一、神经科患者手臂震颤的定量研究（论文文献综述）
徐东旭[1]（2019）在《帕金森震颤信号的分析研究》文中提出帕金森病是一种常见的神经系统变性疾病,严重影响患者的日常生活。目前对帕金森病的诊断和评估主要依靠医生。帕金森病一个重要临床特征是静止性震颤,这也是论文研究的重点。本文首先设计了一个震颤采集系统,包含了传感器MPU6050、微控制器Arduino和卡尔曼滤波算法。微控制器通过IIC总线得到传感器中三轴加速度数据,再通过串口通信将数据保存在计算机中。本文利用这个采集装置采集了五个正常人的手部加速度数据。在采集加速度数据后,本文提出了卡尔曼滤波的方法减小测量噪声,及利用马达验证采集装置的准确性。在震颤信号处理与分析中,本文以三轴加速度的模信号作为分析对象,利用震颤幅值判断帕金森震颤是否发作。本文介绍了三个帕金森病（Parkinson’s disease,PD）震颤特征及其计算方法,其中震颤稳定性指数这个特征是本文创新性地应用于患病程度的评估。接着本文在已有的数据中提取这些特征,画出特征分布,判断这些特征是否可以评估病情。之后分别利用决策树和朴素贝叶斯模型建立分类模型,实现对小数据集的分类。此外,本文还设计实验,将前文的研究成果应用于大鼠PD震颤数据,实现对大鼠PD震颤信号的自动识别,为大鼠帕金森实验提供了一种判断大鼠PD震颤信号是否存在的方法。本文以震颤信号研究对象,对帕金森诊断和评估进行了研究,为后人研究帕金森提供了一定的参考价值,也让大家对帕金森病有了一些了解。
曾玮强[2]（2019）在《基于双目立体视觉的肢体震颤检测量化研究》文中研究表明人体震颤是最为广泛的运动障碍。震颤的量化和识别研究有助于神经系统疾病的早期诊断和疾病分治,具有重要的社会意义。尽管震颤的量化和识别被广为研究,由于存在诸多局限性和不足,至今依然是临床研究的难题。为此,本文在前期专家学者的研究基础上,提出了基于双目立体视觉的人体姿态震颤量化识别研究。用简便快捷的震颤检测方法和有效的量化指标实现疾病的早期分类和诊断,降低疾病误诊和漏诊率,提高病理性震颤的诊疗水平。本文从现行肢体震颤检测方法入手,分析国内外研究现状,找出其优缺点,围绕现行做法存在的测量方式会引起患者不适,以及陀螺仪存在的零位偏移等固有误差,设计了这种基于图像的非接触式检测方法,相比于传统检测方法,彻底消除了传感器捆绑于测试者的不适感和恐惧感,也不存在传感器的固有误差,主要研究内容及成果如下:（1）详细分析了肢体震颤的客观存在以及日前被震颤困扰的疾病,从震颤的分类来叙述目前国内外常见检测方法,通过震颤自身的特征和目前常见做法的缺点来引出本文设计方案,选取使用技术。（2）选定采用双目立体视觉技术后,深入研究了双目立体视觉的基本原理,探讨其可行性,寻找到双目立体视觉与震颤检测的切合点,使用移动光斑来代替肢体的震颤信号,实现间接采集,既方便又高效。（3）研究了传统相机模型以及镜头畸变的所带来的客观误差,使用张氏相机标定法来求取相机内外参数,通过这些参数在软件上矫正上述问题所带来的误差,并且进行标定试验来实现前述过程。（4）根据临床需要,设计出检测方案,再根据检测方案提出相应评价震颤的量化指标。根据选型硬件和临床需要设计出相关软件,进而采集震颤信号,根据现行立体匹配算法提出针对于本文所使用的基于区域的立体匹配算法,根据三维重建算法还原出肢体震颤轨迹,而后根据其轨迹设计出能够求解前述量化指标的算法,最后求取其量化指标,以达到震颤检测之目的。
廖静[3]（2017）在《帕金森震颤检测分析关键技术研究》文中认为帕金森病（Parkinson’s disease,PD）是一种常见的神经系统变性疾病,起病隐袭,进展缓慢。老年人多见,平均发病年龄为60岁左右,该病会使患者逐渐丧失生活自理能力,对家庭对社会造成极大负担。约70%的帕金森病患者以震颤为首发症状,而震颤是神经科最常见的症状之一,是许多疾病或综合征的首发表现,疾病早期临床上很难鉴别。临床上医生主要凭主观判断诊断分类震颤,缺乏客观评价标准,容易造成误诊。震颤的准确判断和分类可为诊断治疗震颤类疾病提供有价值信息,所以有必要对震颤进行分类和一定的量化评估。震颤的分类量化问题主要有震颤检测和震颤分析两方面工作。震颤检测为获取震颤信号,震颤分析则是分析震颤信号特征,为识别分类震颤提供相关参数。在震颤检测方面加速度惯性传感器检测方法以其方便、快捷、无创、实时监护等优点成为近几年震颤检测的研究热点。震颤分析方面频域往往能提供更多的信号特征。因此本课题在参考前人研究的基础上,选择基于惯性加速度传感器方法进行震颤检测,通过分析震颤加速度信号功率谱特征,寻找相关特征参数来区别帕金森病震颤。本课题以辅助医生客观识别评价帕金森病震颤为目的,围绕帕金森病震颤检测方法及其震颤信号分析方法进行相关研究,主要完成了工作概括为以下两个方面:一是设计制作完成了震颤信号检测系统,该系统包括震颤信号采集端和震颤信号检测操作系统。震颤信号采集端基于微机电系统（MEMS）技术的惯性传感器制作而成,具备小巧便携的特点。震颤信号检测操作系统基于VB.NET开发环境开发完成,操作界面简洁。整个检测系统以无创检测方法实现了对震颤的实时监测。二是通过制作的震颤信号检测系统完成了30例震颤数据采集（20例病理性震颤和10例生理性震颤）,对所得震颤数据进行功率谱分析得出结论:1、震颤加速度信号幅度值可作为震颤程度划分参数,利用该参数对震颤的量化有可能为医生在治疗过程中判断患者的用药剂量提供帮助;2、发现帕金森病震颤、帕金森综合征震颤和特发性震颤的功率谱能量集中频率范围有重叠,难以区分。而帕金森病静止性震颤功率谱峰值频率具有倍数关系特征,该特征可识别帕金森病静止性震颤,有希望用于辅助诊断早期PD。
马小燕,殷杰[4]（2016）在《基于九轴传感器的可穿戴式微功耗实时震颤监测系统》文中研究指明手部震颤是帕金森病的一项基本临床症状,对震颤的长时定量监测可为帕金森的临床诊断和治疗提供客观依据.据此,设计了基于九轴传感器的可穿戴式微功耗实时震颤监测系统,实现了对帕金森患者手部震颤特征的长时间低负荷实时检测和无线传输记录.九轴传感器用于获取加速度、角速度和磁场强度多个参量,利用融合算法分析上述参量可得到病人手部姿态数据,数据经微尺寸采集发射节点无线传输至上位机实时显示并保存.样机的临床实验表明,系统的瞬态响应时间小于1s,稳态误差小于1.5°,在使用200 mAh锂聚合物电池时可连续工作18h,系统各项指标均达到设计预期,可实现对帕金森患者的长时间实时监测.
黄慧,刘昊[5]（2013）在《震颤定性定量分析方法的研究进展》文中指出震颤的分类对于早期诊断具有重要意义,大多数临床医师通过病史询问、体格检查对震颤患者做出初步诊断,主观因素影响大,且仅定性分析患者震颤类型远远不能满足临床工作需要。为了早期发现无明显症状的震颤及对难以鉴别的震颤类型进行分类,需要对震颤进行更精确的定量分析,其中包括加速度传感器分析法、利用光学原理、激光检测手段、手绘螺旋描绘法等技术。本文综述了近10年来这些定性定量分析方法的研究进展。
汤景[6]（2013）在《用于手持设备生理性震颤消除装置的感测技术研究》文中提出人类在手工的精确定位方面具有固有的局限性，这种局限性是由于人手运动时产生的一些固有的无意识运动。这种固有的、无意识的、类似正弦曲线的运动就是生理性震颤。在显微手术或者生物工程的细胞操作中，影响操作者产生错误运动最常见的类型是生理性震颤，其不但使某些需要精确操作的环节变得复杂，也使某些特定的环节变得不可能实现。基于生理性震颤和手持设备的特点，本文设计了一种精度高的手持设备生理性震颤测量系统。手持设备的运动由一个磁强计辅助测量的全加速度计测量单元进行测量，该测量单元由三个双轴的微型加速度计和一个三轴的磁强计组成。一方面，由加速度计信息经过一定的运动学算法可以得到手持设备的角运动信息，这种算法精度很高，但是会产生积分漂移现象；另一方面，磁强计和加速度计可以联合得到一个有噪声但没有漂移的方位信息。对基于四元数的增广卡尔曼滤波器进行研究并应用该算法将磁强计和加速度计的传感信息融合来提高传感精度。本文首先完成了手持设备测量单元的设计，通过和传统的惯性测量单元的误差偏差进行对比，证明了本系统的优越性；分析了惯性测量系统的各类误差源，对传感器的测量误差和安装误差进行建模；研究传感器确定性误差的标定方法，完成对传感器确定性误差的修正；利用加速度计信息计算出载体的角速度向量，参考惯性测量中姿态矩阵的更新方法，完成了对设备的六自由度运动信息的复现；使用TRIAD算法将重力信息和地磁信息融合得到与观测向量相关的方向余弦矩阵，在此基础上设计一个增广的四元数卡尔曼滤波器将角速度向量和方向余弦矩阵融合获得对载体方位的估计；将更新的加速度信息融合经过两次积分，得到载体的位置信息，通过简单的动力学模型计算出设备尖端的位置信息；最后将尖端位置信息经过WFLC滤波，得到手持设备的生理性震颤和震颤信号的预估信号。
孙建[7]（2010）在《基于外骨骼机器人技术的人体手臂震颤抑制关键技术研究》文中指出震颤是人体某个或多个功能区肌肉的有节律性、近似正弦往返摆动的肢体运动,是关节周围肌肉收缩和松弛的动力状态。作为最为普遍的运动障碍之一,震颤常见于人的肢体特别是手臂,影响精细动作、书写和餐饮,严重时可对病人的日常生活、工作、社会交往等带来诸多不便。尽管人类对于震颤发生机理及其药物治疗等方面的研究已经进行几十年,但其研究还处于初期的探索阶段,多数类型的震颤运动的机理和起源至今尚未明确。目前的研究水平下,“对症下药”的药物治疗方法显得“力不从心”,在较短时间内开发出抑制患者震颤的普适性药物较为困难,而震颤带给患者诸如精细动作、书写和餐饮等日常生活的不便问题短期内很难得到解决。因此,本文试图通过新的途径（非药物治疗方面）对震颤及其抑制开展研究,利用机器人技术解决震颤患者的生活不便等问题。本文从震颤运动发生的“表象”——震颤信号出发,综合利用机器人技术,提出一种基于生物力加载技术的震颤补偿与抑制的控制策略；设计一款可以穿套在患者前臂的可穿戴型震颤抑制机器人装置。本文并不是试图研究震颤运动发生的本质,而是以抑制震颤运动为目标,重点研究震颤运动信号检测、震颤信号处理与评估、震颤抑制策略与安全性评估等方面,旨在为提高手臂震颤患者的生活质量提供一种新途径。全文的主要研究工作概括如下：“非药物”抑制人体手臂震颤的理论和方法综述。全面回顾了国内外手臂震颤抑制的研究现状。详细阐述“非药物”抑制人体手臂震颤的基础理论和系统框架；对震颤信号的检测方法、震颤信号的分析与处理方法、震颤信号的工程建模以及震颤信号的生物力加载抑制方法等四个方面做了较为详细的介绍和讨论,为后续章节的论述提供了理论指导和依据。震颤信号的检测、分析与处理方法研究。设计用于采集和处理震颤信号的可穿戴型手臂检测装置,包括固定在肘关节和腕关节的惯性传感器系统、加速度传感器和表面肌肉电信号系统。针对震颤信号的非平稳性特征,提出一种基于希尔伯特-黄变换方法的手臂震颤信号分析与处理方法,获取震颤信号的幅值和频率的时变信息。阐述HHT方法的提出背景、理论以及计算原理,重点研究手臂震颤信号的EMD分解和Hilbert谱的构建过程。研究手臂震颤信号的HHT识别方法和步骤。探讨HHT方法的自身局限性：端点飞翼问题、模态混淆以及实时性问题。针对利用机器人技术抑制人体手臂震颤的性能需求进行分析,设计一款三自由度全驱动的可穿戴型手臂震颤抑制机器人。通过研究人体手臂的生理学特征,构建实用的三自由度人体手臂生物力学模型,探讨利用机器人技术进行手臂震颤抑制等方面的可行性。研究该机器人系统的体系结构与模型,详细阐述可穿戴型外骨骼系统和震颤运动检测系统的设计与分析。最后,利用Adams虚拟样机技术分别对该机器人系统进行运动学和动力学建模与仿真。提出两种震颤抑制控制策略：基于阻抗控制的“被动”震颤抑制控制策略和基于震颤补偿的“主动”震颤抑制控制策略。研究人体手臂与可穿戴型外骨骼机器人之间的交互作用问题,并构建基于阻抗特性的人-机交互模型。探讨基于机器人技术的人体手臂震颤抑制的数学模型和机理分析,构建手臂震颤抑制的动力学模型。在此基础上,提出以上两种基于生物力加载技术的震颤抑制控制策略,并详细阐述这两种震颤抑制策略的控制原理和设计过程。最后,就有关于震颤抑制策略的评定问题展开讨论,并把震颤抑制前后的信号能量比作为震颤抑制策略的评估标准。最后,通过实验验证可穿戴型手臂震颤抑制机器人在抑制人体手臂震颤方面的有效性。重点阐述如下实验：基于Hilbert-Huang变换的手臂震颤信号处理,基于肌肉电信号的腕关节跟随运动实验和手臂震颤抑制实验分析与处理。设计可以模拟人体手臂震颤运动的机器人装置,用来模拟频率在0-20Hz的两自由度震颤运动,有效的解决由于安全和技术原因无法多次在真实的震颤患者身上验证震颤策略的问题。详细阐述利用可穿戴型手臂震颤抑制装置对手臂震颤进行抑制的实验程序、人员、过程、条件和方法,并对实际数据进行分析。实验结果表明,该机器人可以抑制频率在0-20Hz的震颤运动。另外,震颤抑制前后的功率谱对比图显示,基于生物力加载技术的震颤抑制策略对于人体手臂震颤的抑制是有一定效果的。
艾玲梅,黄力宇,王珏[8]（2007）在《震颤信号分析的研究现状及展望》文中提出震颤是人身体某一个或多个功能区肌肉的节律性、不自主振动,是运动神经元异常同步化的结果。用信号处理的方法检测分析震颤患者加速度（accelerometer,ACC）、表面肌电（electromyography,EMG）、脑电（electroencephalography,EEG）信号对震颤临床诊断、等级评定、疾病早期发现等方面具有重要意义。介绍了时域分析、频域分析、人工神经网络、高阶谱、近似熵、模糊、浑沌、判别分析等方法在震颤信号研究中的应用情况,最后展望了震颤信号分析的应用前景。
沈涛虹,浏丹,王坚,周祖巍,蒋雨平,成伟华,许世雄[9]（2003）在《神经科患者手臂震颤的定量研究》文中进行了进一步梳理目的 定量分析神经科患者手臂震颤。方法 受测试者左 （右 ）手拿光笔照射目标十字中心 ,用摄像机拍摄光点图像后数值化 ,对数据进行统计分析。结果 正常人组和病人组的手拿光笔照射目标十字中心时光点偏离目标十字中心的最大距离 （MR）、光点偏离目标十字中心的平均距离（AR） ,以及光点移动路径长度 （TL） ,均有显着性差异 （P <0 .0 5 ）。结论 MR、AR、TL可作为神经科患者肢体震颤的定量判别指标。
浏丹,王坚,周祖巍,成伟华,蒋雨平,许世雄[10]（2003）在《神经科患者肢体震颤的定量研究》文中提出 神经科患者的肢体震颤是一种病理性震颤,这种病理性震颤主要出现在神经系统疾病（如帕金森,PD;特发性震颤,ET;进行性核上性麻痹等）病人的体征中,表现为头部、面部、及上、下肢或身体一部分的震颤或节律性不自主运动,其振幅和频率都比较规律。而这种振动在幅度和频率上与正常人生理性震颤完全不同。
二、神经科患者手臂震颤的定量研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、神经科患者手臂震颤的定量研究（论文提纲范文）
（1）帕金森震颤信号的分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 震颤信号采集方法 |
| 1.2.2 震颤信号分析方法 |
| 1.3 本文主要研究内容、研究方案及章节安排 |
| 第二章 震颤生理学研究 |
| 2.1 震颤的定义 |
| 2.2 震颤的分类及其特点 |
| 2.2.1 生理性震颤 |
| 2.2.2 特发性震颤 |
| 2.2.3 帕金森震颤 |
| 2.2.4 药物诱发的震颤 |
| 2.3 帕金森病的治疗方法 |
| 2.4 本章小结 |
| 第三章 震颤信号采集系统研究设计 |
| 3.1 震颤采集装置 |
| 3.1.1 传感器MPU6050 |
| 3.1.2 微控制器Arduino |
| 3.1.3 与计算机的通信 |
| 3.1.4 采集手部加速度实验 |
| 3.2 卡尔曼滤波 |
| 3.2.1 卡尔曼滤波原理 |
| 3.2.2 实验设计与结果 |
| 3.3 信号采集端验证实验 |
| 3.3.1 实验设计 |
| 3.3.2 实验结果及分析 |
| 3.4 本章小结 |
| 第四章 震颤信号处理与分析 |
| 4.1 实验设计 |
| 4.2 震颤信号数据预处理 |
| 4.2.1 计算模信号 |
| 4.2.2 判断PD震颤发作条件 |
| 4.3 特征提取 |
| 4.3.1 时域特征 |
| 4.3.2 频域特征 |
| 4.4 特征结果分析 |
| 4.4.1 震颤稳定性指数分析 |
| 4.4.2 震颤频率分析 |
| 4.4.3 平均功率谱密度分析 |
| 4.5 实验模型 |
| 4.5.1 决策树原理 |
| 4.5.2 朴素贝叶斯原理 |
| 4.5.3 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 大鼠PD实验数据的处理验证 |
| 5.1 实验背景 |
| 5.2 实验设计 |
| 5.3 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 硕士研究生期间主要工作及相关成果 |
（2）基于双目立体视觉的肢体震颤检测量化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 当前技术存在的主要问题 |
| 1.3 震颤检测方案与论文结构安排 |
| 1.3.1 震颤检测方案 |
| 1.3.2 主要实现方法 |
| 1.3.3 论文结构安排 |
| 第2章 双目立体视觉原理及相关算法 |
| 2.1 引言 |
| 2.2 双目立体视觉关键技术 |
| 2.3 摄像机模型与坐标系的建立 |
| 2.3.1 传统相机模型 |
| 2.3.2 相关坐标系的建立 |
| 2.3.3 三大坐标系的转换 |
| 2.4 立体匹配原理 |
| 2.4.1 立体匹配技术概述 |
| 2.4.2 立体匹配原理 |
| 2.5 三维重建概述 |
| 2.5.1 三维重建基本原理 |
| 2.6 本章小结 |
| 第3章 肢体震颤检测具体实现方法 |
| 3.1 引言 |
| 3.2 硬件平台搭建 |
| 3.2.1 硬件选型 |
| 3.2.2 采集时间与采集同步性分析 |
| 3.3 软件系统 |
| 3.3.1 图片采集模块 |
| 3.3.2 图像处理模块 |
| 3.3.3 报告生成模块 |
| 3.4 震颤检测实验过程 |
| 3.4.1 双目相机标定原理 |
| 3.4.2 双目相机标定过程 |
| 3.4.3震颤检测实验 |
| 3.5 本章小结 |
| 第4章 数据处理与肢体震颤量化评价方法 |
| 4.1 立体匹配实际过程 |
| 4.2 三维重建实际过程 |
| 4.3 震颤量化指标分析 |
| 4.4 本章小结 |
| 第5章 肢体震颤检测方法的临床应用 |
| 5.1 数据报告生成 |
| 5.2 检测方法的临床应用 |
| 5.3 与其他方案的对比 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 进一步工作的方向与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（3）帕金森震颤检测分析关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 震颤信号检测装置相关研究 |
| 1.2.2 震颤信号分析处理方法相关研究 |
| 1.3 本文主要研究内容与论文结构安排 |
| 2 震颤检测系统研究设计 |
| 2.1 微机电系统技术 |
| 2.1.1 微机电系统技术介绍 |
| 2.1.2 微机电系统技术特点及分类 |
| 2.1.3 微机电系统技术在生物医学工程中的应用 |
| 2.2 震颤检测采集端设计 |
| 2.2.1 JY901传感模块介绍 |
| 2.2.2 微控制器 |
| 2.2.3 震颤检测采集端构成 |
| 2.3 上位机操作系统设计 |
| 2.3.1 开发平台介绍 |
| 2.3.2 VB.NET开发工具特点介绍 |
| 2.3.3 PCo mm在VB.NET中的应用 |
| 2.3.4 上位机界面设计 |
| 2.3.5 上位机与震颤检测采集端通讯协议 |
| 2.3.6 上位机操作系统使用流程 |
| 2.4 系统整体结构 |
| 2.5 本章小结 |
| 3 震颤信号采集及预处理 |
| 3.1 震颤类型介绍 |
| 3.1.1 帕金森病震颤 |
| 3.1.2 帕金森综合征震颤 |
| 3.1.3 特发性震颤 |
| 3.1.4 生理性震颤 |
| 3.2 信号采集与筛选 |
| 3.2.1 采集对象基本信息 |
| 3.2.2 采集方案设计 |
| 3.2.3 筛选整理采集数据 |
| 3.3 信号预处理 |
| 3.3.1 拟合信号 |
| 3.3.2 时域处理 |
| 3.3.3 频域带通滤波 |
| 3.4 本章小结 |
| 4 震颤信号特征研究 |
| 4.1 功率谱估计方法介绍 |
| 4.1.1 周期图法 |
| 4.1.2 Welch法估计 |
| 4.2 PD组震颤功率谱分析 |
| 4.2.1 静止性震颤功率谱 |
| 4.2.2 姿势性震颤功率谱 |
| 4.3 PDS组震颤功率谱分析 |
| 4.3.1 PDS组静止性震颤功率谱 |
| 4.3.2 PDS组姿势性震颤功率谱 |
| 4.4 ET组震颤功率谱分析 |
| 4.5 H组震颤功率谱分析 |
| 4.6 本章小结 |
| 5 实验结果与分析 |
| 5.1 震颤幅度分析结果 |
| 5.2 各类震颤特征比较结果 |
| 5.3 结果分析 |
| 5.4 本章小结 |
| 6 总结及展望 |
| 6.1 课题工作总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 上位机程核心序代码 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（4）基于九轴传感器的可穿戴式微功耗实时震颤监测系统（论文提纲范文）
| 1 系统总体设计 |
| 2 硬件电路设计 |
| 2.1采集发射节点电路设计 |
| 2.2接收显示终端电路设计 |
| 3 系统软件设计 |
| 4 系统测试 |
| 4.1指标测试 |
| 4.2临床实验 |
| 5 结论与展望 |
（6）用于手持设备生理性震颤消除装置的感测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究发展现状及分析 |
| 1.2.1 生理性震颤理论研究现状 |
| 1.2.2 生理性震颤抑制方法的研究现状 |
| 1.2.3 MEMS 技术的现状与发展 |
| 1.3 论文的主要研究内容 |
| 1.3.1 论文的研究内容 |
| 1.3.2 章节安排 |
| 第2章 感测系统方案设计 |
| 2.1 生理性震颤特点分析 |
| 2.1.1 生理性震颤建模 |
| 2.1.2 震颤信号感测方法 |
| 2.2 感测方案分析 |
| 2.2.1 震颤消除装置的系统框架 |
| 2.2.2 技术难点分析 |
| 2.2.3 参数要求 |
| 2.2.4 感测方案选择 |
| 2.3 感测方案设计 |
| 2.3.1 测量单元分析 |
| 2.3.2 传感器选择 |
| 2.4 测量单元性能分析 |
| 2.4.1 角速度误差方差 |
| 2.4.2 平移位移的误差方差 |
| 2.5 本章小结 |
| 第3章 惯性测量单元的动力学模型 |
| 3.1 载体角速度的计算 |
| 3.1.1 坐标系定义 |
| 3.1.2 加速度计输出方程 |
| 3.1.3 角速度的解算 |
| 3.2 姿态更新算法 |
| 3.2.1 姿态矩阵的定义 |
| 3.2.2 姿态矩阵的计算 |
| 3.2.3 载体尖端位置的计算 |
| 3.3 加速度计_磁强计组合姿态修正算法 |
| 3.3.1 双矢量确定姿态问题 |
| 3.3.2 TRIAD 算法 |
| 3.3.3 加权矢量的 TRIAD 算法 |
| 3.4 本章小结 |
| 第4章 测量系统的误差与消除 |
| 4.1 测量系统误差分析 |
| 4.1.1 测量系统的误差源 |
| 4.1.2 测量系统误差方程 |
| 4.2 加速度计误差分析 |
| 4.2.1 加速度计测量误差 |
| 4.2.2 加速度计安装误差 |
| 4.3 磁强计误差分析 |
| 4.3.1 磁强计测量误差 |
| 4.3.2 磁强计安装误差 |
| 4.4 测量单元静态标定 |
| 4.4.1 静态标定方法 |
| 4.4.2 改进的标定方法 |
| 4.5 本章小结 |
| 第5章 位置追踪与震颤信号分离 |
| 5.1 卡尔曼滤波 |
| 5.1.1 卡尔曼滤波器 |
| 5.1.2 位置追踪技术 |
| 5.1.3 角速度偏差矢量 |
| 5.2 卡尔曼滤波器设计 |
| 5.2.1 状态向量 |
| 5.2.2 观测向量 |
| 5.2.3 卡尔曼滤波器 |
| 5.3 震颤信号的分离 |
| 5.3.1 线性傅里叶拟合算法分析 |
| 5.3.2 加权线性傅里叶拟合 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（7）基于外骨骼机器人技术的人体手臂震颤抑制关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 震颤及其研究现状 |
| 1.2.1 震颤及其临床分型 |
| 1.2.2 震颤起源及其发生机制 |
| 1.2.3 常见震颤疾病的治疗现状 |
| 1.3 震颤信号及其处理方法 |
| 1.4 手臂震颤抑制策略概述 |
| 1.4.1 生物力加载技术 |
| 1.4.2 功能性神经肌肉刺激技术 |
| 1.5 外骨骼机器人简述 |
| 1.6 论文的主要工作内容 |
| 1.6.1 选题的目的和意义 |
| 1.6.2 研究内容及各章节安排 |
| 1.6.3 主要创新点 |
| 第2章 "非药物"抑制人体手臂震颤的理论和方法综述 |
| 2.1 引言 |
| 2.2 "非药物"抑制人体手臂震颤的系统框架 |
| 2.3 震颤信号的检测 |
| 2.3.1 参数表征 |
| 2.3.2 震颤信号的检测装置 |
| 2.4 震颤信号分析与处理方法 |
| 2.4.1 时域分析方法 |
| 2.4.2 频域分析方法 |
| 2.4.3 近似熵复杂度方法 |
| 2.4.4 高阶累积量方法 |
| 2.4.5 模糊逻辑和混沌方法 |
| 2.4.6 统计分类的模式识别方法 |
| 2.5 震颤信号的工程建模 |
| 2.5.1 生理性震颤的工程模型 |
| 2.5.2 几种典型病理性震颤的工程建模 |
| 2.6 生物力加载技术方法 |
| 2.6.1 "主动"震颤抑制策略 |
| 2.6.2 "被动"震颤抑制策略 |
| 2.7 震颤抑制效果的评估 |
| 2.8 本章小结 |
| 第3章 基于希尔伯特-黄变换的手臂震颤信号分析与处理 |
| 3.1 引言 |
| 3.2 震颤信号检测与处理系统 |
| 3.2.1 陀螺仪 |
| 3.2.2 加速度传感器 |
| 3.2.3 MEMS惯性传感器单元 |
| 3.2.4 生物信号传感器 |
| 3.3 希尔伯特-黄变换 |
| 3.3.1 Hilbert变换(Hilbert Transform) |
| 3.3.2 固有模态函数(Intrinsic Mode Functions) |
| 3.3.3 经验模态分解(EMD)原理与算法 |
| 3.4 Hilbert谱分析理论 |
| 3.4.1 Hilbert谱 |
| 3.4.2 Hilbert边际谱 |
| 3.4.3 傅里叶谱、Hilbert谱、Hilbert边际谱的比较 |
| 3.5 手臂震颤仿真信号的HHT识别 |
| 3.5.1 EMD分解 |
| 3.5.2 Hilbert谱 |
| 3.6 HHT的优越性和局限性 |
| 3.7 本章小结 |
| 第4章 可穿戴型手臂震颤抑制机器人系统设计 |
| 4.1 引言 |
| 4.2 手臂生物力学模型 |
| 4.2.1 手臂 |
| 4.2.2 手臂运动 |
| 4.2.3 肘关节 |
| 4.2.4 腕关节 |
| 4.3 机械系统设计 |
| 4.3.1 系统组成 |
| 4.3.2 可穿戴型外骨骼系统 |
| 4.3.3 自由度设计 |
| 4.3.4 肘关节设计 |
| 4.3.5 腕关节设计 |
| 4.4 驱动系统设计 |
| 4.4.1 驱动关节设计 |
| 4.4.2 震颤激励系统设计 |
| 4.4.3 电源问题探讨 |
| 4.5 信号检测与处理系统 |
| 4.6. 可穿戴型手臂震颤抑制机器人运动学分析及仿真 |
| 4.6.1 运动学分析 |
| 4.6.2 运动学仿真 |
| 4.7. 可穿戴型手臂震颤抑制机器人动力学分析及仿真 |
| 4.7.1 人体手臂各环节参数 |
| 4.7.2 动力学分析 |
| 4.7.2.1 机器人系统的势能 |
| 4.7.2.2 机器人系统的动能 |
| 4.7.2.3 机器人系统的动力学方程 |
| 4.7.3 动力学仿真结果与分析 |
| 4.7.3.1 运动学仿真结果 |
| 4.7.3.2 动力学仿真结果 |
| 4.8 本章小结 |
| 第5章 基于生物力加载技术的手臂震颤抑制方法研究 |
| 5.1 引言 |
| 5.2 手臂震颤抑制的动力学模型 |
| 5.2.1 手臂震颤抑制的数学描述 |
| 5.2.2 手臂震颤抑制模型的应用分析 |
| 5.2.3 震颤抑制的控制流程 |
| 5.3 手臂震颤抑制的控制模型 |
| 5.3.1 手臂阻抗特性 |
| 5.3.2 阻抗控制 |
| 5.3.3 导纳控制 |
| 5.3.4 手臂-穿戴型机器人的交互特性 |
| 5.4 "被动"震颤抑制控制策略 |
| 5.4.1 阻抗控制系统与导纳控制系统 |
| 5.4.2 机器人激励装置控制系统 |
| 5.4.3 闭环1 |
| 5.4.4 闭环2 |
| 5.4.5 闭环系统 |
| 5.5"主动"震颤抑制控制策略 |
| 5.5.1 主闭环1 |
| 5.5.2 主闭环2 |
| 5.5.3 主闭环系统 |
| 5.6 本章小结 |
| 第6章 手臂震颤抑制系统的综合实验与分析 |
| 6.1 引言 |
| 6.2 震颤信号仿真平台设计 |
| 6.2.1 手臂震颤运动模拟平台 |
| 6.2.2 基于dSPACE的震颤激励控制系统 |
| 6.3 手臂震颤信号仿真实验与分析 |
| 6.3.1 震颤信号仿真平台的性能实验 |
| 6.3.2 基于Hibert-Huang变换的手臂震颤信号处理 |
| 6.4 手臂震颤抑制实验分析与处理 |
| 6.4.1 可穿戴型手臂震颤抑制装置的性能实验 |
| 6.4.2 可穿戴型手臂震颤抑制装置的震颤抑制实验 |
| 6.4.3 帕金森综合征病人检测实验 |
| 6.5 震颤抑制效果的评估研究 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 本文的创新点 |
| 7.3 未来工作展望 |
| 参考文献 |
| 在读期间发表的学术论文与取得的其他研究成果 |
| 致谢 |
（8）震颤信号分析的研究现状及展望（论文提纲范文）
| 1 引 言 |
| 2 震颤信号分析方法 |
| 2.2 频域分析方法 |
| 2.3 高阶累积量方法 |
| 2.4 人工神经网络 |
| 2.5 模糊逻辑和混沌方法 |
| 2.6 统计分类的模式识别方法 |
| 2.7 近似熵复杂度方法 |
| 3 展 望 |
（9）神经科患者手臂震颤的定量研究（论文提纲范文）
| 材料和方法 |
| 研究对象 |
| 方法 |
| 数据处理 |
| 统计分析及结果 |
| 讨 论 |
四、神经科患者手臂震颤的定量研究（论文参考文献）
- [1]帕金森震颤信号的分析研究[D]. 徐东旭. 南京大学, 2019(07)
- [2]基于双目立体视觉的肢体震颤检测量化研究[D]. 曾玮强. 南昌大学, 2019(02)
- [3]帕金森震颤检测分析关键技术研究[D]. 廖静. 重庆理工大学, 2017(02)
- [4]基于九轴传感器的可穿戴式微功耗实时震颤监测系统[J]. 马小燕,殷杰. 南京大学学报(自然科学), 2016(02)
- [5]震颤定性定量分析方法的研究进展[A]. 黄慧,刘昊. 江西省第六次中西医结合神经科学术交流会论文集, 2013
- [6]用于手持设备生理性震颤消除装置的感测技术研究[D]. 汤景. 哈尔滨工程大学, 2013(06)
- [7]基于外骨骼机器人技术的人体手臂震颤抑制关键技术研究[D]. 孙建. 中国科学技术大学, 2010(08)
- [8]震颤信号分析的研究现状及展望[J]. 艾玲梅,黄力宇,王珏. 生物医学工程学杂志, 2007(06)
- [9]神经科患者手臂震颤的定量研究[J]. 沈涛虹,浏丹,王坚,周祖巍,蒋雨平,成伟华,许世雄. 医用生物力学, 2003(04)
- [10]神经科患者肢体震颤的定量研究[A]. 浏丹,王坚,周祖巍,成伟华,蒋雨平,许世雄. 第七届全国生物力学学术会议论文集, 2003