在位置感知肌电假肢控制中的一个案例系列,使用循环卷积神经网络分类与转移学习的循环卷积神经网络分类

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.
• 康复技术 康复技术 康复技术

背景情况:

• 肌电假肢控制需要广泛的用户培训.
• 转移学习 (TL) 提供了一个潜在的解决方案,以减少这种培训负担.
• 循环卷积神经网络 (RCNNs) 在线分析中与TL显示出前景.

研究的目的:

• 评估用于肌电假肢的基于RCNN和TL的实时RCNN控制器 (RCNN-TL).
• 评估RCNN-TL是否减少了用户培训时间并改善了功能任务性能.
• 调查RCNN-TL在减轻四肢位置效应方面的有效性.

主要方法:

• 预先训练了一个RCNN-TL模型,使用来自19名参与者的前臂肌肉信号.
• 8名参与者实时测试了RCNN-TL和线性差异分析 (LDA-基线) 控制器.
• 收集关于培训负担和功能任务绩效指标的数据.

主要成果:

• 据证实,TL显著降低了用户培训负担.
• 与LDA-基线相比,RCNN-TL显示在掌握和释放阶段的任务执行持续时间有所改善.
• 某些RCNN-TL的性能指标没有得到改善或恶化.

结论:

• TL有效地减少了对肌电假肢控制的培训要求.
• RCNN-TL在特定的功能任务中提供了好处,但需要进一步优化.
• 了解培训条件和全面的指标对于推进位置感知假肢控制至关重要.