基于慢性中风患者高密度电动图的手握运动意图识别

科学领域:

• 生物医学工程 生物医学工程
• 神经康复疗法 神经康复疗法
• 机器人技术 机器人技术 机器人技术

背景情况:

• 脑卒中严重损害了运动功能和生活质量.
• 与传统方法相比,机器人辅助康复提供了更好的结果.
• 有效的机器人辅助需要精确地识别患者的意志运动意图.

研究的目的:

• 研究高密度电肌图 (HD-EMG) 在慢性中风患者中识别手握运动意图的有效性.
• 开发和验证意图识别算法,以促进机器人辅助治疗.

主要方法:

• 在三名慢性中风患者中,从参与握手的肌肉中记录了HD-EMG信号.
• 采用适应性发作检测算法,精确地确定抓取动作的开始.
• 训练了一个卷积神经网络 (CNN) 来从HD-EMG数据中分类四种不同的手握动作.

主要成果:

• 抓住开始检测实现了91.6%的平均真实阳性率和9.8%的假阳性率.
• 美国有线电视新闻网 (CNN) 的模型准确地分类了抓住动作,平均准确率为76.3%.
• 这些发现证明了可靠的意图识别能力.

结论:

• HD-EMG提供了一种可行的方法,用于在慢性中风患者中准确识别手握意图.
• 这项技术具有显著的潜力,可以提高基于机器人的康复策略的有效性.
• 改进的意图识别可以导致更直观和响应的机器人协助中风恢复.