【技术实现步骤摘要】
【国外来华专利技术】实时尖峰检测和识别
[0001]背景
[0002]由人类中枢神经系统产生的神经肌肉信号可以反映导致在人体中的一个或更多个肌肉的收缩的神经激活。神经肌肉传感器——其的示例包括放置在人体的表面上的肌电图(EMG)传感器，其记录当骨骼肌细胞被激活时产生的神经肌肉活动。由神经肌肉传感器测量的神经肌肉活动可以由神经激活、肌肉兴奋、肌肉收缩或神经激活和肌肉收缩的组合产生。由神经肌肉传感器记录的信号常规地用于评估患有运动控制障碍的患者的神经肌肉机能障碍，并且在一些应用中已经被用作对例如假肢的设备的控制信号。
[0003]概述
[0004]在人体中共同导致运动任务的执行的骨骼肌的协调运动由在中枢神经系统中产生的神经信号引起。神经信号经由脊髓运动神经元从中枢神经系统行进到肌肉，脊髓运动神经元中的每个具有在脊髓中的细胞体和在一个或更多个肌肉纤维上的轴突终末。响应于接收到神经信号，肌肉纤维收缩，导致肌肉运动。脊髓运动神经元和其所支配的肌肉纤维被统称为“运动单元”。肌肉一般包括来自数百个运动单元的肌肉纤维，并且在多个运动单元中的肌肉纤维的同时收缩通常是肌肉收缩所需要的，肌肉收缩导致骨骼段的运动和/或由身体的一个部位施加的力。
[0005]肌肉展示运动单元募集(motor unit recruitment)的特征模式，其中运动单元被依次激活，其中被激活的运动单元的数量取决于期望的肌肉收缩的强度。当运动单元被激活时，运动单元动作电位(MUAP)在运动单元的每个肌肉纤维中被生成。神经肌肉传感器(例如肌电图(EMG)传感器)记录导致运动活动(例如肌肉...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种计算机化系统，包括：多个神经肌肉传感器，其被配置成记录来自用户的多个神经肌肉信号，其中，所述多个神经肌肉传感器被布置在一个或更多个可穿戴设备上；以及至少一个计算机处理器，其被编程为：基于所述多个神经肌肉信号或从所述多个神经肌肉信号导出的信息来检测对应于在至少一个运动单元中的动作电位的激发的至少一个尖峰事件；基于所述多个神经肌肉信号或从所述多个神经肌肉信号导出的信息来确定检测到的至少一个尖峰事件的生物源；以及至少部分地基于所述检测到的至少一个尖峰事件和/或所述检测到的至少一个尖峰事件的所确定的生物源来生成至少一个输出。2.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为：应用用于从与相应的检测到的尖峰事件相关联的多个生物源中选择最佳生物源的一个或更多个标准；选择与所述最佳生物源相关联的至少一个最佳尖峰事件；从所述神经肌肉信号中的至少一个神经肌肉信号减去关于所述至少最佳尖峰事件的检测到的波形，并且生成残留神经肌肉信号。3.根据权利要求2所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为执行用于处理检测到的尖峰事件的迭代过程，直到在所述残留信号中不存在满足用于选择作为尖峰事件的生物源的最小阈值的生物源为止。4.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为基于共激活来将检测到的尖峰事件分组到特定肌肉组内，并将在所述特定肌肉组内的尖峰事件分类以近似募集曲线。5.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为将至少一个滤波器应用于所述多个神经肌肉信号的时间滞后表示，以及其中，检测所述至少一个尖峰事件和确定所检测到的至少一个尖峰事件的生物源是基于所述多个神经肌肉信号的滤波后的时间滞后表示来执行的。6.根据权利要求5所述的计算机化系统，其中，将至少一个滤波器应用于所述多个神经肌肉传感器的时间滞后表示包括使用波束形成过程来将多个波束形成滤波器应用于所述多个神经肌肉信号的所述时间滞后表示，其中，所述多个波束形成滤波器是基于一个或更多个尖峰事件的时空模式而生成的滤波器。7.根据权利要求6所述的计算机化系统，其中，所述波束形成过程包括使用最小方差无失真响应技术。8.根据权利要求6所述的计算机化系统，其中，所述波束形成过程包括使用线性约束最小方差技术。9.根据权利要求6所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为确定对应于所述多个波束形成滤波器的所述一个或更多个尖峰事件的所述时空模式。10.根据权利要求9所述的计算机化系统，其中，确定对应于所述多个波束形成滤波器的所述一个或更多个尖峰事件的所述时空模式包括：
检测在记录的神经肌肉信号中的多个尖峰事件；将所述检测到的多个尖峰事件聚类；以及基于尖峰事件的集群来确定所述时空模式。11.根据权利要求9所述的计算机化系统，其中，检测多个尖峰事件包括：在所述多个神经肌肉信号内检测低活动期；以及在所述低活动期内检测推定尖峰事件。12.根据权利要求11所述的计算机化系统，其中，检测所述多个尖峰事件还包括分析检测到的推定尖峰事件以丢弃具有一个或更多个特定特征的尖峰事件。13.根据权利要求12所述的计算机化系统，其中，所述一个或更多个特定特征包括比特定阈值持续时间更长的持续时间。14.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为使用一个或更多个神经网络来检测所述至少一个尖峰事件和/或确定检测到的至少一个尖峰事件的生物源。15.根据权利要求14所述的计算机化系统，其中，所述一个或更多个神经网络包括卷积神经网络。16.根据权利要求14所述的计算机化系统，其中，所述一个或更多个神经网络包括循环神经网络。17.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为使用多步迭代技术以将所述多个神经肌肉信号的时间滞后表示分解成对应于至少一个生物源的信号分量，并且从所述至少一个生物源检测所述至少一个尖峰事件，来检测所述至少一个尖峰事件并确定所述检测到的至少一个尖峰事件的生物源。18.根据权利要求17所述的计算机化系统，其中，所述多步迭代技术包括矩阵分解。19.根据权利要求1所述的计算机化系统，其中，生成至少一个输出包括生成包括所述至少一个尖峰事件的指示的压缩数据。20.根据权利要求19所述的计算机化系统，其中，所述至少一个尖峰事件的指示作为控制信号被提供到基于计算机的系统。21.根据权利要求20所述的计算机化系统，其中，所述至少一个尖峰事件的指示作为包括下列项的组中的至少一项被提供：离散控制信号；连续控制信号；以及复合控制信号。22.根据权利要求1所述的计算机化系统，其中，生成至少一个输出包括生成所述至少一个尖峰事件的指示。23.根据权利要求22所述的计算机化系统，其中，所述至少一个尖峰事件的指示包括所述至少一个尖峰事件的生物源和所述至少一个尖峰事件的出现的时间的指示。24.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器被编程为响应于至少部分地基于所述检测到的至少一个尖峰事件和/或所述检测到的至少一个尖峰事件的所述确定的生物源的所述至少一个输出而向所述用户提供反馈。25.根据权利要求24所述的计算机化系统，其中，所述至少一个计算机处理器被编程为
向所述用户提供反馈作为用户训练过程的一部分。26.根据权利要求25所述的计算机化系统，其中，所述反馈包括包含听觉、视觉、触觉和多感觉反馈的组中的至少一个。27.根据权利要求1所述的计算机化系统，还包括惯性传感器，所述惯性传感器被配置为确定所述至少一个运动单元的肌肉纤维相对于所述多个神经肌肉传感器中的一个或更多个的空间位置的运动伪影或偏移。28.根据权利要求27所述的计算机化系统，其中，所述至少一个计算机处理器被编程为响应于所述惯性传感器的输出来过滤或细化推理模型的输出。29.根据权利要求19所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为通过一个或更多个无线网络将包括所述至少一个尖峰事件的指示的所述压缩数据传输到外部设备。30.根据权利要求19所述的计算机化系统，还包括：至少一个存储设备，以及其中，所述至少一个计算机处理器还被编程为将所述压缩数据存储在所述至少一个存储设备上。31.根据权利要求1所述的计算机化系统，其中，生成至少一个输出包括生成包括由关节连接的多个刚性体段的已更新的计算机化肌肉骨骼表示，其中，生成所述已更新的计算机化肌肉骨骼表示包括：至少部分地基于所述检测到的至少一个尖峰事件和/或所述检测到的至少一个尖峰事件的所识别出的生物源来确定描述在所述计算机化肌肉骨骼表示的所述多个刚性体段的两个或更多个连接的节段之间的空间关系的肌肉骨骼位置信息和/或描述在所述计算机化肌肉骨骼表示的所述多个刚性体段中的两个或更多个节段之间的力的力信息；以及至少部分地基于所述肌肉骨骼位置信息和/或所述力信息来更新所述计算机化肌肉骨骼表示。32.根据权利要求31所述的计算机化系统，其中，确定所述肌肉骨骼位置信息和/或所述力信息包括将所述检测到的至少一个尖峰事件和/或所述检测到的至少一个尖峰事件的所识别出的生物源作为输入提供到经训练的推理模型，以及其中，所述肌肉骨骼位置信息和/或所述力信息是至少部分地基于所述经训练的推理模型的输出来确定的。33.根据权利要求1所述的计算机化系统，其中，生成至少一个输出包括实质上实时地生成用于控制至少一个设备的至少一个控制信号。34.根据权利要求33所述的计算机化系统，其中，检测至少一个尖峰事件包括检测所述至少一个尖峰事件的时空模式，以及其中，生成至少一个控制信号包括至少部分地基于所述至少一个尖峰事件的所检测到的时空模式的至少一个特征来生成所述至少一个控制信号。35.根据权利要求34所述的计算机化系统，其中，所述至少一个特征包括所述至少一个尖峰事件的速率和/或所述至少一个尖峰事件的所述检测到的时空模式的空间分布。36.根据权利要求1所述的计算机化系统，其中，所识别出的生物源包括运动单元。37.根据权利要求1所述的计算机化系统，其中，所识别出的生物源包括多个运动单元。
38.根据权利要求1所述的计算机化系统，其中，所识别出的生物源包括肌肉。39.根据权利要求1所述的计算机化系统，其中，所识别出的生物源包括多个肌肉。40.根据权利要求1所述的计算机化系统，其中，确定所述至少一个尖峰事件的生物源包括确定所述至少一个尖峰事件与运动单元或运动单元组相关联，其中，所述至少一个计算机处理器还被编程为确定所述运动单元或运动单元组所属于的肌肉，以及其中，生成至少一个输出包括基于所述运动单元或运动单元组所属于的所确定的肌肉来生成所述至少一个输出。41.根据权利要求40所述的计算机化系统，其中，所述确定的肌肉与描述所述确定的肌肉的运动单元的激活的序列的运动单元募集序列相关联，以及其中，所述至少一个计算机处理器还被编程为确定所述运动单元或运动单元组落在所述确定的肌肉的所述运动单元募集序列内哪里。42.根据权利要求1所述的计算机化系统，还包括：至少一个辅助传感器，所述至少一个辅助传感器被配置为记录多个辅助信号，以及其中，所述至少一个计算机处理器还被编程为至少部分地基于所述多个辅助信号来生成所述至少一个输出。43.根据权利要求42所述的计算机化系统，其中，所述至少一个辅助传感器包括至少一个惯性测量单元(IMU)传感器，所述至少一个惯性测量单元(IMU)传感器被配置为记录多个IMU信号，以及其中，所述至少一个计算机处理器还被编程为至少部分地基于所述多个IMU信号和/或从所述多个IMU信号导出的信息来生成所述至少一个输出。44.根据权利要求42所述的计算机化系统，其中，所述至少一个辅助传感器包括被配置为记录一个或更多个图像的至少一个照相机，以及其中，所述至少一个计算机处理器还被编程为至少部分地基于所述一个或更多个图像和/或从所述一个或更多个图像导出的信息来生成所述至少一个输出。45.根据权利要求44所述的计算机化系统，其中，检测所述至少一个尖峰事件还基于所述一个或更多个图像和/或从所述一个或更多个图像导出的信息。46.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器作为与被布置在所述一个或更多个可穿戴设备上的所述多个神经肌肉传感器分离并通信的设备的一部分被包括，以及其中，所述多个神经肌肉传感器被配置成将所述多个神经肌肉信号和/或从所述多个神经肌肉信号导出的信息实质上实时地无线地流式传送到所述至少一个计算机处理器。47.根据权利要求46所述的计算机化系统，其中，与所述多个神经肌肉传感器分离并通信的设备是从包括以下项的组中选择的设备：远程服务器、台式计算机、膝上型计算机、智能手机和可穿戴电子设备。48.根据权利要求47所述的计算机化系统，其中，所述可穿戴电子设备是智能手表、健康监测设备、智能眼镜或增强现实系统。49.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器与所述一个或更多个可穿戴设备集成在一起，所述多个神经肌肉传感器被布置在所述一个或更多个
可穿戴设备上。50.根据权利要求1所述的计算机化系统，其中，所述至少一个计算机处理器包括至少一个第一计算机处理器和至少一个第二计算机处理器，所述至少一个第一计算机处理器作为与被布置在所述一个或更多个可穿戴设备上的所述多个神经肌肉传感器分离并通信的设备的一部分被包括，所述至少一个第二计算机处理器与所述一个或更多个可穿戴设备集成在一起，所述多个神经肌肉传感器被布置在所述一个或更多个可穿戴设备上。51.根据权利要求50所述的计算机化系统，其中，所述多个神经肌肉传感器被配置为将所述多个神经肌肉信号中的至少一些神经肌肉信号传输到所述至少一个第一计算机处理器，其中，所述至少一个第一计算机处理器被编程为：基于从所述多个神经肌肉传感器传输的所述多个神经肌肉信号中的至少一些神经肌肉信号，来训练至少一个尖峰检测模型和/或至少一个尖峰识别模型；以及将经训练的至少一个尖峰检测模型和/或至少一个尖峰识别模型传输到所述至少一个第二计算机处理器，以及其中，所述至少一个第二计算机处理器被编程为使用从所述至少一个第一计算机处理器传输的所述至少一个尖峰检测模型和/或所述至少一个尖峰识别模型，来检测所述至少一个尖峰事件，并且确定所述检测到的至少一个尖峰事件的生物源。52.根据权利要求51所述的计算机化系统，其中，所述至少一个尖峰检测模型和/或至少一个尖峰识别模型被训练以估计包括下列项的组中的至少一项：所述用户是否正在激活特定运动单元；所述用户是否正在以特定定时激活特定运动单元；以及所述用户是否正在激活特定运动单元组合。53.根据权利要求1所述的计算机化系统，其中，检测对应于在至少一个运动单元中的动作电位的激发的至少一个尖峰事件包括检测对应于在多个运动单元中的动作电位的激发的至少一个尖峰事件。54.根据权利要求5所述的计算机化系统，其中，所述至少一个计算机处理器还被编程为将所述多个神经肌肉信号的滤波后的时间滞后表示阈值化以检测所述至少一个尖峰事件。55.一种检测在神经肌肉数据中的尖峰...
【专利技术属性】
技术研发人员：P，
申请(专利权)人：脸谱科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。