骨骼肌收缩潜伏期内肌浆网结构的毫秒级变化研究

采用低温冷冻技术、计算机控制的毫秒级实时处理技术对潜伏期内骨骼肌结构变化时进行固定 ,以观察骨骼肌肌浆网、Ｔ 管在收缩潜伏期内超微结构的时相—形态变化。该项研究为最终解决骨骼肌兴奋收缩偶联发生时 ,其肌浆网内Ｃａ2 + 的释放机制问题 ,提供形态学上的证明。材料与方法从蟾蜍大腿部分离出长约 1 5ｃｍ ,宽约 2ｍｍ腓肠肌组织。将取下的肌组织放入任氏液中静息约10ｍｉｎ ,待其松弛 (静息时间不能超过 4 0ｍｉｎ ,否则收缩功能减弱 )。将银丝微电极仔细的插入静息后的骨骼肌两端 ,然后小心的将其放在经过我们改装后的Ｒｅｉｃｈｅ…     

针对肌肉功能障碍患者的数据库研究与开发

建立标准数据库是临床研究病情变化的重要手段,建立适用于肌肉功能障碍患者的标准数据库模板更具有重要临床意义。本研究针对临床上所采集的具有肌肉功能障碍患者的肌力、肌电数据,通过ODBC连接方式,引入了统一建模语言(UML),使用VC++开发工具,设计和完成了Access数据库,以对获取到的大量的肌力、肌电数据进行管理和使用。数据库有效存储并管理肌力、肌电数据,同时能减少数据占有空间和数据冗余,它更好地满足了医院康复科的需求。     

基于运动分解的嘴部肌肉建模仿真

现有虚拟嘴部肌肉建模多采用传统的Water肌肉分类方法,运动控制较为独立,缺乏对运动间相关性的研究。提出了一种基于运动分解的嘴部肌肉建模及控制方法。首先根据解剖结构及肌肉运动特征,将嘴部自身运动分解为凸唇、翘唇和开合三个基本运动单元;其次现有模型中括约肌运动方式是向中心收缩或扩散,难以表现凸翘等嘴部运动,为此提出了弧状肌模型,并通过控制三个运动参数,结合其它嘴周围肌组合出不同的嘴部运动。实验表明,新方法能够较真实地仿真出嘴部的多种自然运动,控制较为便捷。     

基于FPA-VVRKFA的手势表面肌电信号识别

表面肌电(Surface Electromyography,sEMG)信号直接、客观地反映了人体肌肉的活动情况,其作为一种便捷的无侵入式肌电检测方法,被广泛地应用于人体动作识别领域.针对表面肌电信号的手势识别问题,提出了一种基于时域特征和向量正则核函数逼近方法(Vector-Valued Regularized Kernel Function Approximation,VVRKFA)的手势识别方法.首先,对MYO臂环采集到的sEMG数据进行活动段检测以提取出活动段;随后,从活动段信号中提取平均绝对值、波形长度、过零点数、均方根和Willison幅值等五个时域特征;最后,应用VVRKFA分类器对提取到的sEMG进行分类识别,同时采用花授粉算法(Flower Pollination Algorithm,FPA)优化分类器参数以保证最佳分类能力.实验结果表明提出的方法在手势动作模式识别上取得了较高的准确率.     

基于DSP的人体手势动作实时识别系统

针对人体表面肌电信号(SEMG)的非平稳性、小波包变换系数维数过高和识别率低的问题,设计了基于DSP处理器TMS320VC5502硬件平台的便携式人体手势动作实时识别系统,并提出了一种小波包主元分析(WPPCA)和线性判别分析(LDA)相结合的表面肌电信号动作特征识别新方法。实验结果表明,该方法能够将小波包系数矩阵由16维降到4维,并且对前臂的握拳、展拳、手腕内翻和手腕外翻4种动作模式的平均正确识别率达99.5%,与传统的小波包变换相比有较高的识别率。     

基于ZigBee的无线肌电检测系统设计

针对目前表面肌电信号采集系统尺寸大,不易携带的缺陷,设计了一种基于ZigBee技术的无线表面肌电信号检测系统。系统由前置放大电路、带通信号调理电路和基于单片机CC2430的无线数据收发电路组成。该电路系统能有效覆盖带宽为10～500Hz的表面肌电信号,实现肌电信号的采集和与上位机的无线射频通信。应用实践表明,此系统能够通过ZigBee无线网络对人体肌电信号进行实时采集,具有移动性和便携性,因此能广泛适用于健康运动监测和医院移动监测等领域。     

基于自排序熵的表面肌电信号特征提取方法

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.