检索结果-内蒙古大学图书馆

电子学报 2024年第10期52卷 3493-3506页

作者：吕建行李玉榕陈建国高宁福州大学电气工程与自动化学院福建福州350108 福建省医疗器械和医药技术重点实验室福建福州350108

心电信号广泛应用于心脏疾病的医学检测中,可穿戴动态心电监测设备可以实现对心律失常的风险识别并预警.相比于静息心电信号,动态心电信号在采集过程中会受到更大运动伪迹的干扰,这些干扰会覆盖心电信号的关键信息,限制其临床应用.本文... 详细信息

心电信号广泛应用于心脏疾病的医学检测中,可穿戴动态心电监测设备可以实现对心律失常的风险识别并预警.相比于静息心电信号,动态心电信号在采集过程中会受到更大运动伪迹的干扰,这些干扰会覆盖心电信号的关键信息,限制其临床应用.本文兼顾心电信号局部和全局特征,利用其周期性,研究了一种将心电信号低频PT波和高频QRS波群分开处理的两步式自适应阈值滤波算法,适用于单通道心电信号中的运动伪迹滤除.第一步先通过多分辨率阈值初步抑制心电信号低频部分中的运动伪迹;第二步,对受运动伪迹影响而不平衡的QRS波进行自适应阈值修复,通过对QRS波形调节,减少心电信号中高频部分运动伪迹,同时设置自适应阈值对心电信号P波、T波对应的小波系数进行处理,超出自适应阈值范围的小波系数通过波形缩放进行调整,进一步抑制低频运动伪迹.研究通过不同心电数据库评估算法的性能.在输入信噪比从-10~10 dB时,心电信号信噪比提升了10.9122 dB和4.3912 dB,滤波后心电信号与纯净心电信号的相关系数分别为0.6876和0.9783,提取的运动伪迹与原运动伪迹相关系数分别为0.9530和0.8529.实验结果表明,算法在不同噪声水平下,利用自适应阈值的优点,能有效复原受运动伪迹污染的心电信号波形特征,最大限度保留心电信号的临床信息,可作为可穿戴心电设备滤除运动伪迹的有效工具.

关键词：心电信号运动伪迹小波变换自适应阈值信号处理

来源：评论

学校读者我要写书评

暂无评论

采用变分模态分解与领域自适应的表面肌电信号手势识别

引用

西安交通大学学报 2024年第5期58卷 75-87页

作者：姜海燕许先静钟凌珺李竹韵福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108

针对传统机器学习在表面肌电信号手势识别领域的适应性和准确性不足,以及新用户因个体生理和行为差异在已有模型上表现不佳的问题,提出一种利用卷积神经网络模型并有效克服肌电数据分布差异的算法,用于提升手势识别的性能。首先对肌电... 详细信息

针对传统机器学习在表面肌电信号手势识别领域的适应性和准确性不足,以及新用户因个体生理和行为差异在已有模型上表现不佳的问题,提出一种利用卷积神经网络模型并有效克服肌电数据分布差异的算法,用于提升手势识别的性能。首先对肌电信号进行变分模态分解,构建易于识别的表面肌电图像,并提出了一种卷积神经网络模型进行手势识别,提升用户相关的肌电信号手势识别准确率;同时利用迁移学习中的领域自适应和模型微调技术,提升用户无关的肌电信号手势识别准确率,并将所提算法在NinaPro DB1肌电数据集中进行了3分类、4分类、5分类和12分类共4组评估验证。结果表明:在4组评估验证中,用户相关的肌电信号手势识别平均准确率分别达到了99.28%、99.30%、98.39%和93.40%,用户无关的肌电信号手势识别平均准确率分别达到了94.05%、92.60%、88.38%和70.03%,表明本文提出的算法在表面肌电信号手势识别中具有良好的效果,为实现人机交互中的普适性的肌电设备开发提供了一种可行的方案。

关键词：领域自适应卷积神经网络手势识别变分模态分解表面肌电信号

来源：评论

学校读者我要写书评

暂无评论

心电形态与节律特征融合的轻量房颤检测模型及可解释性研究

引用

电子学报 2025年第2期53卷 503-513页

作者：高宁李玉榕陈泓陈文升贾梓豪福州大学电气工程与自动化学院福建福州350108 福建省医疗器械和医药技术重点实验室福建福州350108

房颤是一种常见的心律失常,通常与中风、心力衰竭等心血管疾病相关.近年来,虽然有许多研究者使用深度学习方法在房颤检测上取得了重大进展,但所提出的方法大都需要大量的计算资源,并且由于深度学习模型的黑盒效应,模型的检测结果较难以... 详细信息

房颤是一种常见的心律失常,通常与中风、心力衰竭等心血管疾病相关.近年来,虽然有许多研究者使用深度学习方法在房颤检测上取得了重大进展,但所提出的方法大都需要大量的计算资源,并且由于深度学习模型的黑盒效应,模型的检测结果较难以在临床上推广应用.为此,本文提出一种基于特征融合的轻量房颤检测模型并对其开展可解释性研究,模型由ECG(ElectroCardioGram)主干网络和RRI(R-R Interval)支路组成.ECG主干网络使用深度可分离卷积以及少量的标准卷积来提取心电信号的深层形态特征,RRI支路使用多尺度卷积提取RRI的深层节律特征,网络通过融合二者来学习全面鲁棒的特征表示,实现准确的房颤检测.进一步,基于Grad-CAM++来可视化不同特征对于分类结果的贡献实现模型的可解释性分析.本文在长期房颤数据库LTAFDB进行训练与数据集内部测试,准确率达到了97.99%.为了验证模型的泛化性能,利用MIT-BIH心房颤动数据库AFDB与中国生理信号挑战赛数据库CPSC2021开展跨数据集的外部测试,分别取得了95.17%和93.81%的准确率.实验结果表明,本文提出的方法具有轻量级特性,稳定性和准确性良好,同时可解释性深度学习的引入使得本文所提出的方法在房颤的临床诊断中具有更加广阔的应用前景.

关键词：心电信号房颤轻量级神经网络可视化技术特征融合

来源：评论

学校读者我要写书评

暂无评论

肌电调制结合迭代学习控制的足下垂FES系统

引用

仪器仪表学报 2023年第4期44卷 112-120页

作者：王兆轩李玉榕陈楷福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108

足下垂是指由于神经控制功能障碍导致踝关节无法产生背屈以致足尖上抬不完全或不能的现象。功能性电刺激(FES)作为纠正足下垂步态的治疗方法,通过低频脉冲刺激胫骨前肌引起肌肉收缩,使踝关节产生背屈动作,达到矫正足下垂的目的。本文提... 详细信息

足下垂是指由于神经控制功能障碍导致踝关节无法产生背屈以致足尖上抬不完全或不能的现象。功能性电刺激(FES)作为纠正足下垂步态的治疗方法,通过低频脉冲刺激胫骨前肌引起肌肉收缩,使踝关节产生背屈动作,达到矫正足下垂的目的。本文提出了基于肌电(EMG)调制和迭代学习控制(ILC)的FES输出强度调制方法,利用小腿角速度信号通过动态BP神经网络预测健康步态胫骨前肌肌电信号,以脚尖俯仰角作为反馈信号通过ILC输出参考肌电信号,与神经网络预测的肌电信号加权平均得到修正后的肌电信号,最后利用肌肉激活特性调制FES输出。实验表明开环肌电调制模式下的脚尖俯仰角仅有17°左右,而在闭环调制模式下,脚尖俯仰角最大角度达到了21°左右。本文设计的FES控制系统可以帮助足下垂患者进行康复训练。

关键词：功能性电刺激足下垂迭代学习控制肌电信号

来源：评论

学校读者我要写书评

暂无评论

基于Dempster-Shafer证据推理的EEG-fNIRS运动想象分类决策层融合方法

引用

电子学报 2025年

作者：康冉斓李玉榕史武翔李吉祥福州大学电气工程与自动化学院福建省医疗器械和医药技术重点实验室

为解决传统基于脑电信号（ElectroencEphaloGraphy,EEG）的单模态脑机接口（Brain-Computer Interface,BCI）技术存在的空间分辨率低、易受噪声干扰等问题，越来越多的研究开始关注基于EEG信号和功能近红外光谱（functional Near-InfRar... 详细信息

为解决传统基于脑电信号（ElectroencEphaloGraphy,EEG）的单模态脑机接口（Brain-Computer Interface,BCI）技术存在的空间分辨率低、易受噪声干扰等问题，越来越多的研究开始关注基于EEG信号和功能近红外光谱（functional Near-InfRared Spectroscopy,fNIRS）信号融合的BCI研究.然而，这两种异构信号之间的融合具有挑战性，本文创新性地提出一种基于深度学习和证据理论的端对端信号融合方法，用于运动想象（Motor Imagery,MI）分类.对于EEG信号，本文通过双尺度时间卷积和深度可分离卷积提取其时空特征信息，并引入混合注意力模块以增强网络对重要特征的感知能力.对于fNIRS信号，本文通过全通道的空间卷积探索大脑不同区域之间的激活差异，并通过并联时间卷积和门控循环单元（Gated Recurrent Unit,GRU）模块捕获更丰富的时间特征信息.在决策融合阶段，首先将两种信号分别解码得到的决策输出利用Dirichlet分布参数估计，以量化不确定性；然后使用Dempster-Shafer理论（Dempster-Shafer Theory,DST）进行双层推理，从而融合来自两种基本信念分配（Basic Belief Assignment,BBA）方法和不同模态的证据，得到最终的分类结果 .本文基于公开数据集TU-Berlin-A进行模型的测试评估，获得了83.26%的平均准确率，相较于最先进研究提升了3.78%，该结果为基于EEG和fNIRS信号的融合研究提供了新的思路和方法.

关键词：混合脑机接口(BCI) 运动想象(MI) 深度学习 Dempster-Shafer理论功能近红外光谱(fNIRS)信号脑电信号(EEG)信号

来源：评论

学校读者我要写书评

暂无评论

基于形态识别的脊柱个性化建模与侧弯评估系统

引用

仪器仪表学报 2023年第10期44卷 210-218页

作者：陈家瑾李玉榕叶王为苏婵娟福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108 福州市第二医院福州350007

脊柱侧弯是一种高发于青少年群体中的脊柱疾病,为了解决X片评估脊柱侧弯所带来的辐射危害,本文设计并实现了基于形态识别的脊柱个性化建模和侧弯评估系统。首先,提取与脊柱相关的特征点,根据特征点之间的相对位置关系计算生成附加特征点... 详细信息

脊柱侧弯是一种高发于青少年群体中的脊柱疾病,为了解决X片评估脊柱侧弯所带来的辐射危害,本文设计并实现了基于形态识别的脊柱个性化建模和侧弯评估系统。首先,提取与脊柱相关的特征点,根据特征点之间的相对位置关系计算生成附加特征点;其次,设计并应用特征点校正算法和滤波算法以提高特征点的位置精度;最后,在Unity中将椎骨模型配准到由特征点拟合的脊柱线上,得到个性化三维脊柱模型,并计算Cobb角、胸椎后凸角、腰椎前凸角以评估脊柱侧弯。本文对28位受试者进行了实验,对比分析了系统评估结果与X片评估结果:Cobb角与实际Cobb角之间的皮尔逊相关系数为0.82,平均绝对误差为3.4°,均方根误差为4.2°;胸椎后凸角与实际胸椎后凸角之间的皮尔逊相关系数为0.80,平均绝对误差为3.4°,均方根误差为3.8°;腰椎前凸角与实际腰椎前凸角之间的皮尔逊相关系数为0.78,平均绝对误差为3.2°,均方根误差为3.7°。实验结果表明,脊柱侧弯评估系统的精度较高,使用方便,可适用于大范围的青少年脊柱侧弯筛查。

关键词：脊柱侧弯评估形态识别三维建模校正算法卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于力度无关鲁棒特征的肌电手势识别方法

引用

仪器仪表学报 2022年第5期43卷 183-190页

作者：林恒李玉榕施正义朱菲菲福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108

为了减小肌肉收缩力变化对肌电信号模式识别的影响,提出了DCSP特征。该特征首先通过CSP算法得到最大化类与类之间距离的空间投影矩阵,然后对投影后的新信号进行差分和归一化处理,最终通过非相关线性判别分析将数据投影到类内距离最小、... 详细信息

为了减小肌肉收缩力变化对肌电信号模式识别的影响,提出了DCSP特征。该特征首先通过CSP算法得到最大化类与类之间距离的空间投影矩阵,然后对投影后的新信号进行差分和归一化处理,最终通过非相关线性判别分析将数据投影到类内距离最小、类间距离最大的低维空间而得到。在两个数据集上验证基于DCSP特征的肌电手势识别正确率,第1个数据集包含10名完整肢体受试者的数据,第2个数据集包含9名上肢截肢者的数据。在识别率测试的4个方案中,DCSP特征的识别正确率均高于CSP特征,在全部力训练,全部力测试的方案上取得最高的识别率(数据集1:95.83%,数据集2:86.93%),相比CSP特征(数据集1:89.01%,数据集2:70.03%),分类准确率分别提升6%和16%。在特征空间分布的2个测试方案上,DCSP特征比CSP特征都具有更小的类内距离和更大的类间距离。相比较于其他研究的识别正确率,DCSP特征比现有的力度鲁棒特征提升了约5%(数据集1)和8%(数据集2),并且性能不依赖于分类器类型。

关键词：肌肉收缩力共空间模式手势识别

来源：评论

学校读者我要写书评

暂无评论

基于改进小脑模型的sEMG下肢关节力矩预测

引用

仪器仪表学报 2022年第11期43卷 172-180页

作者：姜海燕李竹韵陈艳福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108

关节力矩预测在康复医学、临床医学和运动训练等领域有着重要作用,对力矩连续、实时地预测可以使人机交互设备更好地反馈、复刻人体运动意图。为了给患者提供一个安全、主动、舒适的康复训练环境,提升人机交互设备的柔顺性,提出了一种... 详细信息

关节力矩预测在康复医学、临床医学和运动训练等领域有着重要作用,对力矩连续、实时地预测可以使人机交互设备更好地反馈、复刻人体运动意图。为了给患者提供一个安全、主动、舒适的康复训练环境,提升人机交互设备的柔顺性,提出了一种改进型递归小脑模型神经网络模型关节力矩预测方法。该方法采用肌肉协同分析对采集的相关肌肉的表面肌电信号(sEMG)进行降维,将降维后的sEMG特征向量与关节角速度、关节角度作为输入信号,并在小脑模型神经网络中加入递归单元和模糊逻辑规则,以小波函数作为隶属度函数,对非疲劳、过渡疲劳及疲劳这3种状态下的踝关节背屈跖屈运动的动态力矩进行连续预测。力矩预测值与实际值之间的平均皮尔逊相关系数和平均标准均方根误差分别为0.9335和0.1598,实验结果验证了该方法对下肢关节力矩连续预测的准确性和有效性。

关键词：关节力矩预测表面肌电信号小脑模型神经网络肌肉协同分析

来源：评论

学校读者我要写书评

暂无评论

基于sEMG信号的关节力矩NARX预测模型

引用

仪器仪表学报 2022年第11期43卷 123-131页

作者：刘强李玉榕杜国川连章汇福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108

为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型。首先搭建康复训练设备为信号采集和实验验证提供条件。将sEMG经过预处理,选择sEM... 详细信息

为解决利用力矩传感器控制肌力训练设备所带来的滞后性,利用表面肌电信号(sEMG)超前于运动的特性,设计了基于一组拮抗肌表面肌电信号的关节力矩预测模型。首先搭建康复训练设备为信号采集和实验验证提供条件。将sEMG经过预处理,选择sEMG信号的方差特征作为神经网络输入,利用带有外部输入的非线性自回归(NARX)模型的动态循环神经网络,分别建立了基于关节力矩实际值的超前多步(MSA)预测模型和基于模型预测输出(MPO)的预测模型,通过等张和等长测试实验,比较了MSA和MPO模型的力矩预测性能。实验结果表明,两种模型输出预测值和实际值之间都有极强关联性(皮尔逊相关系数均大于0.95)。随着超前预测的步数增加,MSA模型的预测精度降低,但是超前预测的时间增大。在等张和等长测试中,当超前步数分别小于29和35时,MSA预测精度显著高于MPO(p<0.05),但MPO模型在成本和体积上更具优势。综上所述,两种模型均可以准确预测关节力矩,在实际康复训练设备控制中,可根据应用需求选择不同的力矩预测模型。

关键词： sEMG NARX 多步超前预测模型模型预测输出

来源：评论

学校读者我要写书评

暂无评论

基于偏传递熵的卒中患者皮层肌肉功能连接分析

引用

中国生物医学工程学报 2024年第5期43卷 561-570页

作者：施正义谢秋蓉王晓玲李玉榕福州大学电气工程与自动化学院福州350108 福建省医疗器械和医药技术重点实验室福州350108 福建中医药大学康复医学院福州350122 福建中医药大学中医骨伤与运动康复重点实验室福州350122

运动功能障碍是脑卒中后的主要症状,一般认为是由控制运动功能的神经网络的损伤引起的。为了探讨卒中患者的神经肌肉控制机制,本研究以皮层肌肉功能连接(FCMC)为工具,采集13例卒中患者和13例健康对照者前伸动作时的脑电信号(EEG)及肱三... 详细信息

运动功能障碍是脑卒中后的主要症状,一般认为是由控制运动功能的神经网络的损伤引起的。为了探讨卒中患者的神经肌肉控制机制,本研究以皮层肌肉功能连接(FCMC)为工具,采集13例卒中患者和13例健康对照者前伸动作时的脑电信号(EEG)及肱三头肌、前三角肌前束、中束、后束、肱二头肌、胸大肌、斜方肌的肌电信号(EMG)。通过脑源定位得到大脑皮层源信号,再聚类确定动作对应的活跃脑区,使用偏传递熵求取皮层肌肉功能连接。卒中患者ICsF与AD、ICsB与BIC、ICsC与PD、PM、UT在上行通道的功能连接与健康对照组相比显著增强(例如健康对照组为0.033±0.031,卒中患者为0.092±0.083,P<0.05);卒中患者BIC与ICsA、ICsB、ICsCTRI、UT与ICsC在下行通道的功能连接与健康对照组相比显著增强(例如健康对照组为0.113±0.092,卒中患者为0.198±0.105,P<0.05);卒中患者存在同侧的皮层肌肉功能连接。实验结果表明,该研究从新的角度探索脑卒中后皮层肌肉功能连接效应,证明了卒中患者存在同侧的皮层肌肉功能连接,进一步有效促进对卒中后神经肌肉耦合机制的理解。

关键词：偏传递熵源定位脑肌电功能连接卒中

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：