由非负矩阵因子化提取的肌肉协同模式驱动的自适应神经模糊推理系统模型,以估计下肢关节运动

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
• 运动科学 运动科学

背景情况:

• 运动障碍的运动康复依赖于辅助设备,以恢复运动功能.
• 准确推断用户的运动意图对于无控制这种设备至关重要.
• 需要新技术来提高辅助康复培训的效率.

研究的目的:

• 提出一种新的运动意图检测技术.
• 用肌肉协同模式估计下肢关节连续动力学变量.
• 开发更有效的辅助康复培训应用程序.

主要方法:

• 收集了表面电肌图和下肢动力学/动力学数据,这些数据来自健康的受试者和患有状肌病的患者,这些数据是在步骤着陆期间收集的.
• 使用递归模型和非负矩阵因子化来获得肌肉激活和协同矩阵.
• 采用适应性神经模糊推理系统 (ANFIS) 非线性回归模型来估计人类运动意图.

主要成果:

• 为了构建ANFIS模型,确定了6个肌肉协同作用,通常使用3个模糊规则.
• 该模型在健康和患者组估计下肢关节运动 (角度:R2=0.98,扭矩:R2=0.96) 方面表现出色.
• 估计错误在健康和患者组之间是一致的,表明可靠的性能.

结论:

• 拟议的模型准确可靠地估计下肢关节运动.
• 该技术在识别运动障碍患者的运动意图方面显示出有效性和优势.
• 未来在临床体育康复中的应用可能会导致下肢辅助设备的更精确的控制,以帮助患者恢复.