EMaGer:一个可穿戴的全周长HD-EMG传感器和数据增强方法,用于强大的手势识别

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
• 可穿戴技术可穿戴技术

背景情况:

• 肌电假肢需要强大的手势识别才能有效控制.
• 校准和电极放置的变化在电动肌谱 (EMG) 系统中带来了重大挑战.
• 现有的EMG传感器往往缺乏适应性,以实现持续的会话间性能.

研究的目的:

• 开发一种新的高密度电肌图 (HD-EMG) 系统,以提高手势识别的稳定性.
• 引入一种原始的数据增强技术,以提高系统性能并减少校准负担.
• 为了证明EMG传感器与手势推理算法共同设计的协同效益.

主要方法:

• 开发EMaGer,一个360°64通道高清-EMG手,具有均的电极密度.
• 一个数组桶移动数据增强 (ABSDA) 技术的实施.
• 利用深度学习,特别是卷积神经网络,用于手势分类.

主要成果:

• 对于6种手势,实现了76.98%的会话间分类准确度,这与93.75%的基线会话内准确度相比显著改善.
• 证明了围绕臂轴的旋转不变性,增加了对电极运动的稳定性.
• 在使用相同的方法时,与最先进的传感器相比,展示了更高的性能.

结论:

• 对EMG传感器和手势推断算法的共同设计对于克服最先进的挑战至关重要.
• 基于EMG的控制系统中,EMAGer系统和ABSDA技术大大减少了频繁重新校准的需要.
• 这种方法通过简化肌电假肢设备的设置和校准来提供临床相关性.