时空过对高密度EMG信号手动力学估计的影响

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:

• 表面电肌图 (sEMG) 是一种非侵入性方法,用于记录肌肉的电活动.
• 由于其与神经驱动的联系,sEMG对于控制上肢假肢至关重要.
• 从sEMG信号中准确估计人类手动力学仍然具有挑战性.

研究的目的:

• 调查sEMG信号数量和预处理技术对动力学估计准确性的影响.
• 确定sEMG获取的最佳配置,以改善假肢控制.
• 在将sEMG翻译成手动力学方面推进深度学习应用.

主要方法:

• 处理了来自320个电极的单极sEMG信号,这些电极位于13个受试者的前臂肌肉上.
• 利用深度学习模型实时将原始sEMG信号映射到人手运动学.
• 分析了全信号带宽与时间包之间的必要性以及空间过和通道缩小的影响.

主要成果:

• 准确的动力学估计需要sEMG信号的全部带宽,而不仅仅是它的时间外.
• 空间过的影响很小,低级过器可能足够.
• 减少sEMG频道的数量导致了显著的性能下降,320个频道产生了最高的精度.
• 增加超出 320 个频道的频道数量可能会进一步提高预测准确度.

结论:

• 带有数百个电极的高密度表面电力学系统对于精确的人手动力学估计至关重要.
• 未来的研究应该探索更高的电极密度,以加强假肢控制.
• 优化sEMG信号处理和采集是推动肌电假肢技术发展的关键.