将步态预测器传输到具有域调整的EMG获取系统中

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
• 医疗保健中的机器学习

背景情况:

• 下肢辅助技术需要高分辨率的生理数据以实现最佳性能.
• 高密度电肌图 (HD-EMG) 提供了有价值的肌肉活动数据,但硬件密集.
• 当前的实际解决方案通常依赖于不那么信息丰富的双极电极.

研究的目的:

• 调查域调整 (DA) 以创建基于EMG的模型不变于不同的采集系统.
• 为了评估传感器不可知特征在不同肌肉群的可转移性.
• 提高辅助技术中使用的机器学习模型的性能.

主要方法:

• 使用HD-EMG作为源数据和Delsys双极EMG作为目标数据.
• 使用时间卷积网络 (TCN) 将EMG信号映射到膝盖角度.
• 应用了DA技术来适应不同EMG采集系统和肌肉群的模型.

主要成果:

• 对于关键腿部肌肉 (大腿直肠,双腿骨,前椎) 的DA显示平均准确度增加了7.36%.
• 通过转移学习的特征,交叉肌肉表现显示了高达10.80%的改善.
• 模型性能因严重的域差异而恶化,限制了可靠的步态轨迹生成.

结论:

• 域调整显示了显著的希望,通过使模型跨设备的可转移性来增强基于EMG的辅助技术.
• 需要进一步的研究来解决严重域差异的局限性,专注于高级损失函数和基于分类的DA.
• 开发无传感器特征对于强大而适应性的下肢辅助设备至关重要.