面向人体运动检测的水凝胶基柔性应变传感器设计

在可穿戴电子设备迅猛发展的背景下,构建面向人体运动检测的可穿戴柔性应变传感器成为目前传感器研究的重点之一。基于聚丙烯酰胺(PAM)、纤维素纳米晶(CNCs)、单宁酸(TA)构建了一种导电水凝胶基柔性应变传感器。机械性能与电学性能测试结果表明,相较于其他柔性应变传感器,聚丙烯酰胺-纤维素纳米晶-单宁酸导电水凝胶基柔性应变传感器具有超长的拉伸范围(0%~2 900%)、较好的黏附性、快速的响应时间(280 ms)和良好的稳定性(超320次加载-卸载循环)。该传感器对人体关节弯曲的大应变与喉部活动的小应变等运动信号具备良好的检测功能,可用作人体运动检测的柔性可穿戴传感器。

纸基柔性传感器可穿戴设备在人体运动中的应用

纸基柔性材料是一种新型材料,其具有轻便性、高延展性能。柔性可穿戴设备由柔性材料制作而成,有轻便、舒适性高、应用范围较广等优点,有望弥补传统的可穿戴设备的不足,被广泛应用于各领域中。国内外有不少文献报道用纸基柔性材料制备的柔性可穿戴设备应用领域。相较于传统设备,它们不仅在用户体验舒适度方面取得巨大突破,还在功能上得到延伸创新以满足多种临床应用场景的需求。基于此,简单介绍纸基柔性可穿戴设备的工作原理及分类,并围绕人们的运动、居家康复、健康检测等几个方面阐述近年来柔性可穿戴设备在康复领域中的研究进展。

石墨烯纸基传感器在人体运动中的实验研究

随着可穿戴技术的飞速发展,柔性传感器因在定制医疗和人机互动中有应用前景而备受瞩目。受剪纸艺术启发,开发了一种新型剪纸结构的柔性纸基传感器。该传感器采用剪纸技术构建的石墨烯纸基材料,能够紧密贴合人体多个部位,旨在探索其在监测生理及运动信号方面的有效性。剪纸结构的设计不仅提高了传感器的敏感度和伸展性,还实现了其与皮肤的高度集成,为人体动态监测开辟了新途径。

基于肌电−惯性融合的人体运动估计:高斯滤波网络方法

本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.

融合时空图卷积网络与非自回归模型的三维人体运动预测

当前人体运动预测的方法大多采用基于图卷积网络的自回归模型,没有充分考虑关节间的特有关系和自回归网络性能的限制,从而产生平均姿态和误差累积等问题。为解决以上问题,提出融合时空图卷积网络和非自回归的模型对人体运动进行预测。一方面利用时空图卷积的网络提取人体运动序列的局部特征,可以有效减少三维人体运动预测场景中的平均姿态问题和过度堆叠图卷积层引起的过平滑问题的发生;另一方面将非自回归模型与时空图卷积网络进行结合,减少误差累计问题的发生。利用Human3.6M的数据集进行80 ms、160 ms、320 ms和400 ms的人体运动预测实验。结果表明,NAS-GCN模型与现有方法相比,能预测出更精确的结果。

复合纸基柔性传感器力学性能与人体运动关系研究

柔性可穿戴传感器可适应人体皮肤的形变,有着良好的环境匹配性,在人体健康与运动监测等相关领域有着不小的市场需求。近年来,纸张材料以其柔性、绿色环保、低成本等优势,在柔性传感器领域展现出较大的应用潜力。基于此,简述了纸基柔性传感器的分类与工作机理,以动态聚合物与MXene纸基传感材料相结合,制备复合纸基柔性传感器,并对复合纸基柔性传感器的力学性能进行测试与分析。结果表明,该传感器的拉伸强度和抗弯曲能力较好,力学性能得到显著增强。该传感器可应用到人体手指关节、颈椎等部位的运动监测,也可用于运动状态下人体心电信号的监测。今后纸基柔性传感器的功能性会更加完善,满足更多应用场景需求。

基于可穿戴式纳米生物传感器的人体运动数据挖掘算法

针对当前人体运动数据挖掘算法无法对实时数据进行采集与分析,导致人体运动数据挖掘正确率较低且时间较长的问题,提出基于可穿戴式纳米生物传感器的人体运动数据挖掘算法。首先,利用可穿戴式纳米生物传感器采集人体运动数据,将采集到的数据转换为二进制数据形式,并对转换后的数据进行清洗与补位处理;最后,使用萤火虫算法对K均值聚类方法进行优化,利用优化后的K均值聚类方法对清洗与补位后的数据进行聚类处理。实验结果表明,所提算法的召回率平均值为97.12%,数据挖掘正确率平均值为98.42%,为运动员生理指标的实时监测与分析提供重要的数据基础。

基于人体运动预测的协作机器人避障方法研究

针对人机协作系统中的误识别及碰撞检测问题,对人体关节信息提取和建模方法进行研究。设计了一种基于关节间距离的粗大误差剔除策略;在分析了手部运动轨迹规律后,提出一种基于历史轨迹的关节位置跟踪预测方法,通过差分法求导速度的方式,对下一时间节点位置进行预测,在相机采集数据出现异常时,进行校正补充。基于方向包围盒(OBB)思想,建立了一种人机碰撞检测模型,找到了一种机械臂包络体与障碍物实际最小距离的计算方法,避免了系统的错误判断和多余避碰动作的产生;对所述方法进行了碰撞检测仿真验证。结果表明:所提出的方法稳定可靠,可以有效避免人机协作中碰撞的发生。

基于人体运动识别约束的室内定位方法

针对传统的行人航迹推算(Pedestrian Dead Reckoning,PDR)方法无法满足多运动状态下的定位问题,提出了一种基于神经网络运动识别辅助室内定位的方法。构建出卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)组合的神经网络模型,用于识别人体的运动状态并完成分类。根据运动分类的结果应用到行人航迹推算中,分析和筛选运动参数特征作为算法的阈值约束条件来提高定位精度。在算法中运动步数由合加速度计数据波形检测得到,步长由运动状态的特征自适应调整步长模型。通过实验验证,CNN-GRU模型在自建数据集上的准确率达到99.6%。将识别结果应用到PDR中,在112 m 4种动作的矩形路线中定位误差为1.8 m,误差远低于传统PDR定位的19.9 m。实验结果验证了该方法的可行性。

经颅直流电刺激对人体运动系统兴奋性的影响——基于TMS和H反射的证据

目的经颅直流电刺激(transcranial direct current stimulation,t DCS)可改变神经系统兴奋性,进而提升人体运动能力。然而t DCS具体如何调节神经兴奋性,进而提升运动表现的生理证据尚不充分。因此,本研究旨在运用TMS和H反射检测手段,观察t DCS干预后大脑初级运动皮层、脊髓传导通路兴奋性的变化,为该技术改善运动表现的机制问题提供生理学证据。方法16名上海体育大学健康男性参与了测试。采用双盲交叉设计,刺激方案:2 m A,20 min的阳极、阴极、假刺激,间隔48 h。统计方法:双因素重复测量方差分析。结果(1)大脑皮层兴奋性:阳极刺激后动作诱发电位较基线振幅显著增大(P<0.05),阴极刺激则相反(P<0.05);阳极刺激后SICI抑制水平较基线显著降低(P<0.05),且较阴极显著提高(P<0.05);(2)脊髓通路兴奋性:阳极刺激后,Hmax/Mmax值显著降低(P<0.05),H反射潜伏期较刺激前显著缩短(P<0.05)。突触前抑制阳极刺激较基线有显著差异性(P<0.05)。运动传导速度的增加值,阳极较阴极显著提升(P<0.05)。结论(1)t DCS可以调节神经系统兴奋性,阳极刺激提高大脑皮层的动作诱发电位、降低皮层内抑制,阴极干预效果相反。(2)t DCS刺激可通过影响H反射振幅、H反射潜伏期、突触前抑制、神经传导速度,进而调节脊髓传导通路兴奋性。

虚实结合的职业技能测评在人体运动学教学效果中的探索

通过职业技能测评构建及内容的设计,对学生学习效果进行有效评价,切实提升康复治疗学专业医学生社会竞争能力,更加注重医学生康复实践技能培养,以期为康复治疗学专业学生形成有效测评模式在人体运动学教学中的实施提供参照。当前,医学生实践技能培养存在的主要问题主要体现为意识不足、课程设置不合理及氛围不够三个方面,借鉴国际医学教育组织医学生培养观点,从切实提升对实践技能的重视程度,树立以学生为中心的培养理念,创新教学方法,开展丰富多彩的实践技能培训活动,注重对新技术的应用,提出“虚实结合”构建医学生康复实践职业技能培养体系。

以人体运动学为媒介的康复治疗学医体交叉路径研究

在医体交叉融合视域下,针对人体运动学课程,进行教学目标、教学内容、教学方式、课程思政、实验教学、教学团队建设、实践科学7方面的改革创新。以运动康复科学相关知识和思维赋能人体运动学课程,使其成为医体交叉融合的载体和媒介,以期提高人才培养质量和层次,推动康复治疗学学科高质量发展。

可拉伸的黏附性导电水凝胶柔性应变传感器在人体运动监测中的应用研究

针对传统应变传感器延展性能差、应变范围窄、与人体组织界面应力不匹配等问题,以羧甲基纤维素钠(CMC-Na)和透明质酸(HA)为凝胶骨架,以硼砂(borax)为交联剂,通过一锅法制备了可拉伸的黏附性导电水凝胶CBH,并评价了其机械性能、自愈合性能、黏附性能及应变传感性能。结果表明,在氢键和硼酸酯共价键柔性网络、CMC-Na和HA分子链刚性网络的协同作用下,CBH水凝胶呈现出良好的拉伸性(断裂伸长率1230%)、韧性、抗疲劳性和自愈合能力;由于CMC-Na和HA分子链上的羟基和羧基能与基底表面形成氢键、配位键等化学键,使得CBH水凝胶对木头、猪皮、橡胶、玻璃、塑料、金属、纸张、陶瓷等材料表面具有较强的黏附性能;在电场作用下自由离子在凝胶网络中自由迁移使得CBH水凝胶具有良好的导电性,且对应变具有较高的传感灵敏度和稳定性,将CBH水凝胶组装成柔性应变传感器后可以直接贴附于人体不同部位实现对人体大幅度的关节运动和细微的生理活动的实时监测。

基于学习通的混合式案例教学在人体运动学中的应用

目的:探讨基于学习通平台的混合式案例教学模式在人体运动学课程中的应用效果。方法:研究选取2020级康复治疗专业学生作为对照组,2021级康复治疗专业学生作为研究组。对照组采用常规教学方法,研究组在常规教学的基础上对各论章节内容采用基于超星学习通平台支持的案例教学。对2组学生的理论考试成绩、案例分析成绩、平时表现成绩、学生满意度评分进行统计分析评价教学效果。结果:2组教学前基本情况比较,差异无统计学意义;教学后研究组学生的理论考试成绩、案例分析成绩、平时表现成绩和总成绩均较对照组明显提高(均P<0.01),且学生各方面满意度评分均高于对照组(P<0.01,0.05)。结论:在对康复专业学生进行人体运动学教学过程中,采用在学习通平台支持下的混合式案例教学法,能显著提升学生对于理论知识的理解掌握、促进学生对实际病例的分析应用,学生自觉满意度高,同时能将学生学习过程进行云端记录,实现过程性评价,该课程教学质量得以提升。

基于图像压缩采样的人体运动姿态评估与应用

为了保证人体运动安全,为运动姿态的调整提供数据支持,提出基于图像压缩采样的人体运动姿态评估方法。利用图像压缩采样技术获取人体运动图像,从边缘和纹理两个方面,提取人体运动特征。采用特征匹配的方式,完成对人体运动姿态的识别与跟踪。构建人体运动姿态评估指标体系,根据识别与跟踪数据计算评估指标的具体取值,采用主成分分析法求解评估指标权重,完成人体运动姿态的评估。通过应用实验得出结论:与传统评估方法相比,优化设计方法的姿态评估误差减小约0.3,同时评估对象的人体损伤程度明显降低,即优化设计方法在应用性能方面具有明显优势。

石墨烯纸基传感器的制备方法及在人体运动中的实验研究

为了研究石墨烯纸基传感器在人体运动中的作用,选择无尘纸为基底,使用石墨烯-碳纳米导电涂料混合聚二甲基硅氧烷(PDMS)作为涂层。基于涂料和PDMS粘性导电特点,构建传感器基底列阵结构,制作传感器信号采集系统,开展传感器灵敏度与稳定性测试。结果显示压力处于10kPa至30kPa之间时,数值为3.27kPa-1,灵敏度与稳定性良好;此外,对人体运动中产生的微小动作和剧烈动作都可起到较好的检测效果。

面向人体运动模式的SVM识别方法

随着社会智能化技术的不断发展,人体运动识别技术在生活中运用得越来越广泛,尤其是在运动领域。此外,在智能可穿戴设备的发展趋势下,IMU(Inertial Measuring Unit)技术也将被广泛应用于各种健康监测和运动辅助设备中。文中从传感器节点设计与部署、IMU系统误差校准、数据预处理、SVM(Support Vector Machine)算法等方面对人体运动模式的识别展开研究。通过使用多个IMU传感器节点构建的可穿戴数据收集系统,能够捕捉到人体运动过程中的三轴加速度和三轴角速度信息,并将这些信息通过机器学习算法进行处理,从而准确地识别出人体的运动状态。

人体运动能量回收系统研究

可穿戴体能检测装置可以满足大学生体能测试、身体健康检测等的需求。随着技术的发展,摩擦纳米发电机(Triboelectric Nanogenerator,TENG)成功被开发,它可以为可穿戴体能检测装置、医疗领域等提供电力来源。通过分析现有可穿戴人体体能测试装置供电系统电池寿命短的缺陷,提出了基于TENG的多输入多输出人体运动能量回收系统,以TENG悬浮式五电平的一个桥臂为例,分析了其输出电压与开关状态之间的关系,此系统将TENG供电与多电平电容悬浮电路相结合,可根据需要灵活实现电能的多输入多输出,且电压谐波含量更少。

基于每点动态自适应卷积的人体运动识别

针对普通卷积计算冗余和参数量较大的问题,提出了一种每点动态自适应卷积的人体运动识别方法。通过系数生成层和固定滤波核,在输入特征图的每个相应邻域内自适应地生成卷积核,从而有效提取传感器数据的特征信息,同时避免繁重的计算、参数和内存成本。实验结果表明,每点动态自适应卷积以普通卷积神经网络70%的Flops取得了1%~2%的精度提升,同时展现了更强的目标定位能力,在人体运动识别领域具有一定的优越性。

中科院开发可穿戴人体运动能量收集和存储自充电混合纺织品

近年来,可穿戴电子产品多功能化、智能化已成为发展趋势。然而,可穿戴电子产品的开发和创新需要具备小型化、集成化、舒适性和便携性。传统的电池和超级电容器无法满足纺织品所需的灵活性、舒适性和轻便性。因此,有必要开发一种便携、灵活、可穿戴、可持续的纺织电源。