一个基于智能手机的sEMG信号分析系统用于人类行动识别
Shixin Yu1, Hang Zhan1, Xingwang Lian1
1College of Automation Engineering, Northeast Electric Power University, Jilin 132012, China.
Biosensors
|August 25, 2023
概括
这项研究引入了一种便携式系统,用于在下肢康复期间实时分析表面肌电图 (sEMG) 信号. 该系统在识别患者运动方面达到97%以上的准确性,有助于临床评估.
科学领域:
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
- 人类行动识别 人类行动识别
背景情况:
- 表面电肌图 (sEMG) 为下肢康复提供客观数据.
- 传统的sEMG分析可能耗时且不方便.
- 在日常康复场景中需要可访问的实时监控解决方案.
研究的目的:
- 开发一个便携式的sEMG采集设备和日常使用的移动应用程序.
- 为了实现下肢运动的实时监控,分析和人类行动识别 (HAR).
- 创建一个可靠的系统,用于下肢康复的临床评估.
主要方法:
- 开发一个便携式的sEMG信号采集设备和一个伴随的移动应用程序.
- 收集六个不同的下肢康复练习的sEMG数据.
- 使用sEMG段和动作标签训练一个卷积神经网络 (CNN) 模型.
主要成果:
- 开发的移动应用程序提供实时sEMG数据绘图,过,存储和动作识别.
- CNN模型实现了高精度的人体下肢动作识别,最高准确率为97.96%.
- 所有测试的下肢动作都以超过97%的准确度被识别出来.
结论:
- 基于智能手机的sEMG分析系统对实时监测和下肢康复中的HAR有效.
- 该系统为客观的临床评估提供可靠的数据,提高康复效率.
- 这项技术有助于方便,准确地评估患者在日常环境中的行为.
