手动力学,高密度的sEMG包括前臂和远场潜能,用于运动意图识别
Weichao Guo1,2, Zeming Zhao3, Zeyu Zhou3
1Meta Robotics Institute, Shanghai Jiao Tong University, Shanghai, 200240, China. guoweichao90@gmail.com.
Scientific data
|March 18, 2025
概括
这项研究引入了从前臂和手腕肌肉高密度表面电肌图 (HD-sEMG) 的新数据集. 这一数据集通过先进的运动意图识别实现了强大的人机交互 (HMI).
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.
- 康复工程 康复工程
背景情况:
- 表面电肌图 (sEMG) 信号为人机交互 (HMI) 的脊柱运动神经元活动提供了洞察力.
- 高密度 (HD) sEMG可以通过分解前臂和手腕肌肉中的运动神经元潜能,为HMI提供强大的神经驱动器.
- 缺乏将前臂-手腕 (FW) 肌肉和手动力学 (KIN) 的HD sEMG结合在一起的公开数据集,阻碍了研究.
研究的目的:
- 介绍第一个全面的HD-FW KIN数据集,将HD sEMG与手指动力学和力结合起来.
- 为了验证HD sEMG在手势识别和手指运动预测方面的实用性.
- 促进先进的假肢设备和可穿戴电子产品的开发.
主要方法:
- 收集了21名受试者的前臂和手腕肌肉的HD 448通道sEMG数据.
- 同时记录手指关节的角度和手指曲力.
- 在20个不同的手势和9个指部曲任务中在不同强力水平下获得的数据.
主要成果:
- HD-FW KIN数据集包括详细的肌肉活动和手部运动数据.
- 验证了HDsEMG在识别手势方面的有效性.
- 演示了HD sEMG用于预测手指关节角度和曲力的能力.
结论:
- 提出的HD-FW KIN数据集为提取前臂和手腕的神经驱动器提供了宝贵的资源.
- 能够为先进的假肢手和手腕穿戴设备创建更直观的神经接口.
- 通过强大的运动意图识别,推进HMI领域.
