使用粒子群优化开发上肢肌肉力量康复评估系统的开发
Chuangan Zhou1, Siqi Wang1, Meiyi Wu2
1School of medical information engineering, Guangzhou University of Chinese Medicine, Guangzhou, Guangdong, China.
Frontiers in bioengineering and biotechnology
|July 24, 2025
概括
这项研究引入了一种基于粒子群优化 (PSO) 的系统,用于评估上肢肌肉力量,这对于中风康复至关重要. 该PSO-SVR模型在使用电肌图和运动数据预测肌肉力量方面取得了很高的准确性.
科学领域:
- 生物力学 生物力学
- 康复工程 康复工程
- 机器学习 机器学习
背景情况:
- 上肢和肩膀关节肌肉疲软是中风幸存者的常见损伤.
- 准确评估肌肉力量对于有效的康复规划和监测至关重要.
- 当前的评估方法可能缺乏客观性和定量精确性.
研究的目的:
- 开发和验证一种基于粒子群集优化 (PSO) 的新系统,用于对上肢和肩关节肌肉力量的定量评估.
- 探索该系统在中风康复中的应用.
- 用表面电肌图 (sEMG) 和关节运动数据来评估系统的性能.
主要方法:
- 设计了一个多式数据采集系统,收集来自状肌肉的非侵入性sEMG信号和关节的三轴运动数据.
- 信号处理涉及噪声降低和sEMG的特征提取,以及对动力学数据的基于四次元的方向估计.
- 机器学习模型,包括反向传播神经网络 (BPNN),支持矢量机器 (SVM) 和PSO优化的变体 (PSO-BPNN,PSO-SVR),用于回归分析来预测肌肉力量.
主要成果:
- 开发的系统成功地获得了电肌图和动力图数据.
- 优化PSO的支向量回归 (PSO-SVR) 模型表现出卓越的预测性能,达到0.8600.00的R平方值.
- 性能指标表明,PSO-SVR显著优于标准的SVM,PSO-BPNN和BPNN模型.
结论:
- PSO-SVR模型在预测肌肉力量方面表现出最高的准确性,为治疗师在指导康复方面提供了显著的进步.
- 该系统提供了一种可靠和定量工具,以提高中风患者的肌肉力量评估.
- 这些发现支持该系统对个性化治疗调整和改进康复监测的潜力.
