- 综合排序
- 最热优先
- 最新优先
- 来自专栏音乐与健康
早期耐力训练联合体感音乐干预神经康复
摘要：目的：早期耐力训练联合体感音乐对ICU机械通气患者获得性神经肌肉功能障碍的影响分析。 排除标准：意识障碍者；正接受肾脏替代治疗者；合并原发性神经肌肉疾病者；四肢障碍者；骨折患者；需严格控制活动者。 当肢体长时间制动时，会导致呼吸肌和骨骼肌肌力不同程度下降，增加ICU-AW发生风险，影响机械通气时间和心肺功能康复[5]。 早期耐力训练能够刺激神经末梢兴奋，从而保证神经冲动有效传导，以促使骨骼肌收缩和舒张，增加肌蛋白合成，保持肌肉纤维结构，从而有效地预防肌肉萎缩，与此同时实施体感音乐疗法，将音乐频率刺激大脑皮层兴奋，并将冲动信号向脑干网状结构传导和整合 由于本样本较少、研究时间不足等因素，尚未对机械通气时间、拔管和肺功能等指标深入研究，但本文通过早期康复训练可使MRCs评分和MBI评分降低，预期在提高转出ICU患者生活质量和促进心肺功能康复方面具有重要的意义
29810编辑于 2025-09-07 - 来自专栏脑机接口
智能康复 | 康复机器人的意图识别技术
康复机器人是非常重要的康复方式，目前多通过硬件来控制：如机械按钮、操纵杆、平板电脑等。硬件控制的优点是稳定明确，但患者接受的是被动运动。 通过皮质脊髓束，到达脊髓前角，换神经元后，经由外周神经到达神经肌接头，进而引起肌肉收缩，肌肉收缩力大于肢体重力时，即产生动作，这个过程是需要时间的。 在神经冲动到达神经肌接头时，我们即可在肢体皮肤表面采集到电信号，此时肌肉还没有收缩，因为肌肉的收缩需要一个募集和启动的过程。在肌肉收缩之前， 我们就可以在皮肤表面采集到电信号，提早时间以毫秒计。 这种方式非常适合肌肉软瘫、神经肌接头疾病、重症肌无力等肌肉本身疾病的功能康复，以及生活辅助、肌电假肢等应用场景。此技术结合康复机器人对上下肢康复、假肢辅具等都有应用。高密度表面肌电的识别更具价值。 肌电意图识别多用于康复中后期和假肢辅具，力矩传感器意图识别多用于康复后期。
1.5K10编辑于 2022-09-22 - 来自专栏CSDNToQQCode
10年程序员——有康复理疗资格证
作为程序员，我们确实需要关注养生之道，以保持身心健康和延长寿命。以下是一些养生建议，可供参考：
28910编辑于 2023-12-02 - 来自专栏思影科技
前庭电刺激（GVS）的数据分析及在神经康复中的应用
我们以信号处理为重点，概述了目前神经康复中的GVS使用现状，包括一般的刺激设计，与神经影像学数据的并行分析，以及对未来方向的建议。 因此，本文的目的是，从信号处理的角度提供一个关于GVS并行神经影像学分析方法和相关挑战的指南，以启发未来GVS在神经康复应用中的研究和发展。 一些先进的信号处理技术，如贝叶斯优化与神经影像学相结合，可有效地选择参数，提高刺激效果。 GVS在神经康复中的应用 由前庭激活引起的主要生理反应是：注视稳定、自我运动感知、姿势和平衡维持。 GVS的深度学习 机器学习的最新进展，特别是深度学习(DL)，极大地帮助了神经科学研究，这可能有助于神经康复刺激的个体化。 虽然GVS效应，特别是在独特的刺激下，还没有被完全描述出来，但GVS已经在各种神经康复领域显示出了潜力。
2.7K20编辑于 2022-02-28 uni-app开发AI康复锻炼小程序，帮助肢体受伤患者康复！
一、康复机构的应用介绍在肢体运动受限患者的机能康复治疗中，最为关键的一环便是康复医生依据患者的具体状况，精心规划并指导其进行特定的康复锻炼，且在整个康复周期内，不断督促患者进行重复练习。 将AI运动识别技术巧妙融入康复运动之后，不仅能助力患者更加轻松地学习并掌握各项康复动作，还能精准记录其日常锻炼的指标数据，更可依托技术手段对康复程度进行深度评估与分析，从而让整个康复治疗过程变得更加高效 二、可覆盖的康复环节AI运动识别检测技术可以覆盖康复治疗的各个环节，让康复治疗更精确有效。2.1、康复运动指导在康复治疗的初始阶段，患者需依据自身特定状况，学习相应的康复运动。 2.2、康复运动记录让患者每日坚持完成定量的康复运动，是康复治疗的一个重要治疗环节；康复小程序可以选择通过订阅消息、站内信、短信等方式，提醒患者按时登录康复小程序，完成相应的康复锻炼，AI运动将即时记录完成的康复运动的时间 康复师可以动态实时的根据康复程度，进行治疗调整。
42310编辑于 2024-12-16- 来自专栏AI SPPECH
康复机器人方案
患者康复机器人解决方案 需求分析 患者康复机器人，辅助患者下肢的康复运动，同时自动采集病人运动数据，自动调整康复运动难度。 解决方案 针对需求，我们的解决方案是开发一款先进的软体外骨骼康复辅助机器人，专为下肢康复设计。该机器人将采用创新的软体技术，结合精密的传感器和智能算法，以提供个性化的康复支持并自动调整康复运动难度。 通过分析肌电信号和运动数据，机器人能够精确掌握患者的康复状态。 自适应康复方案： 结合先进的数据分析技术和机器学习算法，机器人能够根据患者的运动数据和康复进展自动调整康复运动的难度和模式。 这种个性化的康复方案可以最大化康复效果，同时减少医务人员的工作负担。 通过这一方案，康复辅助机器人不仅能提供高效、个性化的康复训练，还能确保数据处理的安全性和隐私性，极大地提升了康复过程的质量和效率。
32810编辑于 2025-11-12 - 来自专栏脑机接口
recoveriX脑机接口脑卒中康复系统讨论会议——关于脑卒中患者康复情况与软件特点的讨论
BCI与功能电刺激(FES)和虚拟现实(VR)等技术相结合，可以在患者执行治疗任务时，通过改进的运动想象(MI)时的实时信号检测，诱导神经可塑性，从而恢复神经功能。 通过这两年的训练，针对上肢运动功能的评估总共增加了10 (增加了15%)。 同时，研究者们还对患者进行了“10 Meter Walk Test”，测量了患者按照自己所选择的正常速度行走10m所用时间，与以最快速度走完10m距离所用的时间。 其中最主要的措施是对不同速度条件下的“10米步行测试”评估。以反应患者凭借下肢的行走能力与姿态情况。 下图是研究人员根据20位相关受试者以最快速度进行10m步行测试的评估数据汇总与分析。 这些定量的变化可以非常好地反应在特定活动任务下大脑神经元之间地变化。因此，这些相应特征就可用于生物标记物。
74620编辑于 2023-02-13 - 来自专栏U3D技术分享
老年人康复训练：动态规划
Shader着实看不动了，看多了那Blinn模型脑子里都是布灵布灵的，遂来点老生常谈的算法。 动态规划主要思想：步骤分解->用上一步的最优解来计算当前步骤的最优解。 第一步的最优解往往和递归到最底层一样会直接给出。 遵从无后效性原则：即之前的改动不会影响到后续的结果。 贪心算法和动态规划的详细介绍和区别：传送门 技巧： 1、先判断是否为动态规划，其典型特征为计算步骤可以进行划分，且计算内容重复。 2、判断动态规划类型：线型，区间型，棋盘型，树、图上的动态规划等。 3、从1->2到k->k+1确立动态规划方
20420编辑于 2022-09-21 - 来自专栏U3D技术分享
老年人康复训练：基础篇
大概已经一年半没碰算法了，为找工作康复训练一下。 1]/10; xy[xy[0]+1]%=10; xy[0]++; } s[0]=xy[0]; for (i=1;i<=xy xy[0]+1]/10; xy[xy[0]+1]%=10; xy[0]++; } for (i=1;i<=xy[0];i+ = 0) { if(k % 10 == x) sum++; k = k /10; } } printf("%d",sum); return 0; } P1035 #include = 0) { w[++j] = k % 10; k = k / 10; } bool f = true; int l = 0; while(1 + l <= j - l)
63310编辑于 2022-09-21 - 来自专栏脑机接口
国内研究团队应用多模态虚拟场景刺激范式对运动神经康复训练的研究
近日，燕山大学谢平教授团队与国家康复辅具研究中心李增勇教授共同合作设计了运动神经康复训练新范式，该范式创新性地应用虚拟现实技术与脑机接口技术，并且通过神经激活程和运动想象识别率验证了该范式对运动神经康复的积极激活作用 为了最大限度地激活受试者的运动神经并加速重塑运动神经功能的机制，本研究设计了一种使用不同虚拟场景（包括静态场景、动态场景和VR场景）的BCI康复训练策略。 一次试验包含三个周期，共10秒。从0到2秒，屏幕中央出现一个红点，然后缩小，以提醒受试者集中精力开始下一次运动想象。 一次试验包含三个周期，共10秒。从0到1秒，屏幕中央出现一个红点，提醒受试者专注于运动想象的开始。1秒后，红点消失，提醒受试者开始肢体运动想象。 图7A显示，受试者接受本研究设计的康复策略训练后，大脑区域运动神经的激活范围显著扩大(即MI神经的激活宽度增加)。
1K50编辑于 2022-09-22 【实战应用】基于ROS2与MindRove的手势识别系统：为神经康复治疗注入新活力
摘要：本文将深入解析一项2023年的前沿研究，展示如何利用八通道MindRove臂带结合ROS2和SVM算法，构建一套完整的手势识别流水线，并将其成功应用于沉浸式Unity游戏中进行神经康复治疗。 关键词：MindRove、ROS2、手势识别、SVM、Unity、神经康复、人机交互、可穿戴设备一、引言：康复治疗的技术革新需求神经康复治疗（如脑卒中、脊髓损伤后的恢复）是一个漫长而艰巨的过程。 传统的康复训练往往枯燥乏味，导致患者参与度低，直接影响康复效果。将游戏化元素引入康复训练，通过即时反馈和趣味性激励患者，已成为行业共识。 软件层：ROS2与SVM的强强联合•ROS2：作为机器人领域的标杆框架，ROS2在此发挥了神经中枢的作用。它负责：•可靠的实时通信：稳定地接收来自MindRove的原始sEMG数据流。 展望未来，随着算法优化（如采用深度学习模型）和更多传感器数据的融合，基于MindRove的康复系统精度和鲁棒性将进一步提升。它有望成为推动个性化、趣味化、高效化神经康复治疗普及的关键技术组件。
26810编辑于 2025-11-11- 来自专栏机器学习之禅
10 | 多层神经网络、激活函数、学习能力
为了更好的理解神经网络，这里我们把假设的关系改成一个二次函数，接下来的事情就是研究怎么用神经网络来找到其中的参数，模拟这个二次函数。 人工神经网络 要学习写代码，我们先来学一些概念知识。 看看神经网络模型和我们前面用的线性模型有什么区别。大家估计都已经知道了，神经网络这个词大概是受到了大脑神经系统的启发，所以被称作人工神经网络。 对神经系统的生物学意义感兴趣的朋友可以在网上找一个神经系统公开课学一下。 神经网络是现在深度学习的核心，神经网络就是一种能够通过简单函数的组合来表示复杂函数的数学实体。 通过上面的描述我们可以大概知道，神经网络中的每一个神经元都是一个简单函数，那么它是怎么去组合的呢？我们来看一下书中的原图。 多层神经网络 看完上一个小例子，我们先不纠结里面概念的细节，一个个来解决。让我们不妨先深入看一下，什么是多层神经网络。看过图你大概就明白了，一个多层神经网络也是由我们前面提到的神经元构成。
46320编辑于 2022-07-11 - 来自专栏机器学习/数据可视化
TF-char10-卷积神经网络CNN
本篇文章中主要是介绍卷积神经网络CNN 神经元和神经网络 卷积 什么是卷积 动态卷积 重要概念 全连接网络 局部相关性 权值共享性 离散卷积 一文看懂CNN ? ---- 神经元 ? 最左边的原始输入信息称之为输入层：众多神经元（Neuron）接受大量非线形输入讯息。输入的讯息称为输入向量 最右边的神经元称之为输出层：讯息在神经元链接中传输、分析、权衡，形成输出结果。 全连接网络 下面是一个4层的全连接网络 输入时28*28，打平后是784节点的手写数字图片 中间的隐藏层的节点数是256 输出层的节点是10 ? 类别的概率分布, [b,784] ---> [b,10] y_onehot = tf.one_hot(y, depth=10) loss = criteon(y_onehot, out) #
1.5K20发布于 2021-03-02 - 来自专栏人工智能头条
iOS 10 和macOS中的神经网络
原文：Neural Networks in iOS 10 and macOS 作者：Bolot Kerimbaev 编译：刘崇鑫 责编：周建丁（zhoujd@csdn.net） 长期以来，苹果公司一直在其产品中使用了机器学习 作为应用开发者，我们已经利用了苹果的API提供的一些功能，如人脸检测，并且从iOS10开始，我们将获得能用于语音识别和SiriKit的高级API。 但是现在，我们有了用于神经网络的第一方支持：在2016年的WWDC上，苹果公司推出了两个神经网络的API，分别称为基础神经网络子程序（BNNS）和卷积神经网络（CNN）。 神经网络是构建机器学习系统最常用的模型之一。 神经网络由多个层构造，其中每个层由一个或多个节点组成。最简单的神经网络具有三层：输入、隐藏和输出。
1.3K30发布于 2018-06-06 - 来自专栏信数据得永生
TensorFlow 卷积神经网络实用指南：6~10
训练了生成神经网络模型，以产生类似于训练集的数据样本。 由于模型参数的数量小于训练数据的维数，因此迫使模型发现有效的数据表示形式。 自编码器 我们将要看到的第一个生成模型是自编码器模型。 自编码器是一个简单的神经网络，由两部分组成：编码器和解码器。 这个想法是编码器部分会将您的输入压缩到较小的尺寸。 然后，从这个较小的维度尝试使用模型的解码器部分重建输入。 在某些情况下，用于进行网络预训练的数据集甚至可以是合成的，可以从计算机图形引擎（例如 3D Studio Max 或 Unity）或其他卷积神经网络（例如 GAN）生成。 为了获得高表现的神经网络，将数据集正确划分为训练集，开发集和测试集非常重要。 它有助于更快地迭代。 另外，它允许更有效地测量算法的偏差和方差，以便我们可以选择有效方式进行改进的方法。 但是，深度神经网络的强大功能来自其随输入的数据量进行扩展的能力。 简而言之，这意味着您可以用来训练模型的数据越好，越干净，结果越好。
1K20编辑于 2023-04-23 - 来自专栏音乐与健康
旋律疗愈到底如何？音乐治疗科学性知多少？
今天，就让我们一起探索音乐在脑损伤康复中的多元应用。唤醒沉睡的意识：音乐助力意识恢复意识障碍是神经系统疾病康复路上的一大绊脚石。 功能性磁共振成像（fMRI）更是揭示了音乐刺激能够激活大脑中的多个功能区域,并促进相应神经纤维束重建，包括听觉皮层、前额叶皮层和边缘系统等，这些区域的激活如同为大脑“重启”了神经可塑性，助力患者意识的恢复 从生理机制上看，旋律优美、和声丰富的悦耳音乐能够刺激大脑释放多巴胺、内啡肽等“快乐激素”，同时降低皮质醇等“压力激素”的水平，从而帮助患者从生理层面缓解焦虑和抑郁[9,10]。 作者：吴晓莉 中国康复研究中心神经康复科 副主任医师审核：杜晓霞 中国康复研究中心神经康复科 主任医师[1]Xiao X, Chen W, Zhang X. Hum Brain Mapp, 2006,27(3):239-250.[10]Wu TJ, Chen KH, Chiu WK, et al.
71010编辑于 2025-08-04 - 来自专栏机器人网
跟机器人玩井字棋，可以帮助患者进行肢体康复
设计社交机器人来帮助患者康复是一个全新的领域，需要大量的研究和实验，以确定最佳的条件。 该研究发表在《恢复神经学和神经科学（Restorative Neurology and Neuroscience）》。 本·古里安大学物理治疗部及Zlotowski神经科学中心的Shelly Levy-Tzedek博士表示，“使用一套杯子（以X和O代替）玩井字棋是可以帮助上肢康复的一个例子。 他们对来自两个年龄段的62位健康右撇子人进行了系统测试：40名25岁左右的年轻人（23名女性和17名男性）和22名75岁左右的老年人（10名女性和12名男性）。 然而，当被要求再玩多10次游戏时，老年组仍然选择机器人，但青年组则更喜欢跟LED灯系统对抗。
54130发布于 2018-07-23 - 来自专栏脑机接口
Nature子刊 | 脑深部刺激治疗卒中患者运动康复
神经可塑性是一种“有据可查的现象，它与中风后运动功能的逐渐自发改善或治疗驱动的改善有关”。但恢复的程度“因人而异”，取决于多种因素。 研究人员表示，“利用神经可塑性的潜力并调节其程度仍然是医学的一个重要前沿领域，具有巨大的发展前景，也是我们研究小组的工作重点。” 这种方法包括持续刺激小脑齿状核(dentate nucleus)，"通过激活强大的内源性齿状突触皮质通路来调节神经活动和同侧皮质兴奋性"。 它还能促进新突触和长期电位的表达，这是一种神经可塑性过程。 表1 |参与者人口统计和临床信息 经过十多年的临床前研究，研究人员首次将这种方法应用于人体，其主要目的是确定小脑 DBS结合康复治疗是否对中风后运动障碍安全可行。
63960编辑于 2023-09-08 - 来自专栏大数据文摘
Nature重磅：是什么让瘫痪者重新行走？科学家有了新发现
如今，科学家们终于有了新发现—— 神经科学家、洛桑联邦理工学院教授 Grégoire Courtine 团队及其合作者成功鉴定出了促进瘫痪后康复的神经元。 为此，Courtine 等人建立了一个小鼠模型，该模型复制了人类 EES 神经康复的关键特征。此外，他们还为小鼠脊髓的不同神经元构建了一个基因表达单细胞图谱。 在一篇同期发表的评论文章中，索尔克生物研究所分子神经生物学实验室副教授 Eiman Azim 和博士后研究员 Kee Wui Huang 评价道，这一发现可以帮助人们进一步理解 EES 的康复机制，但脊髓是如何重组的全过程还有待研究 此外，他们也表示，尽管存在挑战，增强神经康复方法的发展，以及用于访问神经系统中特定细胞类型的工具的快速增长，使脊髓损伤的靶向、基于电路的治疗前景看起来更加有希望。 几乎约占每年新增脊髓损伤病例的一半； 跌倒：65 岁以后出现的脊髓损伤通常是由于跌倒所致； 暴力行为：约 12% 的脊髓损伤是由暴力遭遇造成的； 因运动和休闲活动而受伤：体育活动，比如冲击运动和在浅水区跳水，占比约为 10%
30920编辑于 2023-04-10 - 来自专栏脑机接口
多感官反馈脑机接口在脑卒中康复中的应用:个案研究
当突触前和突触后神经元都活跃时，神经网络得到加强。在传统治疗中，当患者在没有进行运动想象活动的情况下收到反馈时，这两个神经元群体并不同时活跃。 不同时的，分离的反馈不能导致两种神经元群体之间的赫比恩学习(Hebbian learning)，该类型的神经元群间的相互左右正是期望从康复中得到改善的基础。 在参与我们的研究之前，在常规的康复治疗之外，他进行了TMS和镜像康复治疗，但功能没有改善。他们都在罗马尼亚的Iasi康复医院参加了10次康复训练课程。 FES刺激通过8通道神经刺激器提供刺激(MOTIONSTIM8, Krauth 1 Timmermann GmbH，德国)。 此外，图7给出了基于分类器训练数据计算的疗程1和疗程10的10倍交叉验证的精度图。左手的MI数据用一条黄线表示，右手的MI用一条蓝线表示，整体精度用一条绿线表示。
89630编辑于 2023-02-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号