申请/专利权人：杭州电子科技大学

申请日：2021-10-26

公开（公告）日：2024-04-26

公开（公告）号：CN113974652B

主分类号：A61B5/369

分类号：A61B5/369;A61B5/389;A61B5/22;A61B5/00;A61B5/372;A61B5/397;A61B5/16

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.02.18#实质审查的生效;2022.01.28#公开

摘要：本发明公开了一种基于皮层肌肉功能网络模型的肌肉控制精准度确定方法。本发明首先获取待测人员四个表面肌电信号和脑电信号。通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号。然后，用小波分析法对原始表面肌电信号与脑电进行多尺度分解，去除信号的噪声，再使用ICA独立分量分析方法去除脑电信号的伪影。最后使用传递熵计算不同肌肉与电极之间的传递熵，并构建邻接矩阵。将邻接矩阵二值化后构建有向皮层肌肉功能网络，使用网络的分析法对皮层与肌肉在运动时的状态进行分析。本发明体现了脑电信号与肌电信号之间的信息流动关系，将大脑皮层与肌肉整合为一个网络进行深度分析，从整体上对皮层与肌肉的关系进行了更深层次的解析。

主权项：1.基于皮层肌肉功能网络模型的肌肉控制精准度确定方法，其特征在于：该方法包括如下步骤：步骤1：设计应用于确定肌肉控制力度精准度的实验范式；步骤11：通过握力计测出待测试人的最大握力值；步骤12：让待测试人以当前最大握力的70％握住握力器并保持3秒钟，将这一动作重复5次，每次动作间隔半分钟用于休息；在这一过程中，通过肌电采集仪采集桡侧腕屈肌、尺侧腕伸肌、肱桡肌和尺侧腕屈肌的表面肌电信号；通过59通道脑电采集仪同步采集脑电信号；通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号；步骤2：对脑电与肌电信号进行小波分解降噪；步骤3：使用fastICA算法对脑电信号进行分解，去除伪影；步骤4：通过经过降噪的肌电信号和去伪影后的脑电信号，计算信号之间的耦合性，并构建脑肌功能网络；步骤41：计算4路肌电信号与59路脑电信号之间的符号传递熵作为信号之间的耦合性；步骤42：根据计算得到的耦合性组成邻接矩阵；步骤43：对邻接矩阵进行二值化处理得到二值化矩阵；步骤44：根据得到的二值化矩阵构建脑肌功能网络；步骤5，通过的脑肌功能网络与求得的信号耦合性，得到待测试人的专注度，包括一下步骤：步骤51：计算脑肌功能网络中的平均度、平均聚类系数、全局效率和本地效率；步骤52：计算脑电与肌电信号之间耦合性平均值；步骤53：计算待测试人的专注度，并依据专注度确定肌肉控制精准度；所述专注度计算如下： 上式中Grade为专注度值，Te为脑电与肌电信号之间的平均耦合性，deg为脑肌功能网络中的平均度，clu为平均聚类系数，gob为全局效率，efc为本地效率。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于皮层肌肉功能网络模型的肌肉控制精准度确定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD