針對(duì)不同患病程度的腦卒中患者運(yùn)動(dòng)意圖識(shí)別率低的問題,提出了一種適用于不同Brunnstrom等級(jí)患者基于表面肌電信號(hào)（sEMG）的動(dòng)作識(shí)別方法.首先將所有等級(jí)患者s EMG數(shù)據(jù)進(jìn)行融合,使用tsfresh庫提取特征,然后基于隨機(jī)森林（random forest,RF）模型篩選特征,并利用篩選的特征訓(xùn)練動(dòng)作分類模型.進(jìn)一步,通過研究動(dòng)作和康復(fù)等級(jí)的關(guān)系,確定了康復(fù)評(píng)估動(dòng)作并設(shè)計(jì)了康復(fù)等級(jí)自動(dòng)評(píng)估算法.為了驗(yàn)證所提方法的有效性,在24例患者sEMG數(shù)據(jù)上進(jìn)行了測(cè)試,實(shí)驗(yàn)結(jié)果表明所提方法能夠?qū)?種動(dòng)作和6類康復(fù)等級(jí)的平均識(shí)別精度分別提升至89.81%和94%.基于所提方法構(gòu)建的手部康復(fù)機(jī)器人系統(tǒng)能夠?qū)崿F(xiàn)康復(fù)等級(jí)自動(dòng)評(píng)估. 

【文章來源】：機(jī)器人. 2020,42(06)北大核心EICSCD

【文章頁數(shù)】：12 頁

【文章目錄】：
1 引言（Introduction）
2 實(shí)驗(yàn)和方法（Experiments and methods）
    2.1 實(shí)驗(yàn)數(shù)據(jù)采集
    2.2 數(shù)據(jù)預(yù)處理
    2.3 基于tsfresh庫的特征提取方法
    2.4 基于隨機(jī)森林的特征選擇方法
    2.5 堆疊集成學(xué)習(xí)方法
    2.6 基于sEMG的運(yùn)動(dòng)意圖識(shí)別方法
    2.7 基于sEMG的康復(fù)等級(jí)自動(dòng)評(píng)估方法
    2.8 手部康復(fù)機(jī)器人
3 結(jié)果與討論（Results and discussion）
    3.1 基于tsfresh庫的提取特征和常用特征對(duì)比結(jié)果
    3.2 基于RF選擇的特征和常用特征對(duì)比結(jié)果
    3.3 堆疊集成模型與基礎(chǔ)分類模型對(duì)比結(jié)果
    3.4 患者等級(jí)與康復(fù)訓(xùn)練動(dòng)作之間的關(guān)系
    3.5 康復(fù)等級(jí)自動(dòng)評(píng)估算法結(jié)果
4 結(jié)論與未來工作（Conclusions and future work）


【參考文獻(xiàn)】：
期刊論文
[1]腦卒中意念控制的主被動(dòng)運(yùn)動(dòng)康復(fù)技術(shù)[J]. 李敏,徐光華,謝俊,韓丞丞,張?chǎng)?李黎黎,張四聰.  機(jī)器人. 2017(05)
[2]康復(fù)機(jī)器人與智能輔助系統(tǒng)的研究進(jìn)展[J]. 侯增廣,趙新剛,程龍,王啟寧,王衛(wèi)群.  自動(dòng)化學(xué)報(bào). 2016(12)
[3]面向人機(jī)融合的智能動(dòng)力下肢假肢研究現(xiàn)狀與挑戰(zhàn)[J]. 王啟寧,鄭恩昊,陳保君,麥金耿.  自動(dòng)化學(xué)報(bào). 2016(12)
[4]基于表面肌電的運(yùn)動(dòng)意圖識(shí)別方法研究及應(yīng)用綜述[J]. 丁其川,熊安斌,趙新剛,韓建達(dá).  自動(dòng)化學(xué)報(bào). 2016(01)
[5]腦卒中后手功能康復(fù)現(xiàn)狀[J]. 賈杰.  老年醫(yī)學(xué)與保健. 2015 (03)



本文編號(hào)：3152262