首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏云深之无迹

    可穿戴超声系统硬件设计.第二弹

    昨天的文章是 24 年发的,是一个子刊:新型可穿戴超声(Echomyography, EcMG)系统硬件设计(带一丢丢软件) 今天这篇是 23 年的,是这个工作的前作: 23 巧的是,作者也在我的列表里面蹲着

    32210编辑于 2025-04-21
  • 来自专栏云深之无迹

    新型可穿戴超声(Echomyography, EcMG)系统硬件设计(带一丢丢软件)

    切换“发射模式”与“接收模式”,保护后端放大器;发射时隔离高压激励信号;接收时低阻抗导通 RF 信号到运放输入。

    48800编辑于 2025-04-19
  • 来自专栏逆熵

    舔一舔 · 霸Kafka

    又是烟雨蒙蒙的冬日,一杯暖茶,春天的气息已经在杯中袅袅升起的热气里荡漾开来,茶醇使人醉,技术要学会。我们来简单剖析一下kafka的一些原理特性。

    40020编辑于 2023-03-06
  • 来自专栏AI那点小事

    算法提高 9-2 文本加密

    问题描述   先编写函数EncryptChar,按照下述规则将给定的字符c转化(加密)为新的字符:”A”转化”B”,”B”转化为”C”,… …”Z”转化为”a”,”a”转化为”b”,… …, “z”转化为”A”,其它字符不加密。编写程序,加密给定字符串。 样例输出 与上面的样例输入对应的输出。 例:

    59140发布于 2020-04-20
  • 来自专栏大数据文摘

    日本电气通信大学新型「自适应假肢」问世,不训练就能拾取物体!

    为了克服这个问题,日本电气通信大学研究人员针对于假肢提出了一种训练学习模型来预测患者关节运动,该模型通过采用不同的传感器(、触觉、被抓物体等),可以获取各类输出信号,从而实现对假肢的闭环控制 同时,他们的目标是,不管是男女老少,都可以通过这款假肢轻松实现对不同物体的抓取。 假肢如何读懂患者的心? 不同的手势对应输出不同电信号 在假肢的传统控制方法中,都无法通过电控制来实现手的工作/关闭状态的切换。 但如果可以通过预测关节的移动可以实现自适应抓取,从而实现对假肢的控制,这种控制可以实现对各种物体的自适应抓取。 控制过程则是通过传感器的反馈和优化后的控制器参数准确对假肢进行精准控制,并抓取不同形状以及尺寸的目标物体。 假肢的训练模型 研究人员通过测量电信号,验证了所设计的控制器的有效性。

    76210编辑于 2023-04-10
  • 来自专栏科技云报道

    AI变革需要‘减脂增

    腾讯的回答是降脂增。 降脂增的益处很快显现出来。2025 年第二季度,腾讯 ToB 营收实现双位数增长,高达 555 亿元,这一数据直观地反映出腾讯云业务在市场中的强劲表现,而 AI 无疑是其中关键的增长驱动力。

    75410编辑于 2025-11-17
  • 来自专栏mysql

    hhdb数据库介绍(9-2)

    本节将描述快速配置关系集群数据库HHDB Server的方法。本节仅介绍必要的配置功能,用于达到快速入门的目的。如果需要了解更多的配置功能,请参考管理平台文档。

    49010编辑于 2024-11-28
  • 来自专栏Lan小站

    试题 算法提高 9-2 文本加密

      先编写函数EncryptChar,按照下述规则将给定的字符c转化(加密)为新的字符:"A"转化"B","B"转化为"C",... ..."Z"转化为"a","a"转化为"b",... ..., "z"转化为"A",其它字符不加密。编写程序,加密给定字符串。

    31420编辑于 2022-07-13
  • MATLAB表面电信号(sEMG)处理程序

    1. sEMG信号处理概述表面电信号是从皮肤表面记录的肌肉活动,其处理通常包括以下步骤:数据采集和导入预处理(滤波、去噪)特征提取模式识别和分类可视化和分析2. set(processed_plot, 'YData', smoothed); drawnow; end endend4.2 电信号分解

    80500编辑于 2025-09-16
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 9-2 逻辑回归的损失函数

    本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节介绍了逻辑回归的大致框架,有了大致框架就需要建模来求解参数θ值。本小节重点介绍逻辑回归的损失函数。

    1.4K10发布于 2020-02-26
  • 来自专栏云深之无迹

    电传感器运放选型

    表面(surface electromyography, sEMG)信号是神经肌肉系统在进行随意性和非随意性活动时的生物变化经表面电极引导、放大、显示和记录所获得的一维电压时间序列信号,其振幅约为 图5展示了在同一块肌肉上同时采集的低收缩力水平下的插入式和表面电信号(信号持续长度为2 s),可以看到两者的显著区别。 我爸以前确实是做过这个东西 直接呼叫老爸,害,这个字金贵的很 各种位点 跟信号的特性有:人体肌肉组织是皮表的信号源,它发放的经过皮下软组织的体电阻传输至皮肤表面,体电阻约数百欧姆,但是,表面电极与皮肤之间的接触阻抗比较高 阿哲,好像是蛮适合处理的那就用这个吧。 因此电极宜贴放在发放最强的腹部,以减少邻近肌肉的干扰(串音)。采用较小的电极可提高选择性,但会增加电极与皮肤间的接触阻抗。 另外,其实这个电极才是最大的技术点 手语是听障人士彼此沟通的桥梁。

    1.2K10编辑于 2024-08-20
  • 来自专栏镁客网

    「镁客·请讲」傲意科技倪华良:识别是下一代的人机交互方式

    对于傲意科技来说,他们最终的目标是让用户体验时拥有更多的自由度,推动识别成为人机交互的未来。 医学+芯片,在国外的两次工作经历,也促成了傲意科技和他们的识别技术。 初次听到识别,文科出身的镁客君还是一脸懵逼的状态,凭借肌肉的运动就能识别出你手中的动作,乍一听起来有点科幻。 那么到底什么是识别呢? 如果将识别的方式接入到内容端,还需要在SDK上做内容的兼容,甚至需要根据新的玩法去重新做内容上的设计。 识别是下一代的人机交互方式 无论是基于计算机视觉的手势识别还是识别,这些非接触式的交互都是下一代人机交互的重要方式。

    88050发布于 2018-05-29
  • AI深度学习平台快速诊断张力障碍

    AI深度学习平台快速诊断张力障碍想象等待五年才能获得诊断。这是可能患有张力障碍的患者面临的现实,这种潜在的衰弱性神经系统疾病需要繁琐的过程才能识别。 张力障碍没有生物标志物或金标准诊断测试,因此医生必须通过排除过程来确定症状是表明张力障碍还是其他神经系统问题,如帕金森病。即使这个过程也不简单:"临床标准模糊,且未标准化。 这些挑战正是开发张力障碍诊断测试如此重要的原因。研究员对张力障碍的研究始于2004年,当时她是某机构的博士后研究员。 对于张力障碍患者,MRI通常不显示疾病特有的异常,研究员说。但随着时间的推移,为研究获取的放射学图像持续捕捉到大脑内张力障碍的特征——临床MRI不会显示的微观结构变化。"我们利用了这一点,"她说。 尽管数据集中在喉部张力障碍,但该测试也适用于诊断影响颈部肌肉(宫颈张力障碍)或眼睑肌肉(眼睑痉挛)的其他形式张力障碍。

    22010编辑于 2025-10-18
  • 来自专栏信数据得永生

    django 1.8 官方文档翻译:9-2 本地特色附加功能

    由于历史因素,Django自带了django.contrib.localflavor – 各种各样的代码片段,有助于在特定的国家地区或文化中使用。为了便于维护以及减少Django代码库的体积,这些代码现在在Django之外单独发布。

    36640编辑于 2022-11-27
  • 来自专栏医学和生信笔记

    审稿人问:如何对两条回归直线进行比较?

    孙振球《医学统计学》第4版例9-9、例9-10 某地方病研究所调查了8名正常儿童和10名大骨节病患儿的年龄与其尿酐含量(mmol/24h)。 推断两总体尿酐含量(Y)对其年龄(X)的回归直线是否不平行。 正常儿童数据见例9-1,大骨节病儿童数据见例9-9,问:回归直线是否不平行? R-squared: 0.7775, Adjusted R-squared: 0.7404 ## F-statistic: 20.97 on 1 and 6 DF, p-value: 0.003774 # 例9-

    19010编辑于 2026-05-19
  • 来自专栏机器学习炼丹术

    【健身与炼丹】8个动作练爆胸大

    下面八个动作,包括了胸大的整体大小的锻炼、胸部的上沿、外沿、下沿和中缝的锻炼。本文可以说是比较全面的。 1 上斜哑铃卧推 ? 【要点】 双腿自然弯曲; 双臂屈肘使身体降至最低点,顶点稍停后,双臂用力,将身体撑起; 动作过程中,身体越前倾,胸大的刺激越大,越直立,就越容易刺激肱三头 7 下斜哑铃飞鸟 ? ; 两臂保持平伸把哑铃铃向上向后拉,并下落到顶点,使胸大充分扩展。 - END -

    1.1K31发布于 2020-10-15
  • 来自专栏镁客网

    「镁客·请讲」比奇创新李玮琛:用电感知人体行为,我们敢做也敢保证做好

    相信很多人是听过心、脑的,但是,你听说过吗? 比奇创新创始人&CEO李玮琛告诉你,不仅是生物的一种,我们还能利用它感知人体行为,研发精尖的手势识别技术,以直接操控指定设备。 ? 生物电感知交互 比奇创新在做着一件别出心裁的事情 (EMG)是生物的一种,虽然我们日常提及的较少,但它其实和心、脑等是一样的。 当我们将表面电传感器附在皮肤表面时,就可以收集到的信号媒介,从而探知到人体的行为感知了。 ? DTing SH表面监测仪——通过对动作产生的数据进行可视监测,记录、储存、分析数据从而达到肌肉动作是否标准等。 ? 此外,比奇创新也提供独立的电传感器和定制化的技术方案。 ? 不惧竞争,有差异化就代表着有优势 “我在德国宇航局工作时就已经做好了DTing的原型,因为‘’这个领域目前在国内乃至全世界都是非常新,并且非常空白的,围绕这一核心技术的应用产品和品类都不多,也没有稳定并且成型的基础方案供应商

    1.3K30发布于 2018-05-28
  • 来自专栏BCI脑机接口

    基于EEG-EMG混合控制方法的研究—生物机器人应用:现状、挑战与未来方向(二)

    有几种方法可以用来对生物机器人应用中的脑-混合控制方法进行分类,如特定的应用/设备(如假肢、外骨骼、轮椅)或输入处理方法。 这些老年人的身体和精神状况一整天都在变化,在某些情况下由于身体疲惫可能会出现肌肉疲劳,在这种情况下,有必要设计基于的控制方法来处理肌肉疲劳状态的影响。 有报道称,这种将肌肉和大脑信号融合为混合BCI的尝试,根据用户的可用性和可靠性,将肌电图和脑电图并行使用在一个手动控制任务中,通过16个脑通道测量脑电信号,记录右、左前臂屈伸四个通道的活动。 基于肌电图和脑电图的分类器输出,在第一种方法中,使用等平衡的融合权值来组合和脑分类器的输出;在第二种方法中,对贝叶斯融合方法进行了测试。 用8个脑通道(按10-20系统)和2个电极分别测量EEG和EMG信号。 image.png 实验由六名健康受试者和一名严重运动障碍的最终使用者进行。

    1.4K30发布于 2020-12-23
  • 来自专栏yuyy.info技术专栏

    第十周算法提高9-2文本加密

    本文最后更新于 1163 天前,其中的信息可能已经有所发展或是发生改变。 #include<iostream> using namespace std; int main(){ char arr[55]; int i=0; cin>>arr; while(arr[i]!='\0'){ if(arr[i]=='A')arr[i]='B'; else if(arr[i]=='A')arr[i]='B'; else if(arr[i]=='B')arr[i]='C'; else if(a

    37410编辑于 2022-06-28
  • 来自专栏脑机接口

    智能康复 | 康复机器人的意图识别技术

    通过脑的信号进行意图识别,信号直接及时,如果在操作便捷、解读准确、可重复性等方面达到要求后,被视为理想的意图识别方式,是真正的意图识别。 二、电信号意图识别 运动意图从运动皮质产生,向下传递。 通过表面电信号的采集,我们提前识别出患者的运动意图。这种方式非常适合肌肉软瘫、神经接头疾病、重症肌无力等肌肉本身疾病的功能康复,以及生活辅助、假肢等应用场景。 高密度表面的识别更具价值。 三、力传感器意图识别 力传感器意图识别分为力矩传感器和压电传感器。肌肉收缩带动关节运动,进而对传感器施加了力,传感器也就采集到了患者的运动意图。 脑意图识别多用于康复早中期,也就是常说的“脑机接口”,后期使用效果也不错。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。

    1.6K10编辑于 2022-09-22
领券