MyoGestic:EMG接口框架用于解码神经损伤患者的多个节省的运动维度
Raul C Sîmpetru1, Dominik I Braun1, Arndt U Simon1
1Neuromuscular Physiology and Neural Interfacing Laboratory, Friedrich-Alexander-Universität Erlangen-Nürnberg, 91052 Erlangen, Germany.
Science advances
|April 9, 2025
概括
研究人员开发了一种无线EMG手和名为MyoGestic的软件,用于解码脊髓损伤,中风或截肢患者的运动意图,从而实现对数字设备的实时控制.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 康复技术 康复技术 康复技术
背景情况:
- 在神经损伤 (脊髓损伤,中风) 或肢体损失 (截肢) 后恢复运动功能仍然是一个重大的临床挑战.
- 表面电肌图 (EMG) 可以检测来自节省的运动神经元的自愿运动指令,即使没有明显的肌肉激活.
- 现有的基于EMG的控制系统通常需要广泛的校准,缺乏适应性.
研究的目的:
- 开发和验证一种新的无线高密度EMG系统 (MyoGestic),用于直观的肌电控制.
- 为了能够快速,实时解读各种神经疾病和肢体损失的个体的运动意图.
- 促进以参与者为中心的方法来开发自适应肌肉控制算法.
主要方法:
- 开发一个无线,高密度的EMG手和一个用户友好的软件框架 (MyoGestic).
- 实现机器学习算法以快速适应和实时解码运动意图.
- 从创伤性脊髓损伤 (SCI),脊髓中风和截肢的参与者身上实时解读运动意图.
主要成果:
- 所有参与者在几分钟内成功地实时解码了来自所有参与者的多个电机维度.
- 通过使用解码的EMG信号,展示了数字手,骨架,假肢和2D光标的控制.
- 实现了针对个别用户需求的机器学习模型的快速适应.
结论:
- MyoGestic为基于EMG的控制提供了一个直观和适应性的平台,大大减少了设置时间.
- 该系统有效地将神经信号转化为辅助设备的功能控制,适用于SCI,中风和截肢.
- 以参与者为中心的设计方法可以提高有效和个性化的肌控解决方案的开发.
