陈迎亚
- 作品数：8 被引量：38H指数：4
- 供职机构：燕山大学电气工程学院更多>>
- 发文基金：国家自然科学基金河北省自然科学基金秦皇岛市科学技术研究与发展计划课题更多>>
- 相关领域：医药卫生电子电信更多>>
- 基于Gabor小波和格兰杰因果的脑-肌电同步性分析被引量：3
- 2017年
- 手部运动功能神经肌肉调节机制的研究在假肢控制、康复治疗和评价等方面具有重要意义。基于Gabor小波和格兰杰因果(WT-GC)实现皮层肌肉耦合(CMC)分析,并定义GC峰值频率和显著性面积指标,定量描述不同频段的脑-肌电耦合及信息流向特征。同步采集10名健康被试在10%和60%最大自主收缩力(MVC)下的脑电(EEG)与肌电(EMG)信号,运用脑-肌电同步性分析方法进行手部不同力量下的脑-肌电同步耦合特征分析。结果显示:与10%MVC相比,在60%MVC握力输出下,EEG→EMG和EMG→EEG方向GC峰值频率均向高频段转移;EEG→EMG方向上beta频段的GC显著性面积降低,并具有统计性差异(P<0.05)。研究结果验证,所提出方法能够有效刻画不同频段的皮层肌肉间能量耦合特征,可描述不同信息传递方向上的神经元同步振荡强度,也可揭示皮层肌肉运动系统通过调节神经元同步振荡强度、频段与流向来控制手部力量输出的神经机制,为探索手部运动控制与反馈信息解码提供了依据。
- 谢平陈迎亚张园园邹策陈晓玲张利泰
- 康复运动中脑肌电融合及同步分析方法研究
- 脑卒中患者运动康复训练和功能评价已成为人工智能、神经科学和康复工程等领域的交叉研究热点。其中，基于脑电和肌电信号的人机接口能够帮助患者实现对外部设备的控制，激发患者主动运动意图并促进神经重塑，改善康复训练效果。然而由于脑...
- 陈迎亚
- 关键词：肌电信号功能评价运动康复
- 中风康复运动中脑电-肌电相干性分析被引量：15
- 2014年
- 本文针对中风康复患者运动功能障碍相关的神经肌肉功能评价问题,研究有效的脑电(EEG)信号与肌电(EMG)信号相干性分析及相干显著性判断方法,探索运动功能障碍患者的脑、肌电相干差异性表现。提出一种基于小波分解的脑、肌电相干性分析方法,定义了相干显著性指标定量描述EEG、EMG信号在某频域内的相似性和锁相活动。通过对中风患者和健康人膝关节"屈"、"伸"运动中脑、肌电相干性分析实验,得到以下结论:在相同运动模式下患者健侧的脑、肌电相干性与正常人无明显差异,患者患侧的脑、肌电相干性在gamma频段存在明显缺失;但随着运动功能的康复,患者患侧的脑、肌电相干性与健侧gamma频带脑、肌电相干性的差异会逐渐减小。
- 马培培陈迎亚杜义浩苏玉萍吴晓光梁振虎谢平
- 关键词：康复评价脑电肌电
- 基于Gabor小波-传递熵的脑-肌电信号同步耦合分析被引量：8
- 2017年
- 人体运动中脑电(EEG)信号和肌电(EMG)信号间的同步特征能够反映皮层肌肉间功能耦合(FCMC)的关系。本文将Gabor小波和传递熵(TE)结合,提出一种新的方法(Gabor-TE)用以定量分析不同恒定握力下EEG-EMG信号间的非线性同步耦合特征及方向特性。本研究首先选取9名健康受试者在4种不同恒定握力下的EEG、EMG信号,并以Gabor小波变换进行局部分解;然后计算频带TE值并定义单位传递面积指标(ATE),分析恒定握力下EEG-EMG信号的局部频段同步特征及方向特性;最后探究EEG信号和EMG信号功率谱对Gabor-TE方法分析结果的影响。本文研究结果表明:恒定握力下,β频段EEG→EMG方向TE值高于EMG→EEG方向,且随握力水平增加EEG→EMG方向上β频段ATE值降低;γ频段TE值在EMG→EEG和EEG→EMG方向上的差异随握力增加而呈现出一定的变化规律;EMG功率谱与特征频段TE结果强相关。本文试验结果表明,Gabor-TE方法能定性、定量描述EEG-EMG信号在局部频带和信息传递上的非线性同步耦合特征,今后或可为研究运动控制及患者康复评价提供一定的理论依据。
- 张园园邹策陈晓玲尹永浩程生翠陈迎亚谢平
- 关键词：GABOR小波变换
- 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法
- 一种基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法，通过肌电信号实现虚拟康复场景的控制，并结合脑肌电疲劳指标自适应的调整康复训练强度。合脑卒中患者康复训练的需要及康复医师的建议完成虚拟康复场景的设计，并提出了脑疲劳指...
- 谢平魏秀利杜义浩陈晓玲宋妍吴晓光陈迎亚
- 文献传递
- 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
- 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法
- 一种基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法，通过肌电信号实现虚拟康复场景的控制，并结合脑肌电疲劳指标自适应的调整康复训练强度。合脑卒中患者康复训练的需要及康复医师的建议完成虚拟康复场景的设计，并提出了脑疲劳指...
- 谢平魏秀利杜义浩陈晓玲宋妍吴晓光陈迎亚
- 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
