Un marco híbrido ligero de codificador-decodificador para la estimación de fuerza muscular de múltiples grados de...

Área de la Ciencia:

• Ingeniería Biomédica; Neurociencia; Tecnología de Rehabilitación

Sus antecedentes:

• La descomposición de la electromiografía (EMG) ofrece información superior sobre la descarga de unidades motoras (MU) para la decodificación del movimiento de los dedos.
• Los métodos existentes de estimación de fuerza de múltiples grados de libertad (DoF) se ven limitados por el descuido de los efectos temporales de descarga de MU y la asignación rígida de grupos de MU.

Objetivo del estudio:

• Desarrollar y evaluar un marco híbrido de codificador-decodificador para mejorar la estimación de fuerza muscular de múltiples DoF.
• Abordar las limitaciones en la acumulación de fuerza temporal y la asignación de grupos de MU en la predicción de fuerza basada en EMG.

Principales métodos:

• Se propuso un marco híbrido que integra la descomposición de EMG con la Red de Tasa de Disparo Temporal (TFR-Net).
• El marco utiliza la tasa de disparo temporal para modelar la acumulación de fuerza y asigna dinámicamente los pesos de MU.
• Las señales de EMG se descompusieron en trenes de espigas de MU y tasas de disparo para la codificación y decodificación jerárquicas.

Principales resultados:

• El método propuesto logró un rendimiento superior en comparación con los métodos de referencia, con una mayor correlación (R²: 0.80 ± 0.12) y un menor error de predicción (RMSE: 6.32% ± 1.89% MVC).
• Se demostró una eficiencia computacional mejorada en comparación con el método del modelo de fuerza de espasmos.
• Se evaluó con datos de EMG de 15 minutos de 10 sujetos que realizaban extensiones isométricas de múltiples dedos.

Conclusiones:

• El marco híbrido desarrollado muestra un potencial significativo para la predicción precisa y eficiente de la fuerza de los dedos diestros.
• Avances adicionales podrían conducir a interfaces humano-máquina robustas para aplicaciones realistas.
• El método supera las limitaciones clave en las técnicas actuales de estimación de fuerza basadas en EMG.