基于概率的对解码输出的拒绝提高了行走过程中机动检测的准确性
概括
这项研究通过使用肌肉信号的后处理技术来提高运动检测准确度,提高了假肢腿部的控制. 这使得需要更好的自主权的用户可以更可靠地使用假肢.
科学领域:
- 生物医学工程 生物医学工程
- 康复工程 康复工程 康复工程
- 信号处理 信号处理
背景情况:
- 目前的机动化假肢由于在实验室环境之外利用肌电信号来准确检测运动的局限性而缺乏自然控制.
- 非最佳的信号记录和控制算法导致从肌肉信号中检测用户意图的准确性不足.
研究的目的:
- 通过使用分类后处理技术,提高步行过程中运动检测的准确性.
- 通过改进电肌图 (EMG) 信号解释,提高假肢控制算法的可靠性.
主要方法:
- 利用预先记录的数据集,包括电肌图 (EMG),惯性测量单元 (IMU) 和来自21名健身参与者的压力传感器数据.
- 应用分类后处理技术,特别是带有拒绝值的线性差异分析,以检测跨越各种表面 (平面,楼梯,坡道) 的机车运动.
主要成果:
- 与没有后处理的方法相比,运动检测准确度平均提高了3% (p < 0.05).
- 最初分类准确度较低的参与者经历了更大的改善,在某些情况下高达8%.
- 证明了后处理在完善EMG信号分析以检测步行时的有效性.
结论:
- 分类后处理方法显著提高了来自EMG信号的机动检测的准确性.
- 改进的运动检测精度转化为更可靠的下肢假肢控制,增强用户的自主权.
- 这种方法为更直观和响应的假肢功能提供了一条途径.
