Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 福建致远智创科技有限公司;福州脑机接口技术有限公司刘睿获国家专利权

福建致远智创科技有限公司;福州脑机接口技术有限公司刘睿获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉福建致远智创科技有限公司;福州脑机接口技术有限公司申请的专利一种基于任务训练和脑机交互的神经患者康复训练方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121034540B

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511554867.6,技术领域涉及:G16H20/30;该发明授权一种基于任务训练和脑机交互的神经患者康复训练方法是由刘睿;姜俊;沈敏海;李海设计研发完成,并于2025-10-29向国家知识产权局提交的专利申请。

一种基于任务训练和脑机交互的神经患者康复训练方法在说明书摘要公布了:本发明公开了一种基于任务训练和脑机交互的神经患者康复训练方法,属于康复训练技术领域,具体包括:基于所述训练任务机对应的运动解码模型;实时采集患者当前康复训练中的数据信号并进行分段处理,得到若干独立数据块,对独立数据块进行频域转换,提取时频特征并计算相邻数据块间的KL散度;若存在任一相邻独立数据块的KL散度大于等于预设阈值,则获取历史数据信号并对所述运动解码模型进行修正,根据修正后的运动解码模型对该患者进行运动解码,据此对患者进行康复训练,本发明通过根据当前康复训练任务选择对应模型,结合实时信号特征动态调整,确保解码结果与训练目标高度匹配,提高患者的康复训练效果。

本发明授权一种基于任务训练和脑机交互的神经患者康复训练方法在权利要求书中公布了:1.一种基于任务训练和脑机交互的神经患者康复训练方法,其特征在于,包括以下步骤: S1,获取患者在当前康复训练中的训练任务,基于所述训练任务确定对应的运动解码模型; S2,实时采集患者在当前康复训练中的数据信号,并按预设时间窗口进行分段处理,得到若干独立数据块,对任一独立数据块进行频域转换并提取该独立数据块的时频特征,根据所述时频特征计算相邻独立数据块之间的KL散度; 若存在任一相邻独立数据块之间的KL散度小于预设阈值,则将当前独立数据块对应的数据信号输入至运动解码模型中进行运动解码,得到运动动作,根据所述运动动作确定康复设备的目标操作; S3,若存在任一相邻独立数据块之间的KL散度大于等于预设阈值,则获取患者在历史任务康复训练中的数据信号并对所述运动解码模型进行修正,根据修正后的运动解码模型对该患者进行运动解码,得到运动动作,根据所述运动动作确定康复设备的目标操作; 对运动解码模型进行修正的具体过程为: S11,获取患者在历史康复训练中的数据信号,并按预设时间窗将所述数据信号进行分段处理,得到若干历史独立数据块;通过利用预设静态解码模型对每个历史独立数据块进行初步分类,得到目标数据块集和非目标数据块集,分别对目标数据块集和非目标数据块集进行深度聚类,得到目标类聚类中心Q和非目标类聚类中心F; S12,以当前时间窗口为始预设观察周期H,获取在观察周期内患者康复训练中的数据信号,并按预设时间窗将所述数据信号进行分段处理,得到若干独立数据块并生成参考数据块集,选取任一参考数据块并计算该参考数据块分别与目标类聚类中心Q的距离值和非目标类聚类中心F的距离值,基于所述距离值通过t分布概率得到该参考数据块对应目标类和非目标类的概率值,比较目标类和非目标类的概率值,将概率值最大的作为该参考数据块的类别;所述类别为目标数据块和非目标数据块; S13,根据所述参考数据块的类别得到第二目标数据块集和第二非目标数据块集,根据所述第二目标数据块集和第二非目标数据块集构建损失函数,根据所述损失函数对运动解码模型进行反向传播,得到修正运动解码模型; 构建损失函数的过程为: S31,分别对第二目标数据块集和第二非目标数据块集进行深度聚类,得到目标类聚类中心Q'和非目标类聚类中心F'; S32,选取任一独立数据块并计算该独立数据块分别与目标类聚类中心Q的距离值和目标类聚类中心Q'的距离值,基于所述距离值得到该独立数据块对应目标类Q和目标类Q'的概率值W; 根据计算公式计算得到损失参数LOSS_kl;其中,N为所有独立数据块的数量,W'i为第i个独立数据块对应目标类Q'的概率值,Wi为第i个独立数据块对应目标类Q的概率值; S33,重复S32,得到该独立数据块对应非目标类F和非目标类F'的概率值W,比较该独立数据块目标类Q和非目标类F的概率值,将概率值最大的作为该独立数据块的类别,得到该独立数据块的第一类别;同理,比较该独立数据块目标类Q'和非目标类F'的概率值,得到该独立数据块的第二类别,若该独立数据块对应的第一类别和第二类别不相同,则将该独立数据块标定为异常数据块; 根据计算公式计算得到损失参数LOSS_jl,其中,m为异常数据块的数量; S34,根据所述损失参数LOSS_kl和损失参数LOSS_jl构建损失函数LOSS,LOSS=b×LOSS_kl+d×LOSS_jl,其中,b和d是预设系数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人福建致远智创科技有限公司;福州脑机接口技术有限公司,其通讯地址为:350000 福建省福州市仓山区金山工业区金洲北路13号2号楼903单元;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。