基于表面电肌图信号和关节运动的上肢肌肉力量评估系统的设计

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
• 神经科学是一个神经科学.

背景情况:

• 卒中幸存者经常经历上肢肌肉疲软,影响运动功能和恢复.
• 精确评估肩关节肌肉力量对于有效的康复计划至关重要.
• 当前的评估方法在量化肌肉力量时可能缺乏准确性或客观性.

研究的目的:

• 开发和验证一个客观的评估系统,用于肩关节肌肉强度在中风后的患者.
• 为了利用表面电肌图 (sEMG) 信号和关节运动数据进行强度评估.
• 为了比较不同的机器学习算法在预测肌肉力量方面的性能.

主要方法:

• 使用MPU6050传感器获取来自骨肌肉和肩关节运动数据的sEMG信号.
• 从sEMG和关节运动数据中处理和提取时间域特征.
• 使用随机森林 (RF),逆向传播神经网络 (BPNN) 和支持矢量机器 (SVM) 进行基于回归的肌肉力量预测.

主要成果:

• 支持向量回归 (SVR) 模型实现了最高的预测准确性 (R-平方:0.8059).
• 射频模型表现出强的性能 (R平方:0.7997) 并提供了有价值的特征重要性见解.
• 与SVR和RF相比,BPNN模型的准确性略低一些.

结论:

• 开发的评估系统有效地使用sEMG和运动数据量化肩膀肌肉力量.
• 支持向量回归 (SVR) 是一个非常准确的算法来预测肌肉力量在这种情况下.
• 随机森林模型的特征重要性可以帮助治疗师在临床肌肉力量评估中.