在高密度EMG阵列测量中检测和重建质量差的通道.

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 神经科学是一个神经科学.

背景情况:

• 高密度电肌图 (HD-EMG) 阵列以时空维度捕捉肌肉的电活动.
• 高清EMG数据经常受到噪音和人工物的影响,导致质量差的道危害分析.
• 准确的信号处理对于可靠地解释HD-EMG的肌肉功能至关重要.

研究的目的:

• 开发和验证基于插值的方法,用于检测和重建HD-EMG数据中质量差的频道.
• 将拟议方法的性能与RMS和NMI等现有技术进行比较.
• 在模拟和真实HD-EMG数据集中评估方法的有效性.

主要方法:

• 开发了一个基于插值的算法来识别HD-EMG阵列中信号质量差的通道.
• 该方法的检测性能被评估使用精度,回忆和F1分数在各种信号噪声比 (SNR) 级别.
• 采用二维支线插值来重建已识别的质量差通道中的信号.

主要成果:

• 基于插值的方法实现了高精度 (≥99.9%) 和回忆 (≥97.6%) 检测SNR为0 dB或更低的频道.
• 它显著优于RMS和NMI方法,显示出优异的F1得分 (99.1%与39.7%和75.9%在0dBSNR).
• 使用二维线插值重建故障通道,结果为15.5±12.1%的百分比剩余差异 (PRD).

结论:

• 提出的基于插值的方法在检测和重建HD-EMG中质量差的通道方面非常有效.
• 这种技术为提高HD-EMG信号分析的可靠性和准确性提供了强大的解决方案.
• 对道质量的局部上下文评估使这种方法与其他方法区别开来.