here-proposed系统在线治疗(即电生理信号。后,脑电图和肌电图)以下指南:

(1)肌电图。表面emg在线高通滤波和一个八阶巴特沃斯滤波器截止频率10 Hz拒绝运动构件。

(2)脑电图。符合的主要研究领域( 28, 29日, 36),脑电图是逐步band-filtered 1赫兹和40 Hz之间使用一个八阶巴特沃斯滤波器在传输之前。

在每次试验中,所有脑电图电极的阻抗检查是为了确保一个值低于40 kΩ。

数字陷波滤波器(52赫兹)实现对脑电图和肌电图信号。

(4)特殊的预防措施。脑电图工件可以分类,一般来说,生理或non-physiological [ 41]。前者类型包括眼球运动(闪烁,横向和垂直运动),肌肉收缩(收紧下巴,颈部肌肉的收缩),和心脏工件。non-physiological构件包括线路噪声、阻抗转变,从电缆和干扰运动( 41]。EEG信号的采集步态中增加这些构件的影响。虽然没有永久删除所有上述构件的方法,是采取特别的措施在录音限制的影响。

使用活跃preamplified湿电极,电极的阻抗检查和修复程序PCB连接线路,保证non-physiological工件的衰减。此外,在实验测试中,受试者被要求解决他们的目光在眼睛水平和锋面在实验中,放松颈部肌肉,尽可能避免或在走路时摆动头部。

限制进一步的干扰,环境照明是保持不变,环境噪音减少,录音设备和运营商都拒之门外的视野。

剩下的工件将被拒绝在皮质分析阶段通过嵌入仿真软件模型工件拒绝阶段:黎曼工件(rASR)子空间表示方法( 42]。

如图 2”再也触发块用于识别的事件为一个特定的肌肉收缩。为特定应用程序,深入了解EMG信号的水平不一样有用的知道它的二进制近似(例如,开/关)。虽然开/关状态概念和计算简化了EMG信号的分析,提取的算法肌肉诱因,提出了原理图 3,必须能够适应的特点(i)的肌肉张力测试主题(主体间变异性)和(2)在审判期间遵循肌肉张力变化。

在这方面,对于这个应用程序,我们将提出一个方法在我们之前的工作 22, 43)以前用于步态分析应用程序。简单地说,它是一个动态阈值方法,在每个EMG信号(16位)为一个二进制信号(名为触发)。它假定一个逻辑值高,如果肌肉收缩,低否则(放松肌肉)。图 3显示了触发器生成的所有步骤。

中描述的方法,原则,比较信号的平均功率大的时间跨度 米 = 500年 女士(PM)和信号功率的平均在一个较短的时间跨度 N = 250年 (即女士。,the last 250 ms of the 米 登记,PN)。这个过程是刷新取样。

为 我 th样本,PN比较点。如果 PN > 点 触发,1,否则为0。

在这种背景下,尝试,选择的MTs(横向gastrocnemii)通常反应 323.19 ± 52.38 女士 控制不力。从文献[ 36),我们知道 θ 更快的乐队(暂时)与权力干预变异(峰值检测~ 185 ms从扰动出现),因此最重要的重建,在线性模型的拟合的角度通过太。

在这方面,在这项研究中,系统提取一个脑电图的时间窗口,从800 ms(即开始。400样品)太收缩开始之前和结束。如前所述,EEG子集进行工件的第一阶段通过rASR拒绝。然后分裂artifact-free脑电图子集在20重叠(10-sample一步)200 -样品长时间窗口。

在每个评估时间窗口,系统运行一个FFT的光谱分辨率2.5赫兹( f sEEG = 500年 样品/ s, l 赢得 = 200年 样本)。然后评估根据光谱行为 (1) Y = FFT 年代 w l 赢得 → 年代 = 2 ∙ Y 2 : l 赢得 2 , 在哪里 年代 w 长200 -样本评估和滑动窗口吗 l 赢得 是样品的数量组成分析数据系列。一旦光谱功率 年代 ∈ R l 赢得 / 2 为每个窗口已经提取,系统开始乐队多路复用阶段根据图 2( 44, 45]。在带多路复用阶段,系统提取的行为 θ (4 - 7赫兹), α (8 - 12 Hz)乐队和 β 我 , β 二世 , β 三世 (13 - 15、16 - 20和意向Hz)节奏考虑到光谱分辨率。在这方面,为每一个分析窗口,系统提取的向量 年代 投资委员会 ∈ R nBoI , nBoI = 5 多路复用,乐队的数量有关。这个向量(即 年代 投资委员会 )由光谱贡献的总和下跌的范围内分析了乐队,据 (2) 年代 投资委员会 = θ → ∑ 2 3 年代 我 dB α → ∑ 3 5 年代 我 dB β 我 → ∑ 6 7 年代 我 dB β 二世 → ∑ 8 10 年代 我 dB β 三世 → ∑ 10 16 年代 我 dB ∈ R nBoI , 1 。

最终,对应的太收缩, (1)

系统提取的向量 年代 投资委员会 (方程( 2)的所有20滑动寡妇作曲EEG块进行分析

考虑,为了清晰,一个乐队感兴趣的一个通道,相关的测量20 windows终于送到一个计算单元,用于处理提取线性模型的最小二乘拟合(即。OLS估计)。特别是,这个阶段的皮层响应计算是基于大脑反应的简化近似,所描述的20分,可以被认为是一条直线 x t = 米 · t + 问 。

图 4显示了一个示范,强调比较(通过引用实验基础),之间的线性模型在行走(图中提取 4(一)蓝)和线性模型从被动地应对扰动(图 4(b)红色)。板参考通道F3和相同的乐队感兴趣的(例如, α )。相关数据(图 4(一)指太# 16子4-Trial。2。所选的太收缩了腓肠肌F3(同侧)。

作为最后一步,系统丢弃的信息被认为是无用的在这种情况下,如估计拦截,推导一个矩阵,其中只包含估计斜坡, 米 ^ 。对于每一个太收缩,定义一个二维矩阵: 米 ∈ R nBoI , nCh 的元素 米 j , 我 = 米 ^ j 投资委员会 th , 我 Ch th 是上述的斜率估计OLS-based模型 j 乐队感兴趣的和 我 通道。例如,在图 4,皮层响应的程度是由系统中提取的非微扰步态(太# 16) 米 ^ α , F 3 = 0.0125 dB / 女士 ;同样,在微扰(太# 41)的情况下,该参数 米 ^ α , F 3 = 0.25 dB / 女士 。请注意, x 设在报告窗口数量,每个窗口由20 ms的一步。

如上所述节 2.4。3,大脑皮层分析系统提取响应矩阵 米 为每个评估太的收缩。

在第一个校正阶段,系统收集一些 米 矩阵从平静的走的步骤。因此,构建一个“标准”的统计皮质为被测对象的行为。

更详细,系统标定需要的存储 米 矩阵的一个数字,数控,平静的太收缩。一旦这个数据收集,一个三维矩阵 米 C ∈ R nBoI , nCh , 数控 可进一步计算。一般 MC元素, 米 c ^ j , 公斤ydF4y2Ba , 我 ,代表了 米 ^ 的价值 j 乐队感兴趣的和 公斤ydF4y2Ba th通道提取通用的通信 我 太收缩。通过隔离通道和乐队感兴趣的数据(即从3 d皮层响应矩阵。,通过选择 公斤ydF4y2Ba th通道和 j th乐队),可以提取65矢量大小{ 1 × 数控 }。65年向量提取的EEG分支架构受到 泛化一步,系统的平均水平,在几个频道,的值 米 ^ 在一个特定的乐队。结果平均构成组脑电图通道称为功能性皮质组。有四个功能皮层组织大致确定监控macroareas: (我)

补充运动区 。有nBoI = 5向量,每一个感兴趣的乐队,包括 米 ^ 值平均通道:{Fz F3, F4}

这一步的泛化允许系统获得立即控制一般皮质参与主体的地位。一旦控制结构被泛化了明确的步骤,校准算法必须统计分析只有20个向量( 5 投资委员会 ∗ 4 功能 组)。从这些向量,系统提取相同数量的阈值基于百分比的分析。具体地说,所有的阈值与95年一致^th百分位数的矢量分析。这些阈值是用来确定系统的初始状态(校准)。在第一次收缩的太,丢弃第一个值的阈值将被更新(最古老的按时间顺序),换成了新的。考虑到最后一个向量,将周期性更新的阈值。一旦系统是逐步调整,分类器分析每个功能性组整体的贡献参与。

伪代码的伪代码 1总结和广泛评论分类的例程和感兴趣的校准考虑一个乐队。

更多的细节,根据第1行系统比较 米 ^ 每个功能组的值(imX X集团缩写)与专用的阈值(ThrX, X集团)的缩写。然后,如果> 50%的评估组织感兴趣的权力增加皮质活动,推广国旗(Gen_flag)设置为1。打开第二个条件嵌套程序,lateral_check(行5)。这个例程评估如果功率增量利益的一侧大脑皮层(通过之间的差异 米 ^ 值从左边和右边的频道)。如果差异低于一定的公差,偏侧性标志(Lat_flag)设置为1时,表明普遍增加。如果泛化和偏侧性标志设置系统调用Alarm_on_BoI例程。这意味着在特定的乐队感兴趣的(例如, α )大脑皮层活动是不正常的。如果至少3感兴趣的乐队感兴趣广泛的增加,分类发布全球警报,要求外部干预恢复平衡(检测到潜在的下降)。

常规:逻辑网络分类

表 4总结了系统性能方面:肌肉反应方面,活跃大脑皮层组织,许多假警报,,最后,敏感性和特异性。“响应”列标识腓肠肌外侧的第一个干预尝试避免下降。实验结果表明,在存在平衡扰动交付(50%在生活方面,50%在右边),受试者的反应的病例的57.22%左腓肠肌收缩。这个值不考虑缺失的数据(MD)由于误分类。报告显示,三个科目(地铁1、5、6)潜在的反应根据医学文献[ 12, 36]通过收缩的腓肠肌镇定的腿恢复平衡。在剩余的情况下,一个异常僵硬右侧肢体被记录。

“活跃的皮层组织”列标识功能皮层组织的数量通常高于阈值,平均5乐队的兴趣。在这方面,表 4表明,平均而言,一个“非标准”的神经行为检测到 3.24 ± 0.73 皮质组(5日平均值和标准偏差的利息)的扰动(F-Table 4)。同样,皮质组织积极参与稳定(W-Table行走 4),平均而言, 1.66 ± 0.37 。后面的结果支持假设的理论逻辑网络分类:一个普遍的(不是边音的)和一般皮质活动增量可以识别可能失去平衡。

表 4还表明,该系统可以达到一个整体的敏感性 Se % = 93.33 ± 5.16 % 和特异性 Sp % = 98.91 ± 0.44 % ,充分与艺术的国家竞争。定量对比如图以上详细的最先进的解决方案 5。

PIFD策略的效率通常是评估的时间间隔来可靠地检测失去平衡。这个参数可以作为微扰开始之间的时间间隔和失去平衡状态识别。在这种背景下,提出的系统验证了动作捕捉系统(MCS)入手,通过适当的精度,提供的扰动出现森平台在前后方向上的选择肢。

检测时间,提取实验测试过程中,总结了表 5。他们计算考虑扰动出现瞬间的电压提供给步森通过Vicon Nexus软件编程(MCS)。这个上升的时间分辨率边缘≤10 ms,但保守,我们认为它在检测时间。

在表 5“操作时间”列显示了计算时间与完整的计算机系统(图有关 2)工作流程,(我)由肌肉触发激活,(ii)滑动窗口FFT, (iii)带多路复用(iv)泛化和偏侧性步骤,(v)逻辑网络分类和阈值(vi)的修订完善。

更普遍的是,这份报告在表 5表明,6个分析对象,系统需要实现,平均而言, 370.62 ± 60.85 女士 检测诱导下降。更详细,只计算系统(图 2)要求,平均 21.732 ± 0.035 女士 结论上述定义六个业务从肌肉触发激活阈值的调整。

剩余时间(平均~ 350毫秒),以其高可变性,严格相关选择太函数(即肌肉束。侧腓肠肌)。事实上,最好记住,系统开始工作从腓肠肌的收缩(左右独立)。《纽约时报》与此相关的生理过程仍没有可决定的确定性。在这方面,腓肠肌的响应时间是不可避免的延迟承认损失的平衡,很大程度上决定了系统的效率。

的效率,提供一个更完整的概述 6显示了trial-by-trial实现系统的响应时间。在最坏的情况下(即。,年代ub 2 and Trial 5), the system takes about 634 ms to intervene, while in the best case (i.e., Sub 6 and Trial 4), the system recognizes the loss of balance in about 160.4 ms.

实现了检测时间竞争的最先进的解决方案,强调环境的系统适用性姿势恢复策略的实现。

最后一个比较图与图提供先进的解决方案 7。图显示了检测时间和总体精度(即。,的意思是between Se (%) and Sp (%)), providing an interesting metric for the performance assessment of the PIFD algorithm. Ideally, the algorithms should tend to the bottom-right corner.