关于在脑中评估手部功能障碍时使用基于HD-sEMG的力量估计技术的可行性研究

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.
• 康复科学 康复科学 康复科学

背景情况:

• 大脑 (CP) 经常导致手部功能障碍,需要客观的评估方法.
• 目前在CP中评估手部功能的方法缺乏精确的量化.
• 高密度表面电肌图 (HD-sEMG) 为客观肌肉力估计提供了一个潜在的途径.

研究的目的:

• 开发和验证一种基于HDsEMG的新型框架,用于估计肌肉力量,以评估脑 (CP) 中的手部功能障碍.
• 调查开发的框架的临床适用性,以量化CP儿童的运动功能障碍.

主要方法:

• 一个使用长期短期记忆 (LSTM) 的通用源网络在健康成年HD-sEMG-force数据上受过训练.
• 转移学习被用来微调网络,使用健康儿童的数据,创建特定的手势模型.
• 开发的模型用于估计CP的16名儿童的肌肉力量.

主要成果:

• 一般化源网络在力量估计中实现了6.31%的根平均平方误差 (RMSE).
• 特定的手势目标网络在强度估计中实现了RMSE低于10%,独立于受试者.
• 分析显示,CP儿童的EMG力关系异常,与功能障碍严重程度相关.

结论:

• 提出的HD-sEMG肌肉力量估计框架显示了临床评估手部功能障碍在CP的潜力.
• 这项技术可以改善运动功能障碍的定量评估,有助于康复策略.
• 基于sEMG的肌肉力量估计在CP管理中具有广泛的临床应用前景.