整合可穿戴织品传感器和物联网,用于持续的sEMG监控

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
• 信号处理 信号处理

背景情况:

• 表面电肌图 (sEMG) 对于在临床,研究和体育环境中评估肌肉功能至关重要.
• 持续的sEMG监测是可取的,以跟踪肌肉活动和疲劳.
• 现有的方法通常依赖于繁的凝电极.

研究的目的:

• 开发一个集成的生物医学监测系统,使用可穿戴的织传感器进行连续的sEMG.
• 为了使肌肉活动和疲劳的遥测评估.
• 与传统方法相比,验证开发的智能织电极的性能.

主要方法:

• 开发了一种带有刺的织电极的智能袖子带,用于sEMG信号采集.
• 使用物联网 (IoT) 方法与Myoware传感器和ESP8266微控制器进行无线数据传输.
• 在手机或PC上实现了webserver-cum-database,用于数据处理和可视化.
• 通过使用织电极和凝电极,比较了两肌,三肌和肌的sEMG信号.
• 对时间和频率域特征进行了主要组件分析 (PCA) 和单向MANOVA.

主要成果:

• 开发的与物联网集成的织电极成功测量了sEMG信号.
• 发现信号质量与传统的凝电极方法相美.
• 定量分析 (RMS,ARV) 在肌肉和电极类型中显示出一致的sEMG值.
• 统计分析 (PCA,MANOVA) 表明肌肉类型或电极类型之间没有显著差异.

结论:

• 开发的可穿戴织传感器系统为持续的sEMG监控提供了可行的和有效的方法.
• 这种基于物联网的方法促进了对肌肉活动和疲劳的遥测评估.
• 智能织电极表现出与传统凝电极相当的性能,为更舒适和更容易获得的肌肉监测铺平了道路.