探索EMG瞬态:肌肉激活序列被用作手势分类的新时域特征
Federico Mereu1,2, Federico Morosato1, Francesca Cordella2
1Centro Protesi Inail, Vigorso di Budrio, Bologna, Italy.
Frontiers in neurorobotics
|November 29, 2023
概括
肌肉激活序列显示出肌电假肢控制的前景,在对健康人和截肢者分类手势时达到93%以上的准确性. 这种方法比传统的信号封面提供了更快的分类.
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
- 信号处理 信号处理
背景情况:
- 电肌图 (EMG) 信号对于肌电假肢控制至关重要.
- 传统的时间域特征在对动态手动的分类方面存在局限性,特别是在短暂状态期间.
- 肌肉激活序列用于假肢控制的临床应用仍未得到充分研究.
研究的目的:
- 评估从EMG信号中提取的肌肉激活序列的稳定性,用于在暂时状态下对常见的手动任务进行分类.
- 评估使用这些功能在患有跨辐射截肢的人中用于肌电假肢控制的可行性.
- 将肌肉激活序列的性能与现有的EMG特征提取方法进行比较.
主要方法:
- 从健康的受试者和截肢者身上记录了四种手势和休息的EMG信号.
- 提取了肌肉激活序列,并用于训练线性差异分析 (LDA),支持向量机 (SVM),非线性后勤回归 (NLR) 和人工神经网络 (ANN) 分类器.
- 进行了线下和在线性能评估,将拟议的方法与基于信号包的方法进行了比较.
主要成果:
- 非线性物流回归 (NLR) 在健康和截肢受试者中实现了最高的线下分类准确率 (>93%).
- 拟议的方法在过渡状态下优于信号封面方法,并显示了与稳定状态方法具有显著早期分类 (至少200 ms更快) 的可比结果.
- 在线测试显示,动作完成率高达85%,动作选择时间低于218 ms.
结论:
- 肌肉激活序列是有效的时间域特征,用于在短暂状态下对EMG信号进行分类.
- 这些序列为肌电假肢控制的传统特征提供了可行的替代方案.
- 这些发现支持在先进的假肢控制策略中对肌肉激活序列的潜在利用.
