CN109346176A - 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 - Google Patents
一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 Download PDFInfo
- Publication number
- CN109346176A CN109346176A CN201810978973.0A CN201810978973A CN109346176A CN 109346176 A CN109346176 A CN 109346176A CN 201810978973 A CN201810978973 A CN 201810978973A CN 109346176 A CN109346176 A CN 109346176A
- Authority
- CN
- China
- Prior art keywords
- muscle
- indicate
- joint
- length
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000003205 muscle Anatomy 0.000 title claims abstract description 108
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 230000033001 locomotion Effects 0.000 claims abstract description 29
- 238000002567 electromyography Methods 0.000 claims abstract description 23
- 230000002195 synergetic effect Effects 0.000 claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000007115 recruitment Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000002474 experimental method Methods 0.000 claims description 20
- 230000003183 myoelectrical effect Effects 0.000 claims description 15
- 230000004913 activation Effects 0.000 claims description 7
- 239000000835 fiber Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000003387 muscular Effects 0.000 claims description 4
- 230000008602 contraction Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000004118 muscle contraction Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 210000002435 tendon Anatomy 0.000 claims description 3
- 235000013372 meat Nutrition 0.000 claims description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 210000003314 quadriceps muscle Anatomy 0.000 description 4
- 230000007659 motor function Effects 0.000 description 2
- 210000002027 skeletal muscle Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Prostheses (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，首先对实验对象进行个性化人体肌肉骨骼模型缩放；然后采集实验对象运动状态下运动学、动力学数据和肌电信号，通过逆运动学求解各关节角度，通过肌肉‑肌腱运动学计算生理学参数，通过逆动力学求解各关节力矩；根据上述求得的各关节角度、生理学参数、各关节力矩及处理后的肌电信号用于求解关于肌肉协同结构和募集模式的关节力矩分配最优控制问题，得到驱动人体动力学模型的肌肉协同结构和募集模式。该方法使用方便，舒适度和安全性高，并能兼顾关节力矩与肌电信号误差，提高了仿真模型的准确性。
Description
技术领域
本发明涉及生物医学工程领域，尤其涉及一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法。
背景技术
肌肉协同分析是人体运动功能分析的重要手段，对于定量分析人体肌肉、神经等运动功能具有重要意义。通常情况下，进行肌肉协同分析首先需要通过肌电传感器获取所涉及肌肉的肌电信号，对原始肌电信号处理后，通过矩阵分解算法得到各协同的协同结构和募集模式。这种方法需要采用尽可能多的肌电传感器，将表面电极粘贴在浅层肌肉的皮肤表面，或将侵入式的针式电极刺入深层肌肉，否则难以测量深层肌肉肌电信号，这些肌电传感器的电极会引起人体的不舒适感甚至疼痛感，从而影响人体正常的运动功能，进而影响肌肉协同分析，且侵入式针式电极对人体的感染风险较大，此外，肌电传感器还极易受到干扰。
发明内容
针对上述不足，本发明提出一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法。由于原有的肌肉协同分析方法需要大量肌电传感器采集肌电信号，而肌电传感器的测量误差较大，人体舒适度差且安全风险较高，因此我们提出一种新的肌肉协同分析方法，该方法应用人体动力学建模方法，通过采集人体运动学参数和人体与外界交互作用力生成人体动力学模型，引入采集的少量肌电信号对上述模型进行修正，从而求解各协同的协同结构和募集模式。
为了达到上述目的，本发明所采用的技术方案如下：一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，该方法包括：首先对实验对象进行个性化人体肌肉骨骼模型缩放；然后采集实验对象运动状态下运动学、动力学数据和肌电信号，通过逆运动学求解各关节角度，通过肌肉-肌腱运动学计算生理学参数，通过逆动力学求解各关节力矩；根据上述求得的各关节角度、生理学参数、各关节力矩及处理后的肌电信号，求解关于肌肉协同结构和募集模式的关节力矩分配最优控制问题，得到驱动人体动力学模型的肌肉协同结构和募集模式。
进一步的，所述对实验对象进行个性化人体肌肉骨骼模型缩放具体为：
利用三维运动捕捉系统采集实验对象静态状态下身体表面粘贴的标志点位置PSTATIC，应用OpenSim人体建模理论，以标准人体肌肉骨骼模型为基准，对当前实验对象进行个性化人体肌肉骨骼模型缩放；模型中的参数包含肌纤维长度、肌腱静息长度、肌肉起止点和人体各环节长度及质量。
进一步的，所述各关节角度、生理学参数、各关节力矩及处理后的肌电信号的求解过程如下：
三维运动捕捉系统采集实验对象运动状态下身体表面粘贴的标志点运动轨迹P，同时测力台采集人体运动状态下与外界的交互作用力FREACTION，同时选取活动明显的肌肉，肌电传感器采集其肌电原始信号uRAW；
将标记点三维坐标数据P导入到个性化人体肌肉骨骼模型中，通过逆运动学求解得出各关节角度θ，通过肌肉-肌腱运动学计算肌纤维长度l、肌肉长度L和各肌肉-肌腱单元相对于各关节的力臂R生理学参数，然后以关节角度θ和交互作用力FREACTION作为输入，通过逆动力学求解得出关节力矩实验值T*；将原始表面肌电信号uRAW经高通滤波、全波整流和低通滤波预处理后，以最大等容收缩下的峰值为基准得到归一化的肌肉兴奋实验值u*。
进一步的，将肌纤维长度l、肌肉-肌腱单元长度L、各肌肉-肌腱单元相对于各关节的力臂R、关节力矩T*和肌肉兴奋实验值u*用于求解关于肌肉协同结构W和募集模式h的关节力矩分配最优控制问题。
进一步的，所述最优控制问题的目标函数J为：
约束于
Fi(t)＝f1(li,Li(t))(i＝1,2…nMTU),
其中，w1,w2,w3表示各项权重系数，均大于0，且它们之和为1；p1,p2,p3表示各项指数，均大于0；T表示运动时长，t表示时间，nMTU表示人体肌肉骨骼模型中肌肉的数目，nEMG表示肌电传感器测得肌电信号的数目，nDof表示人体肌肉骨骼模型的关节自由度，nSyn表示肌肉协同数目，uj表示第j块肌肉兴奋仿真值，表示第j块选取测量实验值肌肉的兴奋仿真值，Tk表示第k关节自由度的力矩仿真值，表示第k关节自由度的力矩实验值，Fi表示第i块肌肉的力，li表示第i块肌肉的肌纤维长度，Li表示第i块肌肉-肌腱单元长度，f1表示肌肉力关于肌纤维长度和肌肉-肌腱单元长度的函数，f2表示肌肉收缩动力学函数，f3表示肌肉激活动力学函数，ai表示第i块肌肉的激活值，表示第i块肌肉的肌纤维最适长度，αi表示第i块肌肉的肌纤维处于最适长度时的羽状角，Win表示第i块肌肉在第n协同结构中的权重系数，hn表示第n协同的募集模式，gi表示关于第i块肌肉的目标函数，ui表示第i块肌肉兴奋仿真值，Rik表示第i块肌肉对于第k关节的力臂。
进一步的，所述三维运动捕捉系统、测力台和肌电传感器为同步触发。
与现有技术相比，本发明的有益效果如下：与现有技术相比通过三维运动捕捉系统采集人体运动学轨迹，通过测力台采集人体与外界的交互作用力，只需采用少量的肌电传感器采集表面肌电信号，这种方法对于人体运动的影响较小，人体舒适度、安全性更高，且能降低肌电传感器测量误差对实验结果的影响。另外，还具有：1、采用人体肌肉骨骼模型生成人体动力学模型，引入采集的少量肌电信号对上述模型进行修正，不再需要大量肌电传感器，使用方便，提高了人体舒适度和安全性。2、肌肉协同结构和募集模式通过最优控制问题求解，得到驱动人体动力学模型的肌肉协同结构和募集模式，最优控制问题的目标函数兼顾关节力矩和肌电信号误差，提高了仿真模型的准确性。
附图说明
图1为实验对象正面观表面肌电电极放置示意图；
图2为实验对象背面观表面肌电电极放置示意图；
图3为基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法流程图；
图中：股内侧肌1、股外侧肌2、胫骨前肌3、腓肠肌内侧头4、比目鱼肌5。
具体实施方式
下面结合附图和实施例对发明进一步说明。
本发明的基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法用于分析人体运动中肌肉协同结构和募集模式。
如图1和图2所示，用于采集实验对象肌电信号的表面肌电电极放置示意图，所述的表面肌电信号来源于：股内侧肌1、股外侧肌2、胫骨前肌3、腓肠肌内侧头4、比目鱼肌5。
如图3所示，用于分析人体运动中肌肉协同结构和募集模式的基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，主要包括步骤：
步骤1，三维运动捕捉系统采集实验对象静态状态下身体表面粘贴的标志点位置，包含各标记点三维坐标数据PSTATIC，应用OpenSim人体建模理论，以标准人体肌肉骨骼模型为基准，对当前实验对象进行个性化人体肌肉骨骼模型缩放；模型中的参数包含肌纤维长度、肌腱静息长度、肌肉起止点和人体各环节长度及质量。
步骤2，三维运动捕捉系统采集实验对象运动状态下身体表面粘贴的标志点运动轨迹，包含各标记点三维坐标数据P，同时测力台采集人体运动状态下与外界的交互作用力FREACTION，包括三维作用力、三维作用力矩和压力中心位置，同时选取活动明显的肌肉，肌电传感器采集其肌电原始信号uRAW；三维运动捕捉系统、测力台和肌电传感器的触发为同步触发。
步骤3，将步骤2中标记点三维坐标数据P导入到个性化人体肌肉骨骼模型中，通过逆运动学求解得出各关节角度θ，通过肌肉-肌腱运动学计算肌纤维长度l、肌肉长度L和各肌肉-肌腱单元相对于各关节的力臂R等生理学参数，然后以关节角度θ和步骤2中的人体与外界作用力FREACTION作为输入，通过逆动力学求解得出关节力矩实验值T*；将步骤2中肌电原始信号uRAW经高通滤波、全波整流和低通滤波等预处理后，以最大等容收缩下的峰值为基准得到归一化的肌肉兴奋实验值u*；
步骤4，将步骤3中肌纤维长度l、肌肉-肌腱单元长度L、各肌肉-肌腱单元相对于各关节的力臂R、关节力矩T*和肌肉兴奋实验值u*用于求解关于肌肉协同结构W和募集模式h的关节力矩分配最优控制问题；最优控制问题的目标函数为：
约束于
Fi(t)＝f1(li,Li(t))(i＝1,2…nMTU),
其中，w1,w2,w3表示各项权重系数，均大于0；p1,p2,p3表示各项指数，均大于0；T表示运动时长，t表示时间，nMTU表示人体肌肉骨骼模型中肌肉的数目，nEMG表示肌电传感器测得肌电信号的数目，nDof表示人体肌肉骨骼模型的关节自由度，nSyn表示肌肉协同数目，uj表示第j块选取测量实验值肌肉的兴奋仿真值，表示第j块肌肉兴奋实验值，Tk表示第k关节自由度的力矩仿真值，表示第k关节自由度的力矩实验值，Fi表示第i块肌肉的力，li表示第i块肌肉的肌纤维长度，Li表示第i块肌肉-肌腱单元长度，f1表示肌肉力关于肌纤维长度和肌肉-肌腱单元长度的函数，f2表示肌肉收缩动力学函数，f3表示肌肉激活动力学函数，ai表示第i块肌肉的激活值，表示第i块肌肉的肌纤维最适长度，αi表示第i块肌肉的肌纤维处于最适长度时的羽状角，Win表示第i块肌肉在第n协同结构中的权重系数，hn表示第n协同的募集模式，gi表示关于第i块肌肉的目标函数，包含多种形式以表示多种优化目标，如gi＝ai、gi＝Fi和(Ai表示第i块肌肉的生理横截面积)等。ui表示第i块肌肉兴奋仿真值，Rik表示第i块肌肉对于第k关节的力臂。以上各符号的单位均为国际标准单位，肌肉兴奋仿真值、肌肉兴奋实验值、肌肉激活值无量纲。
Claims (7)
1.一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，该方法包括：首先对实验对象进行个性化人体肌肉骨骼模型缩放；然后采集实验对象运动状态下运动学、动力学数据和肌电信号，通过逆运动学求解各关节角度，通过肌肉-肌腱运动学计算生理学参数，通过逆动力学求解各关节力矩；根据上述求得的各关节角度、生理学参数、各关节力矩及处理后的肌电信号，求解关于肌肉协同结构和募集模式的关节力矩分配最优控制问题，得到驱动人体动力学模型的肌肉协同结构和募集模式。
2.根据权利要求1所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述对实验对象进行个性化人体肌肉骨骼模型缩放具体为：
利用三维运动捕捉系统采集实验对象静态状态下身体表面粘贴的标志点位置PSTATIC，应用OpenSim人体建模理论，以标准人体肌肉骨骼模型为基准，对当前实验对象进行个性化人体肌肉骨骼模型缩放。
3.根据权利要求2所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，模型中的参数包含肌纤维长度、肌腱静息长度、肌肉起止点和人体各环节长度及质量。
4.根据权利要求2或3所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述各关节角度、生理学参数、各关节力矩及处理后的肌电信号的求解过程如下：
三维运动捕捉系统采集实验对象运动状态下身体表面粘贴的标志点运动轨迹P，同时测力台采集人体运动状态下与外界的交互作用力FREACTION，同时选取活动明显的肌肉，肌电传感器采集其肌电原始信号uRAW。
将标记点三维坐标数据P导入到个性化人体肌肉骨骼模型中，通过逆运动学求解得出各关节角度θ，通过肌肉-肌腱运动学计算肌纤维长度l、肌肉长度L和各肌肉-肌腱单元相对于各关节的力臂R生理学参数，然后以关节角度θ和交互作用力FREACTION作为输入，通过逆动力学求解得出关节力矩实验值T*；将原始表面肌电信号uRAW经高通滤波、全波整流和低通滤波预处理后，以最大等容收缩下的峰值为基准得到归一化的肌肉兴奋实验值u*。
5.根据权利要求4所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，将肌纤维长度l、肌肉-肌腱单元长度L、各肌肉-肌腱单元相对于各关节的力臂R、关节力矩T*和肌肉兴奋实验值u*用于求解关于肌肉协同结构W和募集模式h的关节力矩分配最优控制问题。
6.根据权利要求5所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述最优控制问题的目标函数J为：
约束于
Fi(t)＝f1(li,Li(t))(i＝1,2…nMTU),
其中，w1,w2,w3表示各项权重系数，均大于0，且它们之和为1；p1,p2,p3表示各项指数，均大于0；T表示运动时长，t表示时间，nMTU表示人体肌肉骨骼模型中肌肉的数目，nEMG表示肌电传感器测得肌电信号的数目，nDof表示人体肌肉骨骼模型的关节自由度，nSyn表示肌肉协同数目，uj表示第j块肌肉兴奋仿真值，表示第j块选取测量实验值肌肉的兴奋仿真值，Tk表示第k关节自由度的力矩仿真值，表示第k关节自由度的力矩实验值，Fi表示第i块肌肉的力，li表示第i块肌肉的肌纤维长度，Li表示第i块肌肉-肌腱单元长度，f1表示肌肉力关于肌纤维长度和肌肉-肌腱单元长度的函数，f2表示肌肉收缩动力学函数，f3表示肌肉激活动力学函数，ai表示第i块肌肉的激活值，表示第i块肌肉的肌纤维最适长度，αi表示第i块肌肉的肌纤维处于最适长度时的羽状角，Win表示第i块肌肉在第n协同结构中的权重系数，hn表示第n协同的募集模式，gi表示关于第i块肌肉的目标函数，ui表示第i块肌肉兴奋仿真值，Rik表示第i块肌肉对于第k关节的力臂。
7.根据权利要求6所述的一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法，其特征在于，所述三维运动捕捉系统、测力台和肌电传感器为同步触发。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810978973.0A CN109346176B (zh) | 2018-08-27 | 2018-08-27 | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810978973.0A CN109346176B (zh) | 2018-08-27 | 2018-08-27 | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109346176A true CN109346176A (zh) | 2019-02-15 |
| CN109346176B CN109346176B (zh) | 2021-08-31 |
Family
ID=65291850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810978973.0A Active CN109346176B (zh) | 2018-08-27 | 2018-08-27 | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109346176B (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110515297A (zh) * | 2019-08-29 | 2019-11-29 | 中国科学院自动化研究所 | 基于冗余肌肉骨骼系统的阶段式运动控制方法 |
| CN110638449A (zh) * | 2019-09-30 | 2020-01-03 | 福州大学 | 一种基于机械功的肌肉量化分析方法 |
| CN110786871A (zh) * | 2019-10-31 | 2020-02-14 | 清华大学 | 人体肌电信号的测试装置、数据处理及激活水平计算方法 |
| CN110801226A (zh) * | 2019-11-01 | 2020-02-18 | 西安交通大学 | 一种基于表面肌电信号的人体膝关节力矩测试系统方法及应用 |
| CN111326252A (zh) * | 2020-02-18 | 2020-06-23 | 杭州电子科技大学 | 一种基于肌间协同和肌间耦合运动功能分析方法 |
| CN111832528A (zh) * | 2020-07-24 | 2020-10-27 | 北京深醒科技有限公司 | 一种用于行为分析的检出与异常分析方法 |
| CN112069933A (zh) * | 2020-08-21 | 2020-12-11 | 董秀园 | 基于体态识别和人体生物力学的骨骼肌肉受力估计方法 |
| CN113081429A (zh) * | 2021-04-16 | 2021-07-09 | 西北工业大学 | 一种治疗膝骨关节炎的柔性智能辅助系统 |
| CN113100789A (zh) * | 2021-04-16 | 2021-07-13 | 西北工业大学 | 一种膝关节内外侧受力实时分析系统 |
| CN113362948A (zh) * | 2021-05-25 | 2021-09-07 | 上海博灵机器人科技有限责任公司 | 一种检测感兴趣对象的肌肉健康状态的系统 |
| CN113576463A (zh) * | 2021-07-31 | 2021-11-02 | 福州大学 | 肌电信号驱动的膝关节肌骨模型接触力估计方法及系统 |
| CN114201864A (zh) * | 2021-12-02 | 2022-03-18 | 北京理工大学 | 一种在OpenSim软件中基于运动学数据的地面反力计算方法 |
| CN114818441A (zh) * | 2022-06-02 | 2022-07-29 | 吉林大学 | 基于在体生理运动的人体骨骼肌肉组织应力应变无损分析方法 |
| CN114918914A (zh) * | 2022-04-26 | 2022-08-19 | 中国科学院自动化研究所 | 人体肌肉骨骼的仿真控制系统及仿真装置 |
| CN115983037A (zh) * | 2023-01-17 | 2023-04-18 | 首都体育学院 | 肌肉协同约束的肌电和优化耦合的肌肉力计算模型 |
| CN116019466A (zh) * | 2023-02-16 | 2023-04-28 | 浙江大学 | 一种基于解析模型的表面肌电信号生成方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060253052A1 (en) * | 2002-01-29 | 2006-11-09 | Oregon Health & Science University | Electromyographic (EMG) feedback during AMES treatment of individuals with severe neuromuscular deficits |
| CN103079633A (zh) * | 2010-03-11 | 2013-05-01 | 梅恩斯塔伊医疗公司 | 用于治疗背痛的模块式刺激器、植入式 rf 消融系统及使用方法 |
| US20180043204A1 (en) * | 2016-08-10 | 2018-02-15 | David J. Warren | Core amortization time under tension method and apparatus |
| CN108268844A (zh) * | 2018-01-17 | 2018-07-10 | 上海术理智能科技有限公司 | 基于表面肌电信号的动作模式识别方法及装置 |
-
2018
- 2018-08-27 CN CN201810978973.0A patent/CN109346176B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060253052A1 (en) * | 2002-01-29 | 2006-11-09 | Oregon Health & Science University | Electromyographic (EMG) feedback during AMES treatment of individuals with severe neuromuscular deficits |
| CN103079633A (zh) * | 2010-03-11 | 2013-05-01 | 梅恩斯塔伊医疗公司 | 用于治疗背痛的模块式刺激器、植入式 rf 消融系统及使用方法 |
| US20180043204A1 (en) * | 2016-08-10 | 2018-02-15 | David J. Warren | Core amortization time under tension method and apparatus |
| CN108268844A (zh) * | 2018-01-17 | 2018-07-10 | 上海术理智能科技有限公司 | 基于表面肌电信号的动作模式识别方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| MASSIMO SARTORI ET.AL: "Hybrid neuromusculoskeletal modeling to best track joint moments using a balance between muscle excitations derived from electromyograms and optimization", 《JOURNAL OF BIOMECHANICS》 * |
| 陈玲玲 等: "基于肌电信号的膝关节力矩识别方法", 《中南大学学报（自然科学版）》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110515297A (zh) * | 2019-08-29 | 2019-11-29 | 中国科学院自动化研究所 | 基于冗余肌肉骨骼系统的阶段式运动控制方法 |
| CN110638449A (zh) * | 2019-09-30 | 2020-01-03 | 福州大学 | 一种基于机械功的肌肉量化分析方法 |
| CN110786871A (zh) * | 2019-10-31 | 2020-02-14 | 清华大学 | 人体肌电信号的测试装置、数据处理及激活水平计算方法 |
| CN110786871B (zh) * | 2019-10-31 | 2020-08-25 | 清华大学 | 人体肌电信号的测试装置、数据处理及激活水平计算方法 |
| CN110801226A (zh) * | 2019-11-01 | 2020-02-18 | 西安交通大学 | 一种基于表面肌电信号的人体膝关节力矩测试系统方法及应用 |
| CN110801226B (zh) * | 2019-11-01 | 2024-11-08 | 西安交通大学 | 一种基于表面肌电信号的人体膝关节力矩测试系统方法及应用 |
| CN111326252A (zh) * | 2020-02-18 | 2020-06-23 | 杭州电子科技大学 | 一种基于肌间协同和肌间耦合运动功能分析方法 |
| CN111832528A (zh) * | 2020-07-24 | 2020-10-27 | 北京深醒科技有限公司 | 一种用于行为分析的检出与异常分析方法 |
| CN111832528B (zh) * | 2020-07-24 | 2024-02-09 | 北京深醒科技有限公司 | 一种用于行为分析的检出与异常分析方法 |
| CN112069933A (zh) * | 2020-08-21 | 2020-12-11 | 董秀园 | 基于体态识别和人体生物力学的骨骼肌肉受力估计方法 |
| CN112069933B (zh) * | 2020-08-21 | 2024-11-19 | 董秀园 | 基于体态识别和人体生物力学的骨骼肌肉受力估计方法 |
| CN113081429A (zh) * | 2021-04-16 | 2021-07-09 | 西北工业大学 | 一种治疗膝骨关节炎的柔性智能辅助系统 |
| CN113100789A (zh) * | 2021-04-16 | 2021-07-13 | 西北工业大学 | 一种膝关节内外侧受力实时分析系统 |
| CN113100789B (zh) * | 2021-04-16 | 2022-10-21 | 西北工业大学 | 一种膝关节内外侧受力实时分析系统 |
| CN113362948A (zh) * | 2021-05-25 | 2021-09-07 | 上海博灵机器人科技有限责任公司 | 一种检测感兴趣对象的肌肉健康状态的系统 |
| CN113362948B (zh) * | 2021-05-25 | 2023-12-22 | 上海博灵机器人科技有限责任公司 | 一种检测感兴趣对象的肌肉健康状态的系统 |
| CN113576463A (zh) * | 2021-07-31 | 2021-11-02 | 福州大学 | 肌电信号驱动的膝关节肌骨模型接触力估计方法及系统 |
| CN113576463B (zh) * | 2021-07-31 | 2022-05-10 | 福州大学 | 肌电信号驱动的膝关节肌骨模型接触力估计方法及系统 |
| CN114201864A (zh) * | 2021-12-02 | 2022-03-18 | 北京理工大学 | 一种在OpenSim软件中基于运动学数据的地面反力计算方法 |
| CN114201864B (zh) * | 2021-12-02 | 2024-08-06 | 北京理工大学 | 一种在OpenSim软件中基于运动学数据的地面反力计算方法 |
| CN114918914B (zh) * | 2022-04-26 | 2024-03-22 | 中国科学院自动化研究所 | 人体肌肉骨骼的仿真控制系统及仿真装置 |
| CN114918914A (zh) * | 2022-04-26 | 2022-08-19 | 中国科学院自动化研究所 | 人体肌肉骨骼的仿真控制系统及仿真装置 |
| CN114818441A (zh) * | 2022-06-02 | 2022-07-29 | 吉林大学 | 基于在体生理运动的人体骨骼肌肉组织应力应变无损分析方法 |
| CN114818441B (zh) * | 2022-06-02 | 2024-12-03 | 吉林大学 | 基于在体生理运动的人体骨骼肌肉组织应力应变无损分析方法 |
| CN115983037B (zh) * | 2023-01-17 | 2023-08-11 | 首都体育学院 | 肌肉协同约束的肌电和优化耦合的肌肉力计算方法 |
| CN115983037A (zh) * | 2023-01-17 | 2023-04-18 | 首都体育学院 | 肌肉协同约束的肌电和优化耦合的肌肉力计算模型 |
| CN116019466A (zh) * | 2023-02-16 | 2023-04-28 | 浙江大学 | 一种基于解析模型的表面肌电信号生成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109346176B (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109346176A (zh) | 一种基于人体动力学建模和表面肌电信号修正的肌肉协同分析方法 | |
| CN105054927B (zh) | 一种下肢康复系统中主动参与度的生物量化评估方法 | |
| CN109925582B (zh) | 双模态脑-机交互式运动神经反馈训练装置和方法 | |
| Dipietro et al. | Customized interactive robotic treatment for stroke: EMG-triggered therapy | |
| CN103584919B (zh) | 多模态生物信号同步检测系统及方法 | |
| CN106236503B (zh) | 肌电驱动的上肢可穿戴外骨骼系统及控制方法 | |
| CN103691059A (zh) | 基于角度信息与肌电信号反馈控制的电刺激康复装置及方法 | |
| CN104337666A (zh) | 多肌肉协同肌电反馈康复训练系统和方法 | |
| Chen et al. | Sonomyography (SMG) control for powered prosthetic hand: a study with normal subjects | |
| CN109480838A (zh) | 一种基于表层肌电信号的人体连续复杂运动意图预测方法 | |
| Tyagi et al. | A review of EEG sensors used for data acquisition | |
| CN105125186B (zh) | 一种确定干预治疗方式的方法及系统 | |
| CN113995956B (zh) | 基于肌电预期姿势调整的卒中电刺激训练意图识别装置 | |
| CN107357419A (zh) | 一种基于共同收缩率的动作识别系统及方法 | |
| Wu et al. | Age-related differences in complexity during handgrip control using multiscale entropy | |
| Tong et al. | BP-AR-based human joint angle estimation using multi-channel sEMG | |
| Ubeda et al. | Single joint movement decoding from EEG in healthy and incomplete spinal cord injured subjects | |
| Fu et al. | Microneedle Array Electrodes Fabricated With 3D Printing Technology for High-Quality Electrophysiological Acquisition | |
| CN115670481A (zh) | 意识关联康复机器臂运动意愿提取及协同控制方法 | |
| Li et al. | sEMG based joint angle estimation of lower limbs using LS-SVM | |
| CN110664404B (zh) | 一种基于表面肌电信号的躯干代偿检测和消除系统 | |
| Hu et al. | Study on the establishment process of muscle synergy based on cosine similarity | |
| Shi et al. | Adhesive hydrogel interface for enhanced epidermal signal | |
| Wang et al. | Towards enhancement of patients’ engagement: Online modification of rehabilitation training modes using facial expression and muscle fatigue | |
| CN201701309U (zh) | 疼痛刺激装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |