基于在线分类控制的可行性评估,用于在2-DoF假肢手臂中的总运动

科学领域:

• 生物医学工程 生物医学工程
• 康复机器人 康复机器人
• 人与计算机的交互

背景情况:

• 回归模型是控制多自由度 (DoF) 动力假肢的标准,将肌电和动力数据映射到连续姿势.
• 回归模型对信号变化敏感,影响实时假肢控制性能.
• 分类模型提供了对噪声信号的稳定性,但通常用于精细运动功能,而不是粗体运动.

研究的目的:

• 调查使用分类模型对2-DoF跨体假肢粗体运动控制的可行性.
• 为了比较基于分类的控制与基于回归的控制对假肢手臂功能的性能.

主要方法:

• 在虚拟现实环境中评估了6名身体健康的受试者,他们在虚拟现实环境中执行到达和定向匹配任务.
• 利用分类模型来控制一个2-DoF跨体假肢.
• 与完整的手臂控制和现有的基于回归的假肢控制结果进行性能比较.

主要成果:

• 基于分类的控制显示了与已建立的回归模型可比的性能,可用于整体假肢手臂运动.
• 该研究验证了分类模型在用户循环环境中对跨周假肢的有效性.

结论:

• 分类模型是回归模型的可行和强大的替代方案,用于控制多DoF驱动假肢的总运动.
• 这种方法提高了在先进的假肢系统中改进用户控制和性能的潜力.