基于人机交互的目标肌肉生物阻抗的前臂运动和手握预测

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
• 人与计算机的交互

背景情况:

• 准确预测手握和前臂运动对于先进的假肢控制至关重要.
• 现有的方法往往需要广泛的培训,缺乏实时的适应性.
• 肌肉生物阻抗为运动意图检测提供了一个非侵入性的信号源.

研究的目的:

• 开发和验证一种用于同时多度自由度 (DoF) 预测手握和前臂运动的新方法.
• 为了比较不同回归模型的有效性,包括长期短期记忆 (LSTM),用于基于生物阻抗的运动预测.
• 探索在没有模型再培训的情况下直接映射截肢控制的生物阻抗变异的潜力.

主要方法:

• 利用九个电极的六个通道来测量目标肌肉的生物阻抗.
• 采用了各种回归模型:线性回归 (LR),支向量回归 (SVR),多层感知器 (MLP) 和长短期记忆 (LSTM).
• 进行了人体内交叉验证,以评估手握角度和前臂运动的预测准确性.

主要成果:

• 与LR,SVR和MLP相比,LSTM回归在多DoF预测中表现优越.
• 对于手抓角度预测,MLP实现了0.9256的平均R平方 (R2).
• 对于预测同时发生的两个DoF前臂运动,LSTM的平均R2值为0.9483.
• 演示实时对象掌握任务性能,验证预测方法.

结论:

• 肌肉生物阻抗与LSTM回归相结合,为预测复杂的手和前臂运动提供了强大而准确的方法.
• 拟议的方法显示了对假肢设备的直观控制的希望,特别是对截肢者,通过直接映射运动的生物阻抗来实现这一目标.
• 这种方法推进了非侵入性人机接口,以改善功能恢复.