一种并行双线线路在线EMG分解方法,通过交替和更新动力单元分离向量
概括
这项研究引入了一种改进的并行双线程 (IPDT) 方法,用于在线电肌图 (EMG) 分解. IPDT方法增强了动力单元 (MU) 放电信息的提取,以精确地解码手指运动.
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.
- 信号处理 信号处理
背景情况:
- 在线电肌图 (EMG) 分解对于通过提取运动单元 (MU) 放电信息来解码巧妙的手指运动至关重要.
- 非静止的MU活动挑战了基于盲源分离的EMG分解技术的实时性能.
研究的目的:
- 开发一个改进的平行双线线 (IPDT) 在线EMG分解方法.
- 为了提高MU排放信息提取的准确性和稳定性,用于实时应用.
主要方法:
- 开发了一种IPDT方法,每个MU分配多个分离向量,按神经驱动水平交替.
- 集成了基于CNN的MU动作潜力分类,用于MU跟踪和分离矢量更新.
- 测试了IPDT方法与以前的技术使用合成EMG信号与MUAP配置的变化和招聘/退出招聘.
主要成果:
- 与之前的两种方法相比,拟议的IPDT方法显示出优越的在线EMG分解性能.
- IPDT方法有效地处理了合成EMG数据中的MUAP概况变化和招聘/退聘.
结论:
- IPDT 方法提供了一种可靠的方法来提取 MU 排放信息.
- 这种技术具有长期,连续和准确解码灵巧的手指运动的潜力.


