使用NARX神经网络预测双腿肌肉电肌图信号
Vahid Khodadadi1, Fereidoun Nowshiravan Rahatabad1, Ali Sheikhani1
1Department of Biomedical Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.
Journal of medical signals and sensors
|June 9, 2023
概括
这项研究表明,NARX神经网络可以在非线性,混乱的电刺激条件下,准确地预测来自双肩肌的电肌图 (EMG) 信号. 这种预测模型显示了功能电刺激 (FES) 控制器设计和疾病诊断的前景.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
背景情况:
- 电肌图 (EMG) 信号预测对于在功能电刺激 (FES) 中开发先进的控制系统至关重要.
- 非线性刺激模型为准确的生理反应预测带来了独特的挑战.
- 双肩肌肉作为研究神经肌肉对电刺激反应的模型系统.
研究的目的:
- 将实验EMG信号数据与NARX神经网络模型的预测进行比较.
- 评估一种新的非线性刺激模型在引起肌肉反应方面的有效性.
- 评估NARX模型在设计FES控制器方面的潜力.
主要方法:
- 进行了一项涉及10个人的研究,包括皮肤准备,电极放置和单通道EMG信号记录从双肩肌肉.
- 对肌皮神经施加非线性电刺激,使用由罗斯勒方程衍生的混乱方程.
- 通过使用100个同步刺激和EMG响应信号来训练和验证NARX神经网络.
主要成果:
- 罗斯勒方程成功地产生了肌肉刺激的非线性和不可预测的条件.
- 在这些复杂的条件下,NARX神经网络在预测EMG信号方面表现出很高的准确性.
- 实验数据与NARX模型产生的预测密切匹配.
结论:
- 在非线性刺激场景中,NARX神经网络作为EMG信号的有效预测模型.
- 开发的模型显示了推动基于FES的控制系统设计的巨大潜力.
- 这种方法也可能有助于某些神经肌肉疾病的诊断能力.
