为了实用性而设计:基于EMG的实时手动电机解码的个性化和适应性框架
Parsa Sattari1, Diba Ravanshid1, Rezvan Nasiri1
1Research Institute for Robotics, Artificial Intelligence, and Information Sciences (RAIIS), School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran.
Journal of neural engineering
|March 12, 2025
概括
这项研究引入了一个适应性框架,通过解决信号变异性来改善假肢手的电肌图解码 (EMG). 个性化的方法显著提高了解码精度,使假肢控制更可靠.
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:
- 基于电肌图 (EMG) 解码的假肢手因信号变化而面临挑战.
- 个人间,会话间和会话内部的变化显著影响了实际的解码器可靠性.
- 现有的解码方法在时间的推移和不同的条件下努力保持准确性.
研究的目的:
- 为机器人假肢手开发和评估一种新的个性化和自适应性电机解码框架.
- 为了减轻EMG信号波动对手动机解码精度的影响.
- 提高基于EMG的假肢手掌控制的实际可靠性.
主要方法:
- 收集了来自12名参与者进行9种不同的手动的EMG数据.
- 使用各种特征提取方法和分类器模型 (MLP,SVM,CNN,KAN) 分析了EMG信号变异性.
- 与基线性能对比,评估了一种未经监督的拟议适应性框架.
主要成果:
- 最佳特征提取窗口大小被确定为100 ms.
- 显示EMG信号的变化,特别是会话内变化,显著降低了分类准确性.
- 适应性框架使准确度从80.56%提高到88.88%,显示出统计学上显著的提升.
结论:
- 拟议的模块化框架有效地解决了EMG信号的变异性,以改善假肢手的控制.
- 该框架集成了一种运动分类器,特征提取器,有限状态机器和软max模块,用于强大的解码.
- 这种适应性方法是迈向实用和可靠的基于EMG的假肢手部解码器的重要一步.
