模式匹配用于从sEMG信号中实时提取快速和慢速光谱组件

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.
• 运动科学 运动科学 运动科学

背景情况:

• 表面电肌图 (sEMG) 光谱分解对于评估肌肉性能,运动学习和诊断肌肉状况非常有价值.
• 目前的分解方法是计算密集的,需要大量的数据集,限制了现实世界的应用.

研究的目的:

• 为实时sEMG光谱分解系统提出原则.
• 解决现有技术的计算需求和数据要求.
• 为了实现实际的,现场肌肉分析.

主要方法:

• 开发了一个实时系统,使用预定义的光谱元件库.
• 图书馆来源于广泛的数据集,以匹配新的测量.
• 使用四个不同的同位素和同位素肌肉激活数据集验证了系统.

主要成果:

• 提取的光谱成分表现出较低的跨主体变异性.
• 这些发现表明,该系统可以描述广泛的生理变异.
• 成功证明了实时应用的可行性.

结论:

• 拟议的实时系统为sEMG光谱分解提供了一个实用的方法.
• 这项技术可以提高对运动控制和神经肌肉疾病的理解.
• 方便在各种日常生活场景中进行现场肌肉分析.