国家自然科学基金(61271142)
- 作品数：10 被引量：96H指数：7
- 相关作者：谢平陈晓玲杜义浩吴晓光杨芳梅更多>>
- 相关机构：燕山大学中国人民解放军北京军区秦皇岛市第一医院更多>>
- 发文基金：国家自然科学基金河北省自然科学基金中国博士后科学基金更多>>
- 相关领域：医药卫生电子电信一般工业技术机械工程更多>>
- 纳米黏弹性测量中谐振抑制方法研究
- 2015年
- 针对压痕测量软材料中悬臂梁谐振导致测量数据存在较大误差的问题，提出一种在宽带纳米黏弹性测量中抑制悬臂梁谐振的方法。基于z轴动态特性设计一种陷波器类型的前置滤波器，并对输入驱动电压进行滤波；设计基于最小均方误差准则（LMS）的自适应滤波器，参考赫兹接触模型对软材料的复蠕变量进行滤波，进而在输入环节和测量环节消除谐振影响。通过二甲基硅氧烷（PDMS）样本的黏弹性测量实验，验证悬臂梁谐振抑制方法的有效性。
- 杜义浩谢平张磊邹清泽
- 关键词：计量学谐振抑制自适应滤波器
- 基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别被引量：13
- 2013年
- 运动想象脑电特征是进行动作模式识别进而实现生物反馈技术的重要依据。在对侧躯体运动想象脑电识别方法的基础上,研究单侧躯体不同运动想象模式下的脑电特征提取问题,提出基于EMD-多尺度熵(MSE)的脑电信号瞬态特征提取及定量描述的方法,设计基于极限学习机(ELM)的动作模式识别模型。通过对10名正常受试者在左侧手臂屈、伸动作模式下的运动想象脑电的分析,提取其特征并进行动作识别,结果证实其识别率可以达到90%以上。实验表明:所提出基于EMD-MSE的运动想象EEG特征提取方法,能够定量刻画不同运动模式下脑电信号的多尺度局部瞬态特征;进一步运用基于ELM学习算法的前馈神经网络,可以实现对不同运动模式下脑电EMD-SME特征的有效分类。
- 谢平陈晓玲苏玉萍梁振虎李小俚
- 关键词：极限学习机
- 基于多尺度传递熵的脑肌电信号耦合分析被引量：11
- 2015年
- 神经运动控制中脑肌电同步特征可以反映皮层与肌肉之间的功能联系.为定量研究脑电和肌电信号在不同时间尺度上的同步耦合特征,提出多尺度传递熵方法实现静态握力输出下的脑肌电耦合分析:对同步采集的头皮脑电信号(EEG)和表面肌电信号(EMG)进行多尺度化,计算不同尺度因子下EEG与EMG间的传递熵值,获取不同耦合方向(EEG→EMG及EMG→EEG)上的非线性脑肌电耦合特征;进一步计算功能频段下的显著性面积指标,定量分析不同尺度下皮层肌肉功能耦合强度的差异.分析结果显示,静态握力输出时beta频段(15—35 Hz)皮层肌肉功能耦合特征显著,且beta2频段(25—35 Hz)在不同尺度上EEG→EMG方向的耦合强度大于EMG→EEG方向,耦合强度最大值和方向间耦合强度差异显著值均出现于较高时间尺度.研究结果揭示:皮层肌肉功能耦合具有双向性,且耦合强度在不同时间尺度和不同功能频段上有所差异,可利用多尺度传递熵定量刻画大脑皮层与肌肉之间的非线性同步特征及功能联系.
- 谢平杨芳梅陈晓玲杜义浩吴晓光
- 关键词：脑电信号肌电信号
- 基于脑肌电融合的混合脑机接口研究被引量：12
- 2016年
- 动作模式识别是脑机接口技术的核心内容之一。针对目前脑机接口动作识别模式单一、识别率低等问题,基于混合脑机接口思想,提出一种脑电和肌电特征融合策略,可实现单侧肢体不同动作模式的有效分类,进而可用于脑机接口技术。同步采集9名健康受试者单侧手腕屈/伸两种动作模式下的脑电信号和表面肌电信号,分别提取脑电信号事件相关去同步化特征和表面肌电信号的积分肌电值特征,构建基于支持向量机和粒子群优化算法的脑肌电融合及运动模式识别模型,通过调整"特征融合系数"来实现动作模式最优分类,从而提高模式识别的准确率;进一步通过递降健康人的肌电信号幅值来模拟患者和运动疲劳状态下的肌电信号,验证所提出方法对动作模式识别的有效性。实验结果表明,基于脑肌电融合特征的动作模式识别率(98%)比单纯依靠脑电特征的识别率(73%)提高25%;在运动疲劳状态下,基于脑肌电融合特征的识别率稳定在80%以上,比单纯依靠肌电特征的识别率提高14%。可见,脑肌电融合策略能提高动作模式识别的准确性和鲁棒性,为混合脑机接口技术提供条件。
- 谢平陈迎亚郝艳彪陈晓玲杜义浩吴晓光
- 关键词：粒子群优化
- 表情肌强化训练对特发性面神经麻痹的疗效被引量：13
- 2014年
- 目的探讨表情肌强化训练对面神经麻痹的疗效。方法 105例面神经麻痹患者分为对照组(n=53)和治疗组(n=52),两组均接受药物治疗、物理治疗、针刺治疗和心理支持治疗,治疗组在此基础上给予表情肌强化训练,治疗1个月后进行疗效评定。结果治疗后,治疗组肌力明显优于对照组(P<0.01)。治疗组痊愈率65.38%,明显优于对照组39.62%(P<0.01);总有效率96.15%,优于对照组83.02%(P<0.05)。结论强化训练表情肌能进一步提高面神经麻痹的康复疗效。
- 徐文玉刘新李阔
- 关键词：面神经麻痹康复
- 基于变分模态分解-相干分析的肌间耦合特性被引量：10
- 2017年
- 肌间耦合是肢体运动过程中不同肌肉间的相互关联与相互协调作用.通过研究肌电信号(s EMG)间特征频段的耦合特性可以获得肌肉间的功能联系及中枢神经系统支配肢体运动的执行与协调方式机理.本文将变分模态分解与相干分析相结合,构建变分模态分解-相干分析模型,定量描述肢体运动中相关肌肉sEMG在特征频段的耦合特性.在20%最大自主收缩力静态负荷强度下,采集20名健康被试的sEMG,基于变分模态分解方法将sEMG时频尺度化,进而分析不同sEMG在特征频段的相干性,并计算显著相干面积指标,定量分析肌间特征频段的功能耦合特性.结果表明:低负荷静态握力维持过程中,指浅屈肌与尺侧腕曲肌、指浅屈肌与指伸肌的beta与gamma频段耦合强度随时间推进而增强;相较于指浅屈肌与指伸肌,疲劳状态下指浅屈肌与尺侧腕曲肌beta与gamma频段耦合强度变化更显著,且瞬时频率特征变化相似,揭示运动致疲劳过程中协同肌受中枢神经系统控制以更加同步的方式活动.
- 杜义浩齐文靖邹策张晋铭谢博多谢平
- 关键词：肌电信号相干分析
- 运动观察与运动想象的皮层节律活动与神经生理机制被引量：5
- 2015年
- 研究证实,运动观察与运动想象对大脑的激活有利于中风后的运动功能再学习,可用于探索人类行为过程中大脑的神经机制.为对比分析运动观察和运动想象时皮层神经元的活动特征,选取10名健康被试,采集每名被试在运动观察和运动想象时特定手部抓握动作模式下的脑电信号(EEG);引入Gabor滤波器对感觉运动区和视觉区的EEG进行时频能量谱估计,并在此基础上对EEG进行事件相关去同步/同步化(ERD/ERS)分析;最后建立ERDI(ERD index)指标对左手和右手进行模式分类并量化比较运动观察与运动想象.研究结果表明,运动观察与运动想象类似,均激活大脑感觉运动皮层,并且运动想象产生对侧主导的α和βERD;基于ERDI指标的运动想象左右手识别正确率高于运动观察分类正确率;此外,运动观察过程还同时伴随视觉皮层活动,使β节律能量产生显著衰减.本研究为运动观察和运动想象在临床康复训练以及脑机接口领域的应用提供了神经生理基础和实现途径.
- 谢平吴晓光牛小辰陈晓玲郭子晖杜义浩
- 关键词：GABOR滤波器神经生理
- 基于变分模态分解-传递熵的脑肌电信号耦合分析被引量：31
- 2016年
- 皮层肌肉功能耦合是大脑皮层和肌肉组织间的相互作用,脑肌电信号的多尺度耦合特征可以体现皮层-肌肉间多时空的功能联系.本文引入变分模态分解并与传递熵结合,构建变分模态分解-传递熵模型应用于脑肌间耦合研究.首先基于变分模态分解将同步采集的脑电(EEG)和肌电(EMG)信号分别进行时频尺度化,然后计算不同时频尺度间的传递熵值,获取不同耦合方向(EEG→EMG及EMG→EEG)上不同尺度间的非线性耦合特征.结果表明,在静态握力输出条件下,皮层与肌肉beta(15—35 Hz)频段间的耦合强度最为显著;EEG→EMG方向上脑电与肌电高gamma(50—72 Hz)频段的耦合强度总体上高于EMG→EEG方向.研究结果揭示皮层-肌肉功能耦合具有双向性,且脑肌间不同耦合方向上、不同频段间的耦合强度有所差异.因此可利用变分模态分解-传递熵方法定量刻画大脑皮层与肌肉各时频段之间的非线性同步特征及功能联系.
- 谢平杨芳梅李欣欣杨勇陈晓玲张利泰
- 基于自排序熵的表面肌电信号特征提取方法被引量：8
- 2014年
- 针对人体表面肌电信号的非平稳、非线性特点,提出一种基于排序熵和自互信息的自排序熵指标,定量描述表面肌电信号的内在动力学特性,实现肢体不同运动状态下肌电信号非线性特征的有效刻画.进行健康受试者上肢肘关节不同弯曲角度下表面肌电采集实验,计算其自排序熵指标并运用支持向量机进行动作识别,通过与已有表面肌电特征指标的对比分析,验证文中方法的有效性.
- 谢平魏秀利杜义浩陈晓玲
- 关键词：特征提取支持向量机
- 基于格兰杰因果性的行走状态下脑肌电同步分析被引量：4
- 2014年
- 为了研究健康人在行走过程中大脑皮层与肌肉间的功能性关联,探究正走与倒走过程中该功能联系是否存在差异,分别对10名健康被试进行时长大于10 min的正走和倒走测试;基于格兰杰因果性算法(GC)对测试过程中同步采集到的头皮脑电(EEG)与表面肌电(EMG)信号进行分析,进一步定义不同节律下EEG和不同肌肉EMG的GC显著性面积指标,用以定量描述皮层-肌肉间的功能性耦合关系和信息流向,并分析脑电功率谱与该功能性耦合关系的联系。Wilcoxon非参数检验的结果显示,倒走过程中股直肌与胫骨前肌在EEG→EMG和EMG→EEG方向上alpha和beta节律的GC显著性面积指标较正走过程存在显著下降(P<0.05);线性回归分析的结果显示,正走和倒走中的EEG功率谱峰值与EEG→EMG方向的GC峰值存在线性相关性(P<0.05)。实验说明,健康人步行时EEG和EMG间存在方向性耦合关系,并且脑电alpha和beta节律参与步行中的控制反馈过程,从而证明该研究方法可以刻画大脑皮层与肌肉之间的同步特征与功能联系。
- 牛小辰陈晓玲陈迎亚吴晓光杜义浩谢平
