使用sEMG用于上肢康复的连续运动意图预测:基于模型和无模型方法的系统审查

科学领域:

• 神经科学是一个神经科学.
• 康复工程 康复工程
• 生物医学信号处理

背景情况:

• 在中风后的上肢功能障碍显著降低了患者的生活质量.
• 机器人辅助需要根据通过sEMG信号检测到的患者运动意图进行精确的调整,以实现有效的康复.
• 对上肢运动意图的持续预测是积极的,个性化的机器人治疗的关键.

研究的目的:

• 系统地审查过去十年使用sEMG信号预测上肢运动意图的研究.
• 确定当前基于模型 (MB) 和无模型 (MF) 预测方法的挑战和局限性.
• 建议未来的研究方向,以提高中风康复中的预测算法.

主要方法:

• 来自六个电子数据库的186项研究的系统文献综述.
• 分析基于模型 (MB) 和无模型 (MF) 的方法来预测单关节和多关节上肢运动.
• 在过去十年中发表的查研究.

主要成果:

• 目前基于sEMG的动作意图预测在主题可变性,算法稳定性,概括性和实际可行性方面面临挑战.
• 无论是MB还是MF方法都有局限性,这表明需要整合.
• 现有的算法需要对实时,长时间和复杂的多关节运动预测进行改进.

结论:

• 整合MB和MF方法对于改进预测算法至关重要.
• 未来的研究应该集中在使用深度学习,注意力机制和肌肉/运动单元特征的个性化MB-MF组合上.
• 完善转移学习策略对于快速在不同用户和时间框架中部署算法至关重要.