使用可穿戴的FES-sEMG系统识别人类下肢运动和肌肉疲劳状态

科学领域:

• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术
• 可穿戴式传感器 穿戴式传感器

背景情况:

• 现有的功能电刺激 (FES) 设备缺乏可穿戴性和用户意图识别.
• 目前的局限性阻碍了FES在康复和培训方面融入日常生活.

研究的目的:

• 开发一种具有增强可穿戴性和用户意图检测的新型可穿戴FES系统.
• 为了能够准确地识别FES应用期间的运动类型和肌肉疲劳状态.

主要方法:

• 使用定制织电极开发可穿戴的FES系统.
• 整合表面电肌图 (sEMG) 来捕捉运动意图.
• 为运动和疲劳分析实施并行深度学习模型.

主要成果:

• 拟议的系统在下肢运动识别方面表现出高精度.
• 实现了精确检测肌肉疲劳状态,不受电刺激的影响.
• 与五个受试者的初步实验验证实了该系统的有效性.

结论:

• 新型可穿戴FES系统显示了改善FES辅助康复和培训的巨大潜力.
• 定制的织电极和深度学习增强了用户体验和功能成果.
• 该系统有效地解决了日常应用当前FES设备的局限性.