通过高密度EMG通过图形驱动的手腕角度和握力同时和比例估计

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 康复技术 康复技术 康复技术

背景情况:

• 肌电假肢往往难以同时控制位置和力,限制了自然的人机交互.
• 现有的肌电接口在解码复杂的多度自由度 (多DoF) 动力学和动力学信息方面面临挑战.

研究的目的:

• 开发和验证使用图形高密度电肌学 (HD-EMG) 的新型多任务,时空模型.
• 为了在肌电假肢中实现手腕角度和握力同时和比例的控制.

主要方法:

• 招募了12名受试者来执行多DoF手腕运动 (pronation/supination, flexion/extension, abduction/adduction) 用不同的握力.
• 使用一种由图形HD-EMG数据驱动的新型多任务,时空模型.
• 将拟议的模型与五个基线模型进行比较.

主要成果:

• 与基线模型相比,拟议的模型表现出优越的性能.
• 获得了13.2%的手腕角度和9.7%的抓取力等正方形平均误差的正常化根.
• 获得了89.6%的手腕角度和91.9%的握力相关系数.
• 即使减少了HD-EMG电极的数量,也保持了准确性.

结论:

• 这项研究首次展示了使用HD-EMG的同时和比例的手腕角度和握力控制.
• 开发的模型具有显著的潜力,可以提高假肢使用者的精度,控制和独立性.
• 这项技术可以改善肢体丧失患者的生活质量.