- 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 【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。 •优势体现：其即戴即用的特性避免了传统电极繁琐的粘贴过程，非常适合康复患者日常使用，降低了技术门槛。2. 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。 它可以通过三种主要的技术来应用:1)经颅磁刺激;2)电刺激，如经颅电刺激(tES)和GVS;3)经颅聚焦超声(tFUS)。 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。 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。 2. 基于qEEG的中风(脑卒中)生物标记 qEEG(quantitative EEG，qEEG)可以让研究者更容易地去量化活动时大脑的变化。 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。 并赋予2D可视化的图谱，便于更直观的进行评判。 其中包含本次训练中的每一训练小节的运动想象-FES训练准确率的变化趋势、FES电刺激器的相应参数设置、最大准确率出现时间区域、ERD与ERS的2D展示图与映射在大脑俯视图下的情况与更详细的运动想象准确率变化趋势图
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
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确立动态规划方程式 （尽量会保持递增难度进行题目排列） ---- 目录 P1216 P1434 P1216 传送门 思路：经典入门题目 1、步骤分解：每一层即我们的一个步骤计算 2、递推式确定：如果只有一层那么当前层的最大值即为最优解，如果有两层，那么直接计算出所有可达路径，之后在下一层找出最大值即可。 第一层->第二层 a[2][i] = a[2][i] + max(a[1][i],a[1][i+1]) 第k层->第k+1层 a[k][i] = a[k][i] + max(a[k][i],a[k][i
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。 ; else if(n == 2) printf("%d %d",6,4); else if(n == 3) printf("%d\n%d\n%d",3,12,2); else if(n main() { int a,b; scanf("%d%d",&a,&b); if(a <= 2 && b >= 2) printf("2\n"); if(a % 2 == 0) a++; = 1) { if(a % 2 ! y2,z2; scanf("%d%d%d%d%d%d",&x1,&y1,&z1,&x2,&y2,&z2); for(int i = x1 ; i <= x2 ; i++) for(int
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。 2.对照实验设计 图4 对照实验设计图 在这项研究中，我们设计了一个对照实验，比较和分析大脑神经活动的变化，并使用不同虚拟场景的刺激来确定运动图像的识别率，以发现神经深度激活的机制。 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)。 图7B显示，受试者接受康复策略训练后，激活区域的颜色更暗（即ERD/ERS现象更明显），这表明MI神经的激活深度增加。
1K50编辑于 2022-09-22 - 来自专栏小小程序员——DATA
神经网络 模型表示2
神经网络 模型表示2 使用向量化的方法会使得计算更为简便。 以上面的神经网络为例，试着计算第二层的值： 我们令 {{z}^{\left( 2 \right)}}={{\theta }^{\left( 1 \right)}}x ，则 {{a}^{\left( Logistic Regression的方式输出 h_\theta(x) 其实神经网络就像是logistic regression，只不过我们把logistic regression中的输入向量 \left {2}^{\left( 2 \right)}a_{2}^{\left( 2 \right)}+\Theta_{3}^{\left( 2 \right)}a_{3}^{\left( 2 \right)} 这就是神经网络相比于逻辑回归和线性回归的优势。
29210编辑于 2023-12-03 - 来自专栏十二的树洞
人工神经网络学习笔记（2）
如何让网络可以学习 上一篇文章中的神经网络还没有学习能力，这好比如说该网络只接收外部输入并输出结果，却没有反馈机制没有对结果进行正确性分析，让我们以小明与老师之间的对话来比喻这种情况： 老师：1+1=？ 小明：6 老师：1+2=？ 小明：2 … 可以发现，当小明给出答案后老师并没有给于他反馈。因此小明可能某一次猜中了正确答案，但只是凑巧而已，他不具备学习能力。 我们的神经网络也需要具备这样的学习能力。 也就是说，当网络输出错误的结果时要有一个改变下一次输出的机制。想要改变输出，可以改变哪些量呢？ 这太麻烦了，试想那么多的神经元每一个都不同的激活函数会对运算造成大麻烦，将无法采用简洁的矩阵运算。 因此，改变链接权重会是一个好办法。
40410编辑于 2021-12-22 - 来自专栏blog-技术博客
深度学习_1_神经网络_2_深度神经网络
深度神经网络------>卷积神经网络 1，卷积神经网络与简单神经网络的比较 全连接网络的缺点： 参数太多，图片过大时，计算太多 没有利用像素之间位置信息 层数限制 2，卷积神经网络发展史 ? 3，卷积神经网络结构 ? 神经网络：输入层，隐藏层，输出层 卷积神经网络：隐藏层分为 卷积层过滤器：通过在原始图像上平移来提取特征，定义过滤器观察窗口（大小，步长）单位为像素 移动越过图片大小，例如步长过长， :【None,14,14,32】输出：【None，14,14,64】（64个过滤器 ，每层都是32个14*14相加） 激活：输出：【None，14,14,64】 池化：2*2 strides=2 , ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="SAME") # 4,全连接层 with tf.variable_scope("
70950发布于 2020-05-08 - 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Lauren的FPGA
学习笔记：神经元模型（2）
神经元模型的另一个重要部分是激活函数，激活函数的本质是向神经网络引入非线性因素，使得神经网络可以拟合各种曲线。 因为激活函数是非线性函数，从而，神经网络的输出不再是输入的线性组合，而是几乎可以逼近任意函数，也就增强了神经网络的表达能力。 ? 这里我们给出三种常用的激活函数，如下图所示。 ?
51220发布于 2020-03-12 - 来自专栏阿泽的学习笔记
【图神经网络】GCN-2（ChebyNet）
Introduction 本文对第一代GCN（《Spectral Networks and Deep Locally Connected Networks on Graphs》）存在的1.计算复杂度高，2. 可复现代码 三、Model 以下内容对入门者需要一些前置知识，可以去阅读一下本号图神经网络前面的内容。 3.4 图池化 图粗化后，将该粗化图添加fake节点使得粗化图中每个顶点都有2个children，构成一个二叉树，将二叉树摊平构成一维信号（上图右部分下），然后对该信号采样即可表示为一次图pooling 标记着带k特征map的graph卷积layer，所有的FCk，Ck，GCk后面都跟着一个ReLU激活函数max(x,0)，最后一个layer是softmax regression，损失能量E是带L2正则化的 是pixel i的2D坐标。 Table 1展示了我们在MNIST上与CNN有类似的效果。 ?
1.2K30发布于 2021-04-29 - 来自专栏前行的CVer
图神经网络2-应用:SketchGCN
首先将输入的草图根据笔画转化为graph，将笔画变成密集的N个点（图中仅画出部分点作示意），同一笔画中的点是有边相连的，不同笔画中的点是不相连的，每个点存储它的绝对坐标（即节点特征是二维的），将节点特征（2*
64410发布于 2021-03-04 - 来自专栏机器学习和数学
卷积神经网络入门教程（2）
BP反向传播算法是对全连接神经网络的一种训练过程，他其实就是梯度下降+链式求导法则组成。2.一般的CNN也包括全连接层，全连接层前面的卷积层，下采样层都是直接对像素进行操作（有没有很熟悉？ 神经元里面写的f1，f2, f3, f4, f5 这些是激活函数，也就是输入和权重相乘相加（相爱相杀）之后得到的值在作为函数f的输入，其他同理。 ? 图1（如果显示不完全，请点开看大图） Step 1：由输入x1，x2组成的输入向量和权重w1，w2相乘得到的值作为f1的输入，计算结果y1作为Hidden 2 的第一个输入向量。 图2-6 Step 2: 图7是根据ｙ的值计算损失，ｚ是真实值，真实值和预测值之差就得到我们的损失。 ? 图8-12 Step 4：Step 4开始利用梯度下降法计算新的权重参数，计算新的参数的过程就是神经网络的训练过程，神经网络的学习过程就是计算参数的过程，当全部参数都更新完的时候，神经网络就完成了一次训练
83840发布于 2018-04-11 - 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。 对于意识障碍的患者，音乐疗法能够显著增加脑电活动，尤其是α波和β波的功率，促进大脑皮层的觉醒状态,而偏好音乐比患者自己的名字和熟悉音乐更能诱导强烈的脑电反应[1,2,3]。 [1,2].另外，接受音乐干预的意识障碍患者面部表情及收缩压也有相应变化，目前认为音乐治疗联合非侵袭性神经调控手段，如经颅磁刺激、经颅电刺激等促醒效果会更好[4]。 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. Front Neurosci, 2023,17:1182181.[2]Li X, Li C, Hu N, et al.
71010编辑于 2025-08-04 - 来自专栏量子位
瘫痪小姐姐“自主”行走视频火了，曾借助轮椅完成舞蹈表演，网友：灵魂是战士
这种方式主要作用是带着患者先动起来，以刺激神经可塑性等方式开始康复进程。 美国Harmony Bionics公司开发的一款上肢康复外骨骼，设计了一种两侧同步模式。 患者可用正常一侧手臂来引导瘫痪一侧同步完成动作，通过这种方式刺激神经系统，也有可能加速恢复。 国内外相关研究情况 针对瘫痪患者的疗法，目前确实有不少更加前沿的研究，像利用神经可塑性 （神经再生）等原理进行治疗的方法，像电刺激、神经营养药等新型疗法。 因为神经一旦受损，它所支配的肌肉会萎缩或强直，如果不通过康复被动锻炼保持肌肉的状态，即便支配神经有所恢复，萎缩的肌肉依然无法完成运动。 外骨骼就是借助物理康复，让肌肉保持“待命”状态的工具之一。 8b%e8%82%a2%e5%a4%96%e9%aa%a8%e9%aa%bc%e6%ad%a5%e8%a1%8c%e5%ba%b7%e5%a4%8d%e5%99%a8ugo210 [3]https://
98130发布于 2021-10-20
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