使用摩托神经元放电预测精巧的手指力与前臂旋转.

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.
• 康复工程 康复工程 康复工程

背景情况:

• 电肌图 (EMG) 分解解码神经机器接口 (NMI) 的手指运动.
• 前臂旋转改变了机动单元动作电位 (MUAP) 的形状,降低了EMG分解和实时运动解码精度.
• 准确的动力单元 (MU) 放电信息对于灵巧的多指力预测至关重要.

研究的目的:

• 开发一种适应性方法,在实时条件下,在前臂旋转位置上精确地提取MU放电信息.
• 为了提高NMI应用程序的灵巧的多指力预测.

主要方法:

• 使用了基于FastICA的EMG分解.
• 开发了一种方法,在初始化过程中在不同的前臂位置获得每个MU的多重分离向量.
• 使用最近的前臂位置的分离向量实现了MU放电信息的自适应实时提取.

主要成果:

• 拟议的自适应方法显著优于使用单一恒定分离向量或传统EMG振幅信息的先前方法.
• 在力预测中证明了显著更高的确定系数 (R2) 和较低的根平均平方误差 (RMSE).
• 验证了适应方法在前臂旋转期间实时MU放电提取的可行性和有效性.

结论:

• 开发的自适应方法在前臂旋转期间有效提取MU放电信息,改善了NMI实时力预测.
• 这种方法提高了EMG分解对前臂位置变化的稳定性.
• 进一步开发可以在现实的NMI应用中显著提升连续敏捷运动解码.