为肌电假肢控制算法收集训练数据的方法的有效性和影响

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.
• 康复机器人 康复机器人

背景情况:

• 假肢设备的直观控制需要生物信号和运动意图之间的准确相关性.
• 高质量的训练数据集对于假肢学中有效的回归算法至关重要.
• 标记用于假肢训练的预期手动力学是具有挑战性的,特别是对截肢者来说.

研究的目的:

• 为了比较两个训练范式的准确性和精度:模仿训练和镜子训练,用于标记手动力学.
• 评估这些培训方法对健康个体和截肢者的假肢控制表现的影响.

主要方法:

• 在模仿和镜子训练条件下,在健康参与者中使用运动捕捉的量化动力学准确性和精度.
• 使用带有大型数据集的非线性神经网络评估离线回归性能.
• 评估在线假肢控制表现在单边跨辐射截肢者执行功能任务.

主要成果:

• 模仿训练未能解释生物机械合和手部位变化.
• 镜子训练在运动标记中显示出明显更高的准确性和精度.
• 镜像训练为截肢者带来了优异的离线回归性能和更快的在线任务完成速度.

结论:

• 镜像训练产生了更忠实的数据集,从而改善了假肢控制.
• 这种方法为开发下一代肌电和神经假体提供了有价值的战略,这些假体具有增强的灵巧性和直观操作.