[发明专利]基于特征提取和GRU深度学习模型的多类型肌肉疲劳检测方法有效
| 申请号： | 202111371113.9 | 申请日： | 2021-11-18 |
| 公开（公告）号： | CN114159079B | 公开（公告）日： | 2023-05-02 |
| 发明（设计）人： | 王玉成;冯志宏;汪鸣明;赵娜娜;叶晓东;曹洪新 | 申请（专利权）人： | 中国科学院合肥物质科学研究院 |
| 主分类号： | A61B5/389 | 分类号： | A61B5/389;A61B5/397;A61B5/00 |
| 代理公司： | 安徽省合肥新安专利代理有限责任公司 34101 | 代理人： | 陆丽莉;何梅生 |
| 地址： | 230031 安徽*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于特征提取和GRU深度学习模型的肌肉疲劳检测方法，包括：1通过表面肌电传感器采集受试者长时程背部肌群的表面肌电信号，对样本数据进行分割、异常值筛除、滤波去噪和以疲劳界限为依据设置分类标签；2将清洗后的数据样本滑窗提取为形状[s,c]的特征序列，导入GRU神经网络进行训练，且在训练过程中设置样本采样权重措施解决样本标签不平衡的问题；3使用验证集来调整学习率优化模型并以验证集准确率为标准选择最优模型，将最终模型运行于测试集上，最终各肌肉区域的疲劳检测均可达到98％以上的准确率。本发明能克服传统单块肌肉检测方法的局限，对人体主要肌群进行全面的疲劳检测，且提高了检测的准确率。 | ||
| 搜索关键词： | 基于 特征 提取 gru 深度 学习 模型 类型 肌肉 疲劳 检测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院合肥物质科学研究院，未经中国科学院合肥物质科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202111371113.9/，转载请声明来源钻瓜专利网。
