提高表面电肌图信号识别准确度,用于跨辐射截肢者使用广泛的学习系统
1School of Mechanical and Electrical Engineering, Xi'an Polytechnic University, Xi'an, People's Republic of China.
Biomedical physics & engineering express
|July 10, 2025
概括
这项研究引入了一种新的方法,用于识别跨辐射截肢者的手势,使用表面电肌图 (sEMG). 这种方法显著提高了准确性,并减少了肌电假肢控制的分类时间.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 康复技术 康复技术 康复技术
背景情况:
- 表面电肌图 (sEMG) 对于人机交互至关重要,通过分析跨辐射截肢者的残余肌肉活动来控制肌电假肢.
- 现有的手势分类方法面临准确性挑战,因为手动类型的数量增加.
研究的目的:
- 为跨辐射截肢者开发一种新且准确的手势识别方法.
- 通过改进手动意图预测,增强肌电假肢的控制能力.
主要方法:
- 提出了一种新方法,将图像特征平整 (IFF) 与广泛学习系统 (BLS) 集成在一起.
- IFF方法将sEMG数据特征转换为3D图像,将其转换为灰度,并将其平整为BLS输入的1D矢量.
- 该方法使用Ninapro DB3数据集进行了验证,其中包括截肢者的49种手动类型.
主要成果:
- 提出的方法实现了高的手势识别准确度,高达98.1%.
- 与以前的方法相比,观察到分类时间的显著减少.
- 该方法在实时手势识别中显示出强大的实际应用潜力.
结论:
- IFF和BLS的整合为跨辐射截肢患者的手势识别提供了一个高度准确和高效的解决方案.
- 这一进步对改善肌电假肢的功能和用户体验具有重大前景.
- 开发的方法有效地解决了随着越来越多的手势类精度下降的挑战.
