人口驱动型肌电图分析:推进个性化生物信号解释

科学领域:

• 生物医学工程 生物医学工程
• 康复科学 康复科学 康复科学
• 神经科学是一个神经科学.

背景情况:

• 表面电肌图 (sEMG) 对于监测神经肌肉恢复至关重要.
• 受人口统计学影响的sEMG基线的个体变异性限制了当前的应用.
• 为了有效的康复机器人,需要个性化的sEMG基线.

研究的目的:

• 开发一种用于估计个性化sEMG基线的新型模型,特别是根平均平方 (RMS).
• 通过考虑sEMG信号中的人口差异来提高康复机器人的有效性.
• 为患有神经肌肉疾病的患者提供个性化的康复策略.

主要方法:

• 收集了30名健康参与者的人口和生理数据.
• 记录了前臂肌肉在不同手腕位置的推动任务期间发出的sEMG信号.
• 开发了决策树回归模型,通过递归特征消除进行了优化,用于个性化的基线估计.

主要成果:

• 回归模型实现了高准确度,从88.81%到95.6%不等.
• 全球敏感性分析确定了sEMG基线估计的关键影响因素.
• 研究结果表明,全面的sEMG数据收集可以提高模型的通用性.

结论:

• 拟议的模型为创建个性化的sEMG基线提供了一个有希望的方法.
• 个性化的sEMG基线可以显著提升康复机器人.
• 这项研究为在神经肌肉疾病治疗中量身定制的恢复策略铺平了道路.