基于EMG的神经肌肉骨模型实时连续校准,用于辅助外骨控制

科学领域:

• 生物医学工程 生物医学工程
• 康复机器人 康复机器人
• 计算神经科学是一种神经科学.

背景情况:

• 准确的实时神经肌肉骨 (NMS) 建模对于有效的闭环神经康复系统至关重要.
• 现有的NMS模型往往需要耗时的会议前校准,这限制了它们的临床适用性.
• 控制上肢外骨需要精确和适应性的NMS模型.

研究的目的:

• 开发和验证一个新的电肌学 (EMG) 信息的NMS建模框架,并进行连续的实时校准.
• 评估框架在功能任务期间控制上肢外骨架的性能.
• 将连续校准模型的精度和控制性能与未校准和离线校准模型进行比较.

主要方法:

• 开发了一种自行区分的NMS模型,其中包含了滑窗在线校准技术.
• 在功能性触及任务中使用ArmeoPower外骨验证了框架.
• 在未校准,离线校准和连续校准的NMS模型中比较模型精度和外骨控制性能.

主要成果:

• 连续校准的模型在15个运动周期 (110秒) 内实现了与离线校准可比的准确性.
• 连续校准消除了对会前模型校准的需要.
• 从生理学上可信的关节运动时刻预测使外骨控制性能与离线校准模型相当.

结论:

• 拟议的EMG信息NMS建模框架与持续实时校准显著提高了NMS模型在实时神经康复应用中的可用性.
• 这种适应性方法为外骨提供了个性化的控制,可以动态地适应疲劳等生理变化.
• 该框架代表了个性化和适应性神经康复解决方案的重大进步.