高密度表面和肌肉内EMG数据来自前部在动态收缩期间
J Cortney Bradford1, Andrew Tweedell2, Logan Leahy3
1US Army DEVCOM Army Research Laboratory, Aberdeen Proving Ground, USA. jessica.c.bradford.civ@army.mil.
Scientific data
|July 6, 2023
概括
这项研究引入了一套关于肌肉活动 (肌电图) 和各种收缩期间关节运动的新数据集. 这些数据促进了对假肢和机器人的神经控制的理解.
科学领域:
- 生物力学 生物力学
- 神经科学是一个神经科学.
- 机器人技术 机器人技术 机器人技术
背景情况:
- 电肌图 (EMG) 对于将神经信号映射到肌肉行为至关重要.
- 现有的EMG方法与动态运动作斗争,限制了对假肢和机器人的应用.
- 需要全面的数据集来捕获不同体力活动期间的神经和机械数据.
研究的目的:
- 介绍一种新的数据集,包括高密度表面EMG,肌内EMG和关节动态.
- 促进神经信号提取,扭矩预测和运动意图分类方面的研究.
- 解决基于EMG的应用程序中动态移动的数据缺口.
主要方法:
- 同时记录高密度表面EMG,肌内EMG和关节动态.
- 从七名实验对象中收集的数据,这些实验对象在前肌进行了静态 (同位) 和动态 (同位,同动) 收缩.
- 使用了带有细线电极和126电极EMG电网的异动力学动力计.
主要成果:
- 在受控肌肉收缩过程中生成了一个综合的神经和生物机械数据集.
- 该数据集捕获了表面EMG,肌内EMG和关节动力学的同时记录.
- 记录了不同受试者和收缩类型的数据变化.
结论:
- 这一数据集对于验证EMG信号处理技术非常有价值.
- 它支持肌肉扭矩输出预测模型的开发.
- 这些数据可以用于增强分类器,在实时应用中解码运动意图.


