表面电肌图评估解码手机动力意图在先天上肢缺陷的儿童

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.
• 康复技术 康复技术 康复技术

背景情况:

• 具有先天性上肢缺失的儿童通过表面电肌图 (sEMG) 具有可测量的肌肉控制.
• 传统的sEMG分类方法是针对获得截肢的成年人进行优化,限制了它们对具有先天肢体差异的儿童的直接应用.
• 调整sEMG分类算法对于使儿科患者能够使用灵巧的假体至关重要.

研究的目的:

• 调查sEMG分类技术的有效性,以解读先天性上肢缺失的儿童的运动意图.
• 开发和验证一个通用的功能集,用于调整sEMG分类算法在这个特定的队列.
• 评估这些调整算法的潜力,以控制灵巧的假肢.

主要方法:

• 在11个不同的手动中收集了9名患有单边先天性肘下缺陷的儿童的sEMG数据.
• 采用了五种分类算法,利用时间,频率和时间频率域特征.
• 从参与者特定的调整算法中导出并验证了先天性特征集 (CFS),评估了其通用性.

主要成果:

• 在参与者之间使用CFS实现了11个手动的平均线下分类准确率73.8%±13.8%.
• 精度提高到96.5%±6.6%,当专注于一组减少的五个运动.
• 证明了CFS在整个队列中的普遍性,表明强大的运动意图解码.

结论:

• 具有先天性上肢缺失的个体表现出足够的肌肉控制来进行有效的基于sEMG的假肢操作.
• 开发的CFS显示了调整sEMG分类算法的前景,促进了儿童灵巧假肢的翻译.
• 这项研究支持了在有肢体差异的儿科群体中先进肌电假肢控制的潜力.