射线肌图 (RMG) 的新型肌肉传感及其应用于手势识别
1School of Electrical and Computer Engineering, Cornell University, Ithaca, NY 14853, USA.
IEEE sensors journal
|March 21, 2024
概括
一个新的可穿戴传感器,放射性肌肉学 (RMG),不断测量肌肉活动,以精确的运动传感. 这项技术在识别手势和跟踪运动方面实现了高精度,在康复和人机界面方面提供了广泛的应用.
科学领域:
- 生物医学工程 生物医学工程
- 可穿戴技术可穿戴技术
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 传统的电肌图 (EMG) 缺乏明确的肌肉收缩量化.
- 机械肌图 (MMG) 和加速度计仅测量表面运动.
- 像超声波,CT和MRI这样的成像技术只提供临床快照.
研究的目的:
- 介绍放射肌学 (RMG) 连续,可穿戴或无触摸肌肉激活传感器.
- 验证RMG在手势识别 (HGR) 和其他肌肉群监测中的有效性.
- 探索RMG在运动学,物理治疗,康复和人机界面方面的潜力.
主要方法:
- 开发了一种新的放射肌图 (RMG) 传感器,用于持续的肌肉激活传感.
- 使用可穿戴的前臂传感器进行手势识别的实验验证.
- 应用时间频谱图转换和视觉变压器 (ViT) 深度学习模型进行分类.
- 员工转移学习以提高对用户和传感器变化的适应性.
主要成果:
- 在8个受试者中识别23个手势时,平均准确率高达99%.
- 使用转移学习证明了高适应性,平均准确率高达97%.
- 成功扩展RMG来监测眼睛和腿部肌肉,在眼睛运动和姿势跟踪方面实现了高精度.
结论:
- 放射性肌谱 (RMG) 为持续的肌肉激活感应提供了一种新的解决方案,克服了现有方法的局限性.
- 结合深度学习,RMG为各种应用提供了准确且适应性的肌肉活动监测.
- RMG在推进运动学,物理治疗,康复和人机接口等领域具有显著的潜力.
