一套多方面的指标,用于比较肌电假肢控制器研究

科学领域:

• 康复工程 康复工程 康复工程
• 生物医学工程 生物医学工程
• 人与计算机的交互

背景情况:

• 上肢机器人 (肌电) 假肢是先进的,但很难使用.
• 目前对肌电控制器的评估措施缺乏关于运动质量,用户意图和经验的详细信息.
• 需要对肌电假肢控制进行全面的评估指标.

研究的目的:

• 提出一种新的,全面的评估指标套件,用于肌电假肢控制.
• 为了方便对设备移动质量,控制特征和用户体验进行详细分析.
• 在实时控制实验中证明这些指标的应用和可行性.

主要方法:

• 开发了一套全面的指标套件,涵盖任务性能,控制特征和用户体验.
• 在实时控制实验中应用这些指标,其中八名参与者使用模拟假肢.
• 基于深度学习的控制器 (基于循环卷积神经网络的分类与转移学习,RCNN-TL) 与常见的控制器 (线性歧视分析,LDA) 相比较.

主要成果:

• 新的指标确定了16个"四肢位置效应"的实例,这是一个已知的用户面临的问题.
• 在四个肢体位置效应实例中,RCNN-TL控制器的性能与LDA相等或明显优于LDA.
• 转移学习被证实可以减少用户培训负担.

结论:

• 该研究为肌电假肢提供了一套多方面的新型控制评估指标.
• 这些指标比传统指标提供了更详细的分析,改善了研发.
• 这些发现支持使用RCNN-TL等先进控制器,并强调转移学习在减少肌电假肢培训时间方面的好处.