[发明专利]基于肌电的针灸行针手法训练方法

摘要

本发明公开了一种基于肌电的针灸行针手法训练方法，以解决当前针灸的行针手法训练时不能确保每次动作规范的问题，并可实现便携式训练，训练者可以随时进行规范训练。包括以下步骤：(1)获取数据；(2)数据处理；(3)建立神经网络模型；(4)进行模型修正，增加对于针灸行针手法中不同手法识别的准确率。本训练方法的提出不仅训练方便，设备易于携带，而且大幅度提升训练的有效性，节约时间，得到良好的训练效果。

主权项

1.基于肌电的针灸行针手法训练方法，其特征在于，包括以下步骤：(1)获取数据a.将四个肌电传感器设备戴在手臂，每个传感器可获得一个维度的数据，四个传感器获得四维肌电数据，通过四维肌电数据衡量肌肉群的肌电变化；b.训练者做握拳动作，通过蓝牙将四维肌电数据传输给电脑；c.对所有针灸行针手法依次做规范动作和错误动作，通过蓝牙将四维肌电数据传输给电脑；(2)数据处理a.每种动作保留至少5000条数据，并设置标志位；b.依次调整四维肌电数据的维度位置，调整4次以上，以消除佩戴肌电传感器设备时不同角度的影响。(3)建立神经网络模型a.选取激活函数；b.选取32维4层的神经网络；c.将四维数据作为输入，输入第一层；d.将第一层的结果作为输入对第一层神经网络做激活；e.将第一层的激活结果作为输入，输入第二层；f.将第一、二层的结果整合作为输入对第二层神经网络做激活；g.将第二层的激活结果作为输入，输入第三层；h.将第一、二、三层的结果整合作为输入对第三层神经网络做激活；i.将第三层的激活结果作为输入，输入第四层；j.将第一、二、三、四层的结果整合作为输入对第四层神经网络做激活，激活函数使用softmax函数，并限定训练向量的模长，使得训练向量的方向成为训练主特征；(4)通过以下步骤进行模型修正，增加对于针灸行针手法中不同手法识别的准确率：a.使用中心损失函数和softmax函数进行联合监督；b.使用adam函数作为优化函数；c.使用categorical_crossentropy函数作为损失函数；d.联合损失函数＝softmax函数+λ*中心损失函数，其中λ为参数。