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！

龙图腾网恭喜中国地质大学(武汉)申请的专利适用于不同个体的下肢康复方案设计方法、装置及设备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：CN115985508B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202211540841.2，技术领域涉及：G16H50/70；该发明授权适用于不同个体的下肢康复方案设计方法、装置及设备是由王峰;佘锦华;赵娟;吴昊;王赫;敖小虎设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本适用于不同个体的下肢康复方案设计方法、装置及设备在说明书摘要公布了：本发明公开了一种适用于不同个体的下肢康复方案设计方法、装置及设备，采集受试者的多源信息并进行预处理，基于对称双线性模型提取多源信息中的运动相关因子，并提取个体无关特征；基于戴维森堡丁指数和散射分布指数进行特征评估，选择目标特征；将目标特征输入到卷积神经网络中进行训练，得到下肢康复方案设计模型，基于下肢康复方案设计模型获取不同受试者的下肢康复方案。本发明利用信息分解和特征评估获取与个体无关的鲁棒特征，提高了下肢康复方案设计模型的通用性；将多源信息分解为个体相关因子和运动相关因子，运动相关因子只与实际的康复训练有关，提高了模型的通用性；通过特征评估和特征选择，舍去冗余信息，提高模型的速度和效率。

本发明授权适用于不同个体的下肢康复方案设计方法、装置及设备在权利要求书中公布了：1.一种适用于不同个体的下肢康复方案设计方法，其特征在于，包括以下步骤：采集受试者的多源信息并进行预处理，所述多源信息包括：表面肌电信号、心率、血压、运动速度、运动加速度、关节活动度、肌力和肌张力；基于对称双线性模型提取多源信息中的运动相关因子，并从运动相关因子中提取个体无关特征；对多种个体无关特征进行特征评估，根据评估结果选择目标特征；将目标特征输入到卷积神经网络中进行训练，训练完成后得到下肢康复方案设计模型，基于下肢康复方案设计模型获取不同受试者的下肢康复方案；所述基于对称双线性模型提取多源信息中的运动相关因子，并从运动相关因子中提取个体无关特征的步骤，包括：设多源信息D＝{D1,D2,…,Dn}共有n类信息，每类信息Dp∈RKp＝1,2,…N有K维，每类信息的K值各不相同；利用对称双线性模型对第p类信息进行建模，得到第p类信息的模型如下： 式中：X∈RI为运动相关因子；Y∈RJ为个体相关因子；X和Y均为正交矩阵，即XXT＝IYYT＝I，I为单位矩阵；Wp∈RI×J为X,Y→Dp的映射矩阵；xi为第i个运动相关因子列向量；yi为第j个个体相关因子列向量；wij为Wp中的元素；让S个处在不同康复阶段的受试者进行第cc＝1,2,…C个康复训练方案，并采集训练时的数据；计算目标函数，获取目标函数E的值最小时对应的X,Wp,Y；让新受试者根据指示完成特定训练，获得一组与的值，为在该特定训练下采集的多源信息，为新受试者在该特定训练下的运动相关因子；根据和Wp计算得到新受试者的个体相关因子Ynew；之后进行常规训练时，获得常规训练下的多源数据Dpnew；根据Dpnew、Wp和Ynew计算得到该新受试者在该常规训练下的运动相关因子Xnew，获得各个信息的运动相关因子后，对Xnew进行特征提取，得到多个个体无关特征；所述目标函数的计算公式如下： 式中：Xc为与第c个康复方案相关的运动相关因子；Ys为与第s个受试者相关的个体相关因子；所述获取目标函数E的值最小时对应的X,Wp,Y的步骤，包括：对第p类信息的模型公式进行变换，得到以下公式： 通过奇异值分解对Y进行第一次估计，奇异值分解公式如下：A＝UΣVT式中：A为待分解的矩阵；U为左奇异矩阵；Σ为除了对角线的元素都是0的矩阵，对角线上的元素为奇异值；V为右奇异矩阵；对Dp进行奇异值分解，取分解后的VT的前J行作为YT的第一次估计值根据第一次估计值对进行奇异值分解，取分解后的VT的前I行作为XT的第一次估计值根据第一次估计值将进行奇异值分解，取分解后的VT的前J行作为YT的新的估计值 和均完成一次奇异值分解为一次迭代，经过多次迭代后直至收敛，得到最终的与经过转置后即为使目标函数最小的X与Y，并通过以下公式计算得到Wp：Wp＝XTDpY；所述个体无关特征为在运动相关因子X中提取的特征，包括：时域中的绝对值均值、自回归系数、频域中的中值频率和时频域中的小波变换。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388号；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”。