一个低成本的便携式手腕外骨架,使用EEG-sEMG联合策略进行长期的积极康复

科学领域:

• 生物医学工程 生物医学工程
• 神经康复疗法 神经康复疗法
• 机器人技术 机器人技术 机器人技术

背景情况:

• 脑卒中后的半衰减严重损害了患者的生活质量.
• 目前的手腕康复系统面临着便携性,成本和肌肉疲劳等挑战.
• 积极的训练对于最佳的神经恢复至关重要.

研究的目的:

• 开发一个低成本,便携式的手腕康复系统.
• 整合表面电肌图 (sEMG) 和电脑图 (EEG) 信号,以加强控制.
• 为适应性康复实施肌肉疲劳检测系统.

主要方法:

• 一种结合sEMG和EEG信号的新型控制策略.
• 一种使用Boruta算法和后处理层的肌肉疲劳检测方法.
• 一种基于EEG的替代控制模式,以保持积极的患者参与.

主要成果:

• 在四个手腕运动中,肌肉疲劳检测准确度提高了4.90-10.49%.
• 博鲁塔算法有效地选择了关键特征并稳定了后期处理.
• 基于EEG的控制在检测动作意图方面达到约80%的准确性.

结论:

• 拟议的系统为克服当前手腕康复设备的局限性提供了一个有希望的解决方案.
• 适应性控制策略在长时间的康复课程中解决肌肉疲劳问题.
• 这项技术可以提高中风后患者的康复和生活质量.