[go: up one dir, main page]

CN109800617B - 一种检测骨锉楔入松紧程度的方法及设备 - Google Patents

一种检测骨锉楔入松紧程度的方法及设备 Download PDF

Info

Publication number
CN109800617B
CN109800617B CN201711128508.XA CN201711128508A CN109800617B CN 109800617 B CN109800617 B CN 109800617B CN 201711128508 A CN201711128508 A CN 201711128508A CN 109800617 B CN109800617 B CN 109800617B
Authority
CN
China
Prior art keywords
signal
power spectrum
electric signal
acoustic
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711128508.XA
Other languages
English (en)
Other versions
CN109800617A (zh
Inventor
张昊华
闫兆立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jishuitan Hospital Affiliated To Capital Medical University
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711128508.XA priority Critical patent/CN109800617B/zh
Publication of CN109800617A publication Critical patent/CN109800617A/zh
Application granted granted Critical
Publication of CN109800617B publication Critical patent/CN109800617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明实施例提供一种检测骨锉楔入松紧程度的方法及设备，涉及医疗领域，用以解决现有髋关节置换手术中通过经验判断骨锉楔入松紧程度的方法不可靠的问题。其方法包括：接收锤击骨锉的声信号，并转换成第一电信号；对所述第一电信号进行调理和转换，得到数字化声信号；对所述数字化声信号进行预处理，得到有效声脉冲信号；对所述有效声脉冲信号进行特征提取，得到特征参数并生成特征向量；对所述特征向量进行模式识别，得到识别结果；根据所述识别结果进行相应的提示。本发明实施例能够让手术医生对骨锉楔入程度有一个较为准确的判断，有利于对患者的治疗，也能够避免对患者造成更多的伤害。

Description

一种检测骨锉楔入松紧程度的方法及设备
技术领域
本发明涉及医疗领域，特别涉及一种检测骨锉楔入松紧程度的方法及设备。
背景技术
人工髋关节置换手术是目前治疗髋关节疾病最有效的办法之一，在关节置换手术的过程中，股骨侧处理的难点在于骨锉大小号的判断，传统方法一般为仅靠医生经验或与术中X线透视相配合完成，判断的准确率与医生经验以及手术室的现代化配套设备完善有很大关系，一方面限制了三线城市骨科水平的发展，另一方面经验判断存在不稳定性，采用透视会增加了患者术中放射线暴露量，容易对患者造成伤害。
发明内容
本发明实施例提供了一种检测骨锉楔入松紧程度的方法及设备，以解决现有髋关节置换手术中通过经验判断骨锉楔入松紧程度的方法不可靠的问题。
第一方面，本发明实施例提供了一种检测骨锉楔入松紧程度的方法，该方法包括：
接收锤击骨锉的声信号，并转换成第一电信号；
对所述第一电信号进行调理和转换，得到数字化声信号；
对所述数字化声信号进行预处理，得到有效声脉冲信号；
对所述有效声脉冲信号进行特征提取，得到特征参数并生成特征向量；
对所述特征向量进行模式识别，得到识别结果；
根据所述识别结果进行相应的提示；
其中，所述识别结果包括松耦合、过渡状态和紧耦合。
可选地，所述对所述第一电信号进行调理和转换，得到数字化声信号，包括：将所述第一电信号无失真放大，得到第二电信号；对所述第二电信号进行低通滤波，得到第三电信号；对所述第三电信号进行A/D转换，得到所述数字化声信号。
可选地，所述对所述数字化声信号进行预处理，得到有效声脉冲信号，包括：通过端点检测的方法从所述数字化声信号中提取出所述有效声脉冲信号。
可选地，所述特征参数包括：谱质心、功率谱变均值方差和能量-持续时间比；
所述谱质心用于描述所述有效声脉冲信号的功率谱的质心位置，计算公式为：
Figure GDA0002942823440000021
其中，ω为频率，S(ω)为连续信号功率谱，
Figure GDA0002942823440000022
为离散信号功率谱，k为离散频率，N为离散功率谱长度；
所述功率谱变均值方差用于描述所述有效声脉冲信号的功率谱相对于平滑曲线的离散程度，计算公式为：
Figure GDA0002942823440000023
其中，μ(k)是功率谱P(k)的均值滤波结果，
Figure GDA0002942823440000024
k为离散频率，2M+1为参与均值计算的功率谱个数，m为功率谱索引；
所述能量-持续时间比用于描述被激励信号的衰减特性，计算公式为：
有效值：
Figure GDA0002942823440000025
能量-持续时间比：PTR＝RMS/T
其中x(t)是信号序列，T是信号长度，t是信号时间索引。
可选地，所述对所述特征向量进行模式识别，得到识别结果，包括：建立特征空间；根据间隔最大化原理，在所述特征空间中找到一个分离超平面，所述分离超平面用于分离所述特征空间中的样本特征向量；所述分离超平面先对松耦合样本分离，再对紧耦合与过渡状态进行分离；将所述特征向量映射到所述特征空间进行模式识别，得到识别结果。
第二方面，本发明实施例提供了一种检测设备，该设备包括：
传声器，用于接收锤击骨锉的声信号，并转换成第一电信号；
信号调理/转换模块，用于对所述第一电信号进行调理和转换，得到数字化声信号；
数字信号处理DSP模块，用于对所述数字化声信号进行预处理，得到有效声脉冲信号，还用于对所述有效声脉冲信号进行特征提取，得到特征参数并生成特征向量，还用于对所述特征向量进行模式识别，得到识别结果，还用于根据所述识别结果进行相应的提示；
其中，所述识别结果包括松耦合、过渡状态和紧耦合。
可选地，所述DSP模块包括:支持向量机SVM，用于对所述特征向量进行模式识别，得到所述识别结果。
可选地，所述检测设备还包括：
现场可编程门阵列FPGA，用于将所述第一电信号从所述传声器传输到所述信号调理/转换模块，还用于将所述数字化声信号从所述信号调理/转换模块传输到所述DSP模块；
电池及电源管理模块，用于提供电源以及电压值的转换；
指示灯，与所述DSP模块电连接，用于根据所述识别结果进行相应的提示。
可选地，所述信号调理/转换模块包括：
放大电路，用于将所述第一电信号无失真放大，得到第二电信号；
低通滤波器，用于对所述第二电信号进行低通滤波，得到第三电信号；
A/D转换器，用于对所述第三电信号进行A/D转换，得到所述数字化声信号。
可选地，所述对所述数字化声信号进行预处理，得到有效声脉冲信号，包括：通过端点检测的方法从所述数字化声信号中提取出所述有效声脉冲信号。
可选地，所述特征参数包括：谱质心、功率谱变均值方差和能量-持续时间比；
所述谱质心用于描述所述有效声脉冲信号的功率谱的质心位置，计算公式为：
Figure GDA0002942823440000041
其中，ω为频率，S(ω)为连续信号功率谱，
Figure GDA0002942823440000042
为离散信号功率谱，k为离散频率，N为离散功率谱长度；
所述功率谱变均值方差用于描述所述有效声脉冲信号的功率谱相对于平滑曲线的离散程度，计算公式为：
Figure GDA0002942823440000043
其中，μ(k)是功率谱P(k)的均值滤波结果，
Figure GDA0002942823440000044
k为离散频率，2M+1为参与均值计算的功率谱个数，m为功率谱索引；
所述能量-持续时间比用于描述被激励信号的衰减特性，计算公式为：
有效值：
Figure GDA0002942823440000045
能量-持续时间比：PTR＝RMS/T
其中x(t)是信号序列，T是信号长度，t是信号时间索引。
可选地，所述对所述特征向量进行模式识别，得到识别结果，包括：建立特征空间；根据间隔最大化原理，在所述特征空间中找到一个分离超平面，所述分离超平面用于分离所述特征空间中的样本特征向量；所述分离超平面先对松耦合样本分离，再对紧耦合与过渡状态进行分离；将所述特征向量映射到所述特征空间进行模式识别，得到识别结果。
本发明实施例具有如下有益效果：
首先，检测设备中的传声器接收锤击骨锉的声信号，并转换成第一电信号，第一电信号经过信号调理/转换模块处理，得到数字化声信号；然后，数字化声信号进入DSP模块，进行预处理、特征提取以及生成特征向量；最后，通过DSP模块中的SVM对特征向量进行模式识别，得到识别结果，分为松耦合、过渡状态和紧耦合，并根据该识别结果进行相应的提示，使得手术医生可以对骨锉楔入程度有一个较为准确的判断，有利于对患者的治疗，也能够避免对患者造成更多的伤害。
附图说明
图1为本发明实施例提供的一种检测骨锉楔入松紧程度的方法流程图；
图2为图1中步骤102的流程示意图；
图3为图1中步骤105的流程示意图；
图4为本发明实施例提供一种检测设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
参见图1，图中示出了一种检测骨锉楔入松紧程度的方法，具体步骤如下：
步骤101、接收锤击骨锉的声信号，并转换成第一电信号；
在本发明实施例中，将检测设备放置在距离骨锉1米左右的位置，通过检测设备中的传声器接收锤击骨锉的声信号，并转换成第一电信号。
上述声信号的来源有三处，锤头、把持器和骨锉，其中，由于锤头质量相对集中，其模态主要在高频，且不易被激励，所以声音来源主要来自把持器和骨锉。随着骨锉一步步楔入骨腔，其受到的预紧力变大，导致骨锉的共振频率受到影响，进而在声音上表现出来。同时由于骨松质和骨密质的组织不同，其声阻抗存在差异，锤击所激励的纵波沿着骨锉轴向传播时，遇到骨松质界面或者骨密质界面时的反射情况也发生变化，从而导致声波的变化。
步骤102、对第一电信号进行调理和转换，得到数字化声信号；
来自传声器的第一电信号是模拟信号，需要进行A/D转换，变为数字信号，以便后续的处理识别。
在一个可选实施例中，参见图2，所述步骤102包括：
步骤1021、将第一电信号无失真放大，得到第二电信号；
在本发明实施例中，由于采集的第一电信号的信号强度较微弱，直接使用误差较大，需要进行适当的放大来减少误差。通过放大电路，将第一电信号放大，得到第二电信号。
步骤1022、对第二电信号进行低通滤波。得到第三电信号；
在本发明实施例中，锤头敲击的声波模态在高频，且锤子所辐射的声音属于干扰因素，通过低通滤波器将第二电信号中高频部分滤除，得到第三电信号，实现抗混叠滤波。
步骤1023、对第三电信号进行A/D转换，得到数字化声信号；
在本发明是实施例中，通过A/D转换器将第三电信号转换为数字化声信号，实现了模拟信号向数字信号的转换。
步骤103、对数字化声信号进行预处理，得到有效声脉冲信号；
在本发明实施例中，数字化声信号进入DSP(Digital Signal Processing，数字信号处理)模块，进行预处理，得到有效声脉冲信号。
上述预处理的方法是端点检测，该方法常用于从连续的语音流中检测出有效地语音段，在本发明实施例中即为从数字化声信号中检测出有效声脉冲信号。
步骤104、对有效声脉冲信号进行特征提取，得到特征参数并生成特征向量；
在本发明实施例中，特征参数包括：谱质心、功率谱变均值方差和能量-持续时间比。
谱质心用于描述有效声脉冲信号的功率谱的质心位置，计算公式为：
Figure GDA0002942823440000061
其中，ω为频率，S(ω)为连续信号功率谱，
Figure GDA0002942823440000071
为离散信号功率谱，k为离散频率，N为离散功率谱长度；
功率谱变均值方差用于描述有效声脉冲信号的功率谱相对于平滑曲线的离散程度，计算公式为：
Figure GDA0002942823440000072
其中，μ(k)是功率谱P(k)的均值滤波结果，
Figure GDA0002942823440000073
k为离散频率，2M+1为参与均值计算的功率谱个数，m为功率谱索引；
能量-持续时间比用于描述被激励信号的衰减特性，计算公式为：
有效值：
Figure GDA0002942823440000074
能量-持续时间比：PTR＝RMS/T
其中x(t)是信号序列，T是信号长度，t是信号时间索引。
根据上述特征参数计算结果，建立相应的特征向量。
步骤105、对特征向量进行模式识别，得到识别结果；
在本发明实施例中，通过DSP模块中的SVM(Support Vector Machine，支持向量机)来进行模式识别。
上述SVM是一种二类分类器，适用于有限样本条件下的分类模型建立，其基本模型是定义在特征空间上的最大间隔线性分类器。SVM通过一个非线性映射，把样本空间映射到一个高维乃至无穷维的特征空间中，使得在原本的样本空间中非线性可分的问题转化为在特征空间中的线性可分问题。在本发明实施例中，样本空间为松耦合样本、紧耦合样本和过渡状态样本，该样本空间中的样本不仅可以来自术中的锤击声信号，还可以来自对骨骼模型进行的研究实验，在初期即可采集大量样本用于建立样本空间。
在一个可选实施例中，参见图3，所述步骤105包括：
步骤1051、建立特征空间；
在本发明实施例中，建立一个高维的特征空间，提取样本空间中的三种样本的特征信号，并以此生成样本特征向量，将样本特征向量映射到特征空间中。
步骤1052、根据间隔最大化原理，在特征空间中找到一个分离超平面，分离超平面用于分离特征空间中的样本特征向量；
步骤1053、分离超平面先对松耦合样本特征向量分离，再对紧耦合样本特征向量与过渡状态样本特征向量进行分离；
在本发明实施例中，分离超平面分步将松耦合样本特征向量、紧耦合样本特征向量和过渡状态样本特征向量分离，通过样本空间中大量样本训练，得到三种模式：松耦合、紧耦合和过渡状态。
步骤1054、将特征向量映射到特征空间进行模式识别，得到识别结果；
在本发明实施例中，将有效声脉冲信号的特征向量映射到特征空间中，与经过训练得到的三种模式进行模式识别，得到识别结果。
步骤106、根据识别结果进行相应的提示；
在本发明实施例中，DSP模块根据从SVM中得到的识别结果向指示灯发送控制指令。
可选地，指示灯用红灯表示紧耦合，用黄灯表示过渡状态，用绿灯表示松耦合，当然不限于此。
在执行完步骤106之后，回到步骤101，实现对锤击骨锉的声信号的实时检测，确保手术大夫能及时确认骨锉楔入的松紧程度。
这样，在本发明实施例中，检测设备中的传声器接收锤击骨锉的声信号，并转换成第一电信号，第一电信号经过信号调理/转换模块处理，得到数字化声信号；然后，数字化声信号进入DSP模块，进行预处理、特征提取以及生成特征向量；最后，通过DSP模块中的SVM对特征向量进行模式识别，得到识别结果，分为松耦合、过渡状态和紧耦合，并根据该识别结果进行相应的提示，使得手术医生可以对骨锉楔入程度有一个较为准确的判断，有利于对患者的治疗，也能够避免对患者造成更多的伤害。
参见图4，图中示出了一种检测设备的结构，该检测设备400包括传声器401、信号调理/转换模块402、DSP模块403、FPGA404、电池及电源管理模块405和指示灯406；
传声器401，用于接收锤击骨锉的声信号，并转换成第一电信号；
信号调理/转换模块402，用于对第一电信号进行调理和转换，得到数字化声信号；
DSP模块403，用于对数字化声信号进行预处理，得到有效声脉冲信号，还用于对有效声脉冲信号进行特征提取，得到特征参数并生成特征向量，还用于对特征向量进行模式识别，得到识别结果，还用于根据识别结果进行相应的提示；
其中，识别结果包括松耦合、过渡状态和紧耦合。
可选地，DSP模块403包括：SVM4031，用于对特征向量进行模式识别，得到识别结果。
信号调理/转换模块402包括：
放大电路4021，用于将第一电信号无失真放大，得到第二电信号；
低通滤波器4022，用于对第二电信号进行低通滤波，得到第三电信号；
A/D转换器4023，用于对第三电信号进行A/D转换，得到数字化声信号。
可选地，检测设备400还包括：
FPGA(Field－Programmable Gate Array，现场可编程门阵列)404，用于将第一电信号从传声器传输到信号调理/转换模块，还用于将数字化声信号从信号调理/转换模块传输到DSP模块；
电池及电源管理模块405，用于提供电源以及电压值的转换；
指示灯406，与DSP模块403电连接，用于根据识别结果进行相应的提示。
这样，在本发明实施例中，检测设备中的传声器接收锤击骨锉的声信号，并转换成第一电信号，第一电信号经过信号调理/转换模块处理，得到数字化声信号；然后，数字化声信号进入DSP模块，进行预处理、特征提取以及生成特征向量；最后，通过DSP模块中的SVM对特征向量进行模式识别，得到识别结果，分为松耦合、过渡状态和紧耦合，并根据该识别结果进行相应的提示，使得手术医生可以对骨锉楔入程度有一个较为准确的判断，有利于对患者的治疗，也能够避免对患者造成更多的伤害。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种检测骨锉楔入松紧程度的方法，其特征在于，包括：
接收锤击骨锉的声信号，并转换成第一电信号；
对所述第一电信号进行调理和转换，得到数字化声信号；
对所述数字化声信号进行预处理，得到有效声脉冲信号；
对所述有效声脉冲信号进行特征提取，得到特征参数并生成特征向量；
对所述特征向量进行模式识别，得到识别结果；
根据所述识别结果进行相应的提示；
其中，所述识别结果包括松耦合、过渡状态和紧耦合；
所述对所述特征向量进行模式识别，得到识别结果，包括：
建立特征空间；
根据间隔最大化原理，在所述特征空间中找到一个分离超平面，所述分离超平面用于分离所述特征空间中的样本特征向量，其中，样本特征向量包括松耦合样本特征向量、紧耦合样本特征向量和过渡状态样本特征向量；
所述分离超平面先对松耦合样本特征向量分离，再对紧耦合样本特征向量与过渡状态样本特征向量进行分离；
将所述特征向量映射到所述特征空间进行模式识别，得到识别结果。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一电信号进行调理和转换，得到数字化声信号，包括：
将所述第一电信号无失真放大，得到第二电信号；
对所述第二电信号进行低通滤波，得到第三电信号；
对所述第三电信号进行A/D转换，得到所述数字化声信号。
3.根据权利要求1所述的方法，其特征在于，所述对所述数字化声信号进行预处理，得到有效声脉冲信号，包括：
通过端点检测的方法从所述数字化声信号中提取出所述有效声脉冲信号。
4.根据权利要求1所述的方法，其特征在于，所述特征参数包括：谱质心、功率谱变均值方差和能量-持续时间比；
所述谱质心用于描述所述有效声脉冲信号的功率谱的质心位置，计算公式为：
Figure FDA0002942823430000021
其中，ω为频率，S(ω)为连续信号功率谱，
Figure FDA0002942823430000022
为离散信号功率谱，k为离散频率，N为离散功率谱长度；
所述功率谱变均值方差用于描述所述有效声脉冲信号的功率谱相对于平滑曲线的离散程度，计算公式为：
Figure FDA0002942823430000023
其中，μ(k)是功率谱P(k)的均值滤波结果，
Figure FDA0002942823430000024
k为离散频率，2M+1为参与均值计算的功率谱个数，m为功率谱索引；
所述能量-持续时间比用于描述被激励信号的衰减特性，计算公式为：
Figure FDA0002942823430000025
能量-持续时间比：PTR＝RMS/T
其中x(t)是信号序列，T是信号长度，t是信号时间索引。
5.一种检测设备，其特征在于，包括：
传声器，用于接收锤击骨锉的声信号，并转换成第一电信号；
信号调理/转换模块，用于对所述第一电信号进行调理和转换，得到数字化声信号；
数字信号处理DSP模块，用于对所述数字化声信号进行预处理，得到有效声脉冲信号，还用于对所述有效声脉冲信号进行特征提取，得到特征参数并生成特征向量，还用于对所述特征向量进行模式识别，得到识别结果，还用于根据所述识别结果进行相应的提示；
其中，所述识别结果包括松耦合、过渡状态和紧耦合；
所述对所述特征向量进行模式识别，得到识别结果，包括：
建立特征空间；
根据间隔最大化原理，在所述特征空间中找到一个分离超平面，所述分离超平面用于分离所述特征空间中的样本特征向量；
所述分离超平面先对松耦合样本分离，再对紧耦合与过渡状态进行分离；
将所述特征向量映射到所述特征空间进行模式识别，得到识别结果。
6.根据权利要求5所述的检测设备，其特征在于，所述DSP模块包括:
支持向量机SVM，用于对所述特征向量进行模式识别，得到所述识别结果。
7.根据权利要求6所述的检测设备，其特征在于，所述检测设备还包括：
现场可编程门阵列FPGA，用于将所述第一电信号从所述传声器传输到所述信号调理/转换模块，还用于将所述数字化声信号从所述信号调理/转换模块传输到所述DSP模块；
电池及电源管理模块，用于提供电源以及电压值的转换；
指示灯，与所述DSP模块电连接，用于根据所述识别结果进行相应的提示。
8.根据权利要求5所述的检测设备，其特征在于，所述信号调理/转换模块包括：
放大电路，用于将所述第一电信号无失真放大，得到第二电信号；
低通滤波器，用于对所述第二电信号进行低通滤波，得到第三电信号；
A/D转换器，用于对所述第三电信号进行A/D转换，得到数字化声信号。
9.根据权利要求5所述的检测设备，其特征在于，所述对所述数字化声信号进行预处理，得到有效声脉冲信号，包括：
通过端点检测的方法从所述数字化声信号中提取出所述有效声脉冲信号。
10.根据权利要求5所述的检测设备，其特征在于，所述特征参数包括：谱质心、功率谱变均值方差和能量-持续时间比；
所述谱质心用于描述所述有效声脉冲信号的功率谱的质心位置，计算公式为：
Figure FDA0002942823430000041
其中，ω为频率，S(ω)为连续信号功率谱，
Figure FDA0002942823430000042
为离散信号功率谱，k为离散频率，N为离散功率谱长度；
所述功率谱变均值方差用于描述所述有效声脉冲信号的功率谱相对于平滑曲线的离散程度，计算公式为：
Figure FDA0002942823430000043
其中，μ(k)是功率谱P(k)的均值滤波结果，
Figure FDA0002942823430000044
k为离散频率，2M+1为参与均值计算的功率谱个数，m为功率谱索引；
所述能量-持续时间比用于描述被激励信号的衰减特性，计算公式为：
有效值：
Figure FDA0002942823430000045
能量-持续时间比：PTR＝RMS/T
其中x(t)是信号序列，T是信号长度，t是信号时间索引。
CN201711128508.XA 2017-11-15 2017-11-15 一种检测骨锉楔入松紧程度的方法及设备 Active CN109800617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711128508.XA CN109800617B (zh) 2017-11-15 2017-11-15 一种检测骨锉楔入松紧程度的方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711128508.XA CN109800617B (zh) 2017-11-15 2017-11-15 一种检测骨锉楔入松紧程度的方法及设备

Publications (2)

Publication Number Publication Date
CN109800617A CN109800617A (zh) 2019-05-24
CN109800617B true CN109800617B (zh) 2021-04-16

Family

ID=66554667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711128508.XA Active CN109800617B (zh) 2017-11-15 2017-11-15 一种检测骨锉楔入松紧程度的方法及设备

Country Status (1)

Country Link
CN (1) CN109800617B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102362812A (zh) * 2011-06-30 2012-02-29 江苏美德康信息科技有限公司 医用钻孔装置
CN103402450A (zh) * 2010-12-17 2013-11-20 阿韦尼尔医药公司 用于在外科手术中对准假体的方法及系统
CN103810374A (zh) * 2013-12-09 2014-05-21 中国矿业大学 一种基于mfcc特征提取的机器故障预测方法
CN105796131A (zh) * 2016-05-22 2016-07-27 复旦大学 背散射超声骨质诊断系统
CN107149490A (zh) * 2017-05-18 2017-09-12 汤向阳 一种人工全髋关节置换的成套定位装置
JP2017164053A (ja) * 2016-03-14 2017-09-21 学校法人北里研究所 人工関節置換術における骨頭受け側コンポーネント設置不良防止システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10426541B2 (en) * 2014-04-02 2019-10-01 Centre National De La Recherche Scientifique (Cnrs) Device for assisting with the placement of an orthopedic instrument

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103402450A (zh) * 2010-12-17 2013-11-20 阿韦尼尔医药公司 用于在外科手术中对准假体的方法及系统
CN102362812A (zh) * 2011-06-30 2012-02-29 江苏美德康信息科技有限公司 医用钻孔装置
CN103810374A (zh) * 2013-12-09 2014-05-21 中国矿业大学 一种基于mfcc特征提取的机器故障预测方法
JP2017164053A (ja) * 2016-03-14 2017-09-21 学校法人北里研究所 人工関節置換術における骨頭受け側コンポーネント設置不良防止システム
CN105796131A (zh) * 2016-05-22 2016-07-27 复旦大学 背散射超声骨质诊断系统
CN107149490A (zh) * 2017-05-18 2017-09-12 汤向阳 一种人工全髋关节置换的成套定位装置

Also Published As

Publication number Publication date
CN109800617A (zh) 2019-05-24

Similar Documents

Publication Publication Date Title
CN104323769B (zh) 一种抑制心肺复苏引起的心电干扰的方法、系统及体外除颤仪
CN203502550U (zh) 局部放电带电检测装置
US9640193B2 (en) Systems and methods for enhancing place-of-articulation features in frequency-lowered speech
CN109883537B (zh) 基于直流电流确定谐振频率的超声换能器及其方法
CN106667473A (zh) 血压测量数据的干扰处理方法和系统以及血压测量设备
CN109800617B (zh) 一种检测骨锉楔入松紧程度的方法及设备
CN108735206A (zh) 一种带语音识别的信号采集与处理系统
CN115299963A (zh) 基于波形特征模板的高频振荡信号自动检测算法及系统
CN105054941A (zh) 一种基于体震信号的胎儿心率提取装置及方法
CN106093181A (zh) 磁特性参数、磁巴克豪森、磁声发射检测方法和装置
CN103565479B (zh) 一种提高胎心音信号采集质量的方法和装置
CN207751640U (zh) 一种具有频谱分析功能的声音信号采集处理模块
CN114812790B (zh) 一种声信号处理抗干扰的方法及装置
CN100509083C (zh) 利用呼吸信号控制图像同步的方法及其装置
CN119716269A (zh) 一种微小电磁屏蔽体的电磁屏蔽效能测量装置及其方法
JP2003334679A (ja) レーザ溶接の診断装置
KR100826630B1 (ko) 복합 센서를 이용한 전자파 및 음파 동시 측정장치 및 그방법
CN111150934B (zh) 人工耳蜗汉语声调编码策略的评估系统
CN116942174A (zh) 基于模板减法和独立成分分析的胎儿心电信号提取方法
CN103278702B (zh) 提取pace波的智能检测单元、方法及系统
JP4718032B2 (ja) 心電図情報処理装置及び心電図情報処理方法
Seligman Speech-processing strategies and their implementation
CN102657528B (zh) 椎弓根螺钉植入便携式导航器的电导率在线测试系统
CN113763985B (zh) 一种基于声音识别生理现象的装置
CN105852903A (zh) 双麦克蓝牙听诊器的心音增强系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230814

Address after: 100035 No. 31 East Xinjiekou street, Beijing, Xicheng District

Patentee after: Beijing Jishuitan Hospital Affiliated to Capital Medical University

Address before: Contemporary MOMA T5-2203, No.1 Xiangheyuan Road, Dongcheng District, Beijing, 100028

Patentee before: Zhang Haohua

TR01 Transfer of patent right