论文摘要
目的利用表面肌电信号,探究多块肌肉之间的信息传递关系和不同握力下的肌肉之间的耦合特性。方法采集6名健康受试者在不同握力下的表面肌电信号,首先用广义偏定向相干计算多通道肌肉之间的相干性;然后用非负矩阵分解算法将相干性进行分解;最后用复杂网络建立不同条件下的肌肉功能网络,利用图论的方法,定量分析肌肉功能网络的连接特性。结果不同握力下肌肉的激活程度存在显著性差异;肌间耦合在10～20Hz频段上较为显著,且在10～20Hz频段上耦合程度随着握力的增加呈现显著性变化。结论肌间耦合在不同频段和不同握力下呈现显著性不同,表明了中枢神经系统维持不同握力的控制模式,本文方法为诊断运动功能障碍和评价康复效果提供了依据。
论文目录
文章来源
类型: 期刊论文
作者: 黄威,高云园,张迎春,佘青山,马玉良
关键词: 肌间耦合,广义偏定向相干,非负矩阵分解,复杂网络
来源: 航天医学与医学工程 2019年02期
年度: 2019
分类: 医药卫生科技,工程科技Ⅱ辑,基础科学,信息科技
专业: 生物学,生物医学工程,电信技术
单位: 杭州电子科技大学自动化学院机器人研究所,休斯顿大学生物医学工程系
基金: 国家自然科学基金(61871427),浙江省自然科学基金(LY18F030009),杭州电子科技大学科研创新基金(CXJJ2018089)
分类号: TN911.6;R318
DOI: 10.16289/j.cnki.1002-0837.2019.02.011
页码: 159-166
总页数: 8
文件大小: 5254K
下载量: 108
相关论文文献
- [1].深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用 2020(15)
- [2].带核方法的判别图正则非负矩阵分解[J]. 计算机科学与探索 2020(11)
- [3].应用非负矩阵分解的数据重构[J]. 三明学院学报 2018(06)
- [4].基于核的L_(2,1)范数非负矩阵分解在图像聚类中的应用[J]. 数学杂志 2019(03)
- [5].基于增量非负矩阵分解的合成孔径雷达目标识别[J]. 科学技术与工程 2017(12)
- [6].基于联合非负矩阵分解的协同过滤推荐算法[J]. 模式识别与人工智能 2016(08)
- [7].基于多核非负矩阵分解的机械故障诊断[J]. 西北工业大学学报 2015(02)
- [8].二维局部非负矩阵分解的路网态势算法[J]. 上海交通大学学报 2015(08)
- [9].重加权稀疏和全变差约束下的深度非负矩阵分解高光谱解混[J]. 遥感学报 2020(04)
- [10].基于非负矩阵分解的类标签映射集成学习[J]. 科学技术与工程 2018(01)
- [11].非负矩阵分解及其改进方法[J]. 华侨大学学报(自然科学版) 2016(06)
- [12].非负矩阵分解的分布式算法[J]. 中国计量大学学报 2017(01)
- [13].基于非平滑非负矩阵分解语音增强[J]. 计算机工程与应用 2017(07)
- [14].融合先验信息的非负矩阵分解社区发现算法[J]. 模式识别与人工智能 2016(07)
- [15].贝叶斯非负矩阵分解语音增强的优化算法[J]. 解放军理工大学学报(自然科学版) 2015(01)
- [16].非负矩阵分解的一个约束稀疏算法[J]. 四川大学学报(工程科学版) 2015(02)
- [17].基于对称非负矩阵分解的重叠社区发现方法[J]. 计算机应用 2015(10)
- [18].基于非负矩阵分解的网络重叠社区发现研究[J]. 系统仿真学报 2014(03)
- [19].一种基于加权非负矩阵分解的矿产预测方法[J]. 地质学刊 2013(01)
- [20].二维非负矩阵分解在齿轮故障诊断中的应用[J]. 振动.测试与诊断 2012(05)
- [21].非负矩阵分解及其在图像压缩中的应用[J]. 西安邮电学院学报 2008(03)
- [22].在线学习非负矩阵分解[J]. 计算机科学 2019(S1)
- [23].稀疏正则化的非负矩阵分解高光谱解混算法比较与分析[J]. 南昌工程学院学报 2017(06)
- [24].β距离与图形限制式的非负矩阵分解应用于单信道分离的效果研究[J]. 赤峰学院学报(自然科学版) 2017(20)
- [25].基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究[J]. 成都大学学报(自然科学版) 2014(04)
- [26].基于结构投影非负矩阵分解的协同过滤算法[J]. 浙江大学学报(工学版) 2015(06)
- [27].基于结构投影非负矩阵分解的协同过滤算法[J]. 浙江大学学报(工学版) 2015(07)
- [28].稀疏约束图正则非负矩阵分解[J]. 计算机科学 2013(01)
- [29].基于约束非负矩阵分解的混合象元分解新方法[J]. 杭州电子科技大学学报 2009(04)
- [30].基于文本挖掘的自动非负矩阵分解的层次聚类方法[J]. 江苏科技信息 2019(04)