Nuevo post-procesador de fusión bayesiana informado por la física para el reconocimiento mejorado de la fase de la...

Área de la Ciencia:

• Ingeniería biomédica
• La robótica
• Tecnología de rehabilitación

Sus antecedentes:

• Los sistemas de reconocimiento de patrones mioeléctricos son cruciales para controlar las prótesis de extremidades inferiores y los exoesqueletos.
• La variabilidad de la señal en el control mioeléctrico puede conducir a transiciones inseguras y antinaturales de la marcha.

Objetivo del estudio:

• Desarrollar y validar un nuevo postprocesador de fusión bayesiana informado por la física (PI-BF).
• Mejorar la seguridad, la fiabilidad y la progresión natural de la marcha en los dispositivos de asistencia de las extremidades inferiores.

Principales métodos:

• Las características del espectro de potencia dependiente del tiempo (TD-PSD) extraídas de las señales de electromiografía de superficie (sEMG).
• Fases de marcha clasificadas utilizando los modelos SVM, ANN, KNN y CNN-LSTM.
• Se aplicó el postprocesador PI-BF a las salidas del clasificador, comparándolo con la fusión bayesiana y sin postprocesamiento.

Principales resultados:

• PI-BF aumentó la precisión de la clasificación hasta en un 5,5%, alcanzando el 85% en el conjunto de datos SIAT-LLMD con SVM.
• Reducción de la diferencia de detección de transición (TDD) a 0,1 ± 59,8 ms y mejora de la estabilidad de salida (índice INS) en un 5%.
• Logró una precisión consistente de reconocimiento de fase de la marcha en tiempo real de alrededor del 90%.

Conclusiones:

• PI-BF suprime efectivamente las transiciones inestables y promueve la progresión natural de la marcha en el control mioeléctrico.
• El PI-BF propuesto ofrece una solución práctica y de baja complejidad para mejorar el rendimiento de los dispositivos auxiliares de las extremidades inferiores.
• PI-BF mejora la seguridad, la fiabilidad y las capacidades en tiempo real de los sistemas de control mioeléctrico.