： 本发明提出的一种自驱动唇语动作捕捉装置，包括依次叠设的传感器固定件、压紧层、自驱动传感和亲肤层；传感器固定件和亲肤层中部正对的区域开有第一通孔，用于使佩戴者的唇部外露；传感器固定件的第一通孔两侧与唇部运动相关的肌肉位置处贴设有若干所述压紧层，各压紧层上分别贴设一个自驱动传感器，各所述自驱动传感器采样相互独立的接触分离式摩擦纳米发电机结构，用于捕捉佩戴者的唇部动作信号；亲肤层面向佩戴者一侧上还设有接地电极，该接地电极和各自驱动传感器均分别通过信号线与外部的信号处理系统连接。本发明利用基于摩擦纳米发电机结构的柔性传感器将机械能转化为电能，无需额外电源及控制电路，实现了唇语动作采集装置的轻量化。
-
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。
-
公开(公告)号：CN110613429A
公开(公告)日：2019-12-27
申请号：CN201910877831.X
申请日：2019-09-17
申请人： 清华大学
IPC分类号： A61B5/00 , A61B5/0476
摘要： 本发明公开了一种晕动症的检测方法，在受试者大脑的所有功能区设置脑电信息传感器，比起现有方案仅对部分功能区进行脑电信息的获取，并在获取脑电信息的同时每隔一段时间获取用户评分，通过脑电信息的重心频率与用户评分计算相关性，根据阈值与相关性的值判定是否出现晕动症。能够采集更加全面的脑电信号，脑电信息所涉及的频带更加全面，并且融合了用户评分和脑电信息，提高了晕动症检测的准确性。
-
公开(公告)号：CN118216906A
公开(公告)日：2024-06-21
申请号：CN202410360943.9
申请日：2024-03-27
申请人： 清华大学
摘要： 本发明提出一种基于智能手机的卒中患者步态评估方法，包括，通过智能手机采集行走过程中的加速度信号和角速度信号；对加速度信号和角速度信号进行预处理；根据预处理后的加速度信号和角速度信号提取步态特征点和对侧触地点，并计算步态参数；根据步态参数结果，利用健康人和卒中患者采集的特征训练机器学习模型，生成步态评估报告并为用户提供后续康复训练的个性化指导方案。通过本发明提出的方法，可以便捷并且低成本地评估卒中患者的步态特征。
-
-
-
-
-
-
-
-
-
搜索结果
89 条记录 (耗时 0.101 秒)
