从超声波图像中估计肌肉骨扭矩,并进行回归和传感器对齐

科学领域:

• 生物力学和机器人技术
• 生物医学工程 生物医学工程
• 康复技术 康复技术 康复技术

背景情况:

• 预测关节扭矩有助于开发用于恢复运动功能的先进步行辅助机器人设备.
• 超声波 (美国) 影像捕捉肌肉形态,与关节扭矩相关,但面临着噪音和传感器移位的挑战.
• 现有的机器学习方法用于从美国图像中预测扭矩是昂贵的,并且无法解决传感器转移.

研究的目的:

• 用回归技术准确预测人类关节在走路时的扭矩.
• 开发和验证虚拟传感器对齐方法,以解决超声数据中的传感器移位错误.
• 评估训练模型在不同步行速度上的通用性.

主要方法:

• 利用亮度模式 (B模式) 超声波来捕捉行走任务期间的肌肉形态.
• 采用基于回归的技术,从超声数据直接预测关节扭矩.
• 设计了一种虚拟传感器对齐方法,通过调整感兴趣区域来纠正传感器移位.

主要成果:

• 证明了在行走过程中准确预测人类脚关节扭矩.
• 虚拟传感器对齐方法有效地解决了传感器转移问题.
• 训练在特定步行速度的模型被成功地应用到不同的速度使用对齐方法.

结论:

• 回归技术与一种新的传感器对齐方法相结合,提供了准确而强大的联合扭矩预测.
• 开发的方法克服了以前方法的局限性,为改进的步行辅助机器人设备提供了途径.
• 研究结果支持开发用于实时机器人应用的轻量级,计算效率高的预测模型.