无校准的sEMG意图识别通过自我监督的预训练和对上肢康复的对抗域对齐
Yuanbo Yang1,2, Hiu Hong Teo3, Yeong Jin King4
1College of Mechanical and Electrical Engineering, Qingdao Binhai University, Qingdao, 266555, China. 06576@qdbhu.edu.cn.
Scientific reports
|December 29, 2025
概括
这项研究引入了一种新的框架,用于使用表面电肌图 (sEMG) 准确,无校准地识别上肢运动意图. 该方法通过改进学科不变特征学习和域调整来增强康复机器人.
科学领域:
- 生物医学工程 生物医学工程
- 机器人技术 机器人技术 机器人技术
- 机器学习 机器学习
背景情况:
- 表面电肌图 (sEMG) 对于控制康复机器人至关重要.
- 从sEMG的上肢运动意图的无校准识别是一个重大挑战.
研究的目的:
- 为准确,无校准的基于sEMG的上肢运动意图识别开发一个统一的框架.
- 增强用于康复机器人的sEMG接口的可移植性和可扩展性.
主要方法:
- 一个统一的框架,结合了自我监督的时间光谱预训练和对抗性域调整.
- 面具时间频率建模用于主体不变特征学习.
- 梯度逆转域对齐用于跨主题和跨数据集的概括.
主要成果:
- 在NinaPro DB2上实现了89.4%的准确性 (留下一个主体),在CapgMyo DBa.Ba上达到86.9%.
- 已证明跨数据集的传输准确度为82.1% (DB2→DBa) 和83.5% (DBa→DB2).
- 发现自我监督和对抗性对齐是互补的,在干扰下表现强.
结论:
- 拟议的框架为上肢康复提供了一个可扩展,便携和插即用sEMG接口.
- 这种方法显著改善了无校准的动作意图识别,推进了康复机器人技术.
- 该方法在临床和家庭康复应用中都显示出前景.
