基于患者疼痛感的康复机器人系统控制方法研究
摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-23页 |
1.1 课题来源 | 第12页 |
1.2 课题背景及意义 | 第12-14页 |
1.3 国内外研究现状 | 第14-21页 |
1.3.1 疼痛评估研究现状 | 第14-16页 |
1.3.2 脑-机接.研究现状 | 第16-19页 |
1.3.3 功能性电刺激研究现状 | 第19-21页 |
1.4 本论文主要工作 | 第21-23页 |
第2章 基于生理信号的疼痛强度识别 | 第23-45页 |
2.1 引言 | 第23-24页 |
2.2 用于疼痛强度识别的生理信号 | 第24-27页 |
2.2.1 血容量搏动(BVP) | 第24-25页 |
2.2.2 心电信号(ECG) | 第25-26页 |
2.2.3 皮电信号(SC) | 第26-27页 |
2.3 疼痛诱导实验设计 | 第27-30页 |
2.3.1 疼痛诱导实验 | 第27-29页 |
2.3.2 生理信号采集 | 第29-30页 |
2.4 疼痛强度识别算法 | 第30-39页 |
2.4.1 数据预处理 | 第30-31页 |
2.4.2 特征提取 | 第31-33页 |
2.4.3 特征选择以及降维 | 第33-36页 |
2.4.4 分类方法 | 第36-39页 |
2.5 实验结果 | 第39-44页 |
2.5.1 单通道信号结果 | 第39-40页 |
2.5.2 多通道信号结果 | 第40-43页 |
2.5.3 多个被试样本结果 | 第43-44页 |
2.5.4 单人多天样本结果 | 第44页 |
2.6 本章小结 | 第44-45页 |
第3章 基于SSVEP的脑-机接.研究 | 第45-64页 |
3.1 引言 | 第45-46页 |
3.2 脑-机接.关键技术 | 第46-53页 |
3.2.1 脑电信号采集 | 第46-47页 |
3.2.2 脑电信号模式选择 | 第47-50页 |
3.2.3 脑电信号处理方式 | 第50-53页 |
3.3 基于SSVEP的脑-机接.实验设计 | 第53-56页 |
3.3.1 视觉刺激设计 | 第53-54页 |
3.3.2 实验范式设计 | 第54-55页 |
3.3.3 脑电信号采集设备 | 第55-56页 |
3.4 基于SSVEP的脑-机接.算法 | 第56-60页 |
3.4.1 脑电信号预处理 | 第56-59页 |
3.4.2 特征提取 | 第59页 |
3.4.3 分类算法设计 | 第59-60页 |
3.4.4 算法评价标准 | 第60页 |
3.5 实验结果及分析 | 第60-63页 |
3.5.1 离线BCI训练结果 | 第60-62页 |
3.5.2 在线BCI测试结果 | 第62-63页 |
3.6 本章小结 | 第63-64页 |
第4章 基于迭代学习控制的功能性电刺激研究 | 第64-83页 |
4.1 引言 | 第64页 |
4.2 功能性电刺激 | 第64-66页 |
4.3 迭代学习控制算法 | 第66-71页 |
4.3.1 迭代学习控制理论 | 第67-68页 |
4.3.2 迭代学习控制形式 | 第68-71页 |
4.4 基于迭代学习控制的功能性电刺激仿真 | 第71-78页 |
4.4.1 肘关节神经肌肉模型 | 第72-75页 |
4.4.2 基于单独PD控制仿真 | 第75-76页 |
4.4.3 基于单独ILC控制仿真 | 第76-77页 |
4.4.4 基于ILC+PD控制仿真 | 第77-78页 |
4.5 基于迭代学习控制的功能性电刺激实验 | 第78-81页 |
4.5.1 实验条件及过程 | 第79-80页 |
4.5.2 实验结果及分析 | 第80-81页 |
4.6 本章小结 | 第81-83页 |
第5章 基于疼痛反馈的康复机器人控制 | 第83-95页 |
5.1 引言 | 第83-84页 |
5.2 集成BCI与FES的主动康复实验 | 第84-86页 |
5.3 集成BCI与康复机器人的主动康复实验 | 第86-89页 |
5.4 基于疼痛反馈的脑-控康复系统实验 | 第89-94页 |
5.5 本章小结 | 第94-95页 |
结论 | 第95-97页 |
参考文献 | 第97-105页 |
攻读硕士学位期间发表的论文和获得的科研成果 | 第105-106页 |
致谢 | 第106-107页 |