复习用于实时控制机器人外骨架的电动肌谱发病检测方法
Camila R Carvalho1, J Marvin Fernández2, Antonio J Del-Ama2
1Neural Rehabilitation Group, Cajal Institute, Spanish National Research Council (CSIC), Madrid, Spain.
Journal of neuroengineering and rehabilitation
|October 23, 2023
概括
精确的电肌图 (EMG) 开始检测对于推断运动意图至关重要. 基于值的方法,如单一和自适应值,对于实时应用程序来说是快速可靠的,尽管机器学习显示了未来的希望.
科学领域:
- 生物力学 生物力学
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 康复机器人 康复机器人
背景情况:
- 电肌图 (EMG) 记录肌肉的电活动,这对于推断运动意图和控制假肢至关重要.
- 精确的肌肉激活发作时间在EMG分析中仍然是一个重大挑战.
- 本文回顾了最先进的EMG发病检测方法,并比较了常见的技术.
结论:
- 为了提高可重复性,需要标准化EMG发病检测方法.
- ST和AT提供准确和快速的检测,对于实时移动意图识别至关重要.
- 机器学习方法显示出线下检测的潜力,但对实时应用还需要进一步研究.
