基于大脑血液氧气信息的步行参数调整和适应性增强
Haozhe Ma1, Chunguang Li1, Yufei Zhu1
1Key Laboratory of Robotics and System of Jiangsu, School of Mechanical and Electric Engineering, Soochow University, Suzhou, China.
Frontiers in human neuroscience
|August 9, 2023
概括
这项研究引入了一种使用大脑血液氧气信号控制康复外骨机器人的新方法,克服了电肌图 (EMG) 对信号较弱的患者的局限性. 这种方法准确地适应了步态参数,增强了辅助机动.
科学领域:
- 神经科学是一个神经科学.
- 康复工程 康复工程 康复工程
- 生物医学信号处理
背景情况:
- 电肌图 (EMG) 信号对于控制康复外骨机器人至关重要,但对于下肢损伤患者来说通常不可靠.
- 现有的方法很难准确地识别EMG信号差或不存在的患者的运动意图.
- 需要替代生物信号,以便在外骨架辅助康复中实现有效的人机交互.
研究的目的:
- 开发和验证一种新的方法,使用大脑血液氧气信号来适应步行参数.
- 针对特定患者群体的康复机器人中基于EMG的控制的局限性.
- 探索用于实时控制辅助设备的非侵入性脑信号的潜力.
主要方法:
- 在行走实验中收集脑血氧和步态数据.
- 从血红蛋白信号中提取时间,频率和空间域特征.
- 使用AutoEncoder-Decoder来减少特征,并使用长短期记忆 (LSTM) 回归模型来适应步态参数.
- 实现了适应性学习和增强个性化的交叉验证.
主要成果:
- 在LSTM模型中,步态参数适配的确定系数 (R2) 为71.544%,根平均平方误差 (RMSE) 低于3.321%.
- 适应性增强改善了R2的6.985%,并减少了RMSE的0.303%.
- 初步结果表明,使用大脑血液氧气信号来预测步态参数的可行性.
结论:
- 大脑血液中的氧气信号可以有效地用于适应步态参数,为外骨控制提供了EMG的可行替代方案.
- 这种方法为有限肌电信号可用性的患者提供了辅助运动的新途径.
- 这项研究为将脑计算机接口 (BCI) 技术集成到体育康复和辅助机器人技术中奠定了基础.
