长时间的多通道表面电肌图信号在自然步行时:数据采集和分析
Francesco Di Nardo1, Christian Morbidoni2, Grazia Iadarola1
1Department of Information Engineering, Università Politecnica delle Marche, Ancona, Italy.
PloS one
|February 12, 2025
概括
这项研究提出了一个新的数据集,该数据集是从行走过程中下肢肌肉发出的长时间表面电肌图 (sEMG) 信号. 这些数据有助于研究肌肉适应和人类运动的可变性.
科学领域:
- 生物力学 生物力学
- 神经科学是一个神经科学.
- 信号处理 信号处理
背景情况:
- 人类行走表现出因适应内在和外在扰动而导致的变化.
- 对表面电肌图 (sEMG) 信号的分析需要比通常可用的时间更长的时间.
- 了解肌肉活动的变化对于分析人类运动至关重要.
研究的目的:
- 为了引入一套新的数据集,长期持续的sEMG信号记录在行走过程中.
- 为全面分析提供同步的电气测量和脚地板接触数据.
- 促进机器学习,肌肉招募变性和算法验证方面的研究.
主要方法:
- 记录了31名健康年轻成年人在步行期间长时间的sEMG信号.
- 从十个下肢肌肉 (每条腿五个) 捕获的信号,包括腹侧肌,前侧肌,大腿直骨,腿筋和大腿侧肌.
- 包括同步的电气测量和脚与地板接触数据,用于空间/时间分析.
主要成果:
- 成功生成了长期持续的sEMG信号的综合数据集.
- 数据集包括在不同的路径上行走,加速和减速.
- 初步分析证实了数据集的可靠性和可用性.
结论:
- 该数据集对于需要大量数据的机器/深度学习应用非常有价值.
- 它支持对生理行走期间肌肉招募变化的调查.
- 这些数据可以用于验证新的sEMG算法和描述病态步行的特征.
