脑和没有脑的儿童上肢运动意图的加速计解码:机械肌图的补充价值
Marcela Correa1, Ali Samadani1, Ledycnarf J de Holanda1
1Bloorview Research Institute, Holland Bloorview Kids Rehabilitation Hospital, 150 Kilgour Road, Toronto M4G 1R8, Ontario, Canada; Institute of Biomedical Engineering, University of Toronto, 164 College Street, Toronto M5S 3G9, Ontario, Canada.
概括
研究人员探索了使用肌肉活动 (机械图) 和运动传感器来解码儿童的运动意图. 结合这些信号显著提高了准确性,为运动障碍患者提供了新的辅助技术的潜力.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 康复技术 康复技术 康复技术
背景情况:
- 患有脑 (CP) 等运动障碍的儿童表现出不可预测的上肢运动,使互动和辅助技术使用复杂化.
- 在这些儿童中解读运动意图是具有挑战性的,因为运动的变异性,如肌和 dystonia.
- 之前的加速度测量研究用于CP的高动力运动分析在意图解码方面存在局限性.
研究的目的:
- 研究机械肌图 (MMG) 和运动信号的潜力,以检测儿童的运动意图.
- 评估整合MMG与四肢运动数据的有效性,以改善意图识别.
- 评估这种综合方法对于有或没有运动障碍的儿童的可行性.
主要方法:
- 一项多个案例研究,涉及15名典型发育 (TD) 的儿童和3名患有CP的儿童.
- 在特定的上肢肌肉上放置六个三轴加速度计 (双臂肌,三臂肌,柔肌,延伸肌,前肌,大胸肌).
- 利用基于平板电脑的绘图任务,以离散的,自动的线性运动和基于隐藏马尔科夫模型 (HMM) 的分类.
主要成果:
- 将MMG活动与运动信号相结合,提高了运动意图识别的准确性.
- 综合方法在TD儿童中实现了88.0 ± 5.6%的四级分类准确度.
- 在使用组合信号的三个CP参与者中,观察到差异化运动对的准确度超过70%.
结论:
- 机械肌谱具有显著的潜力来解码儿童的运动意图,包括那些有运动障碍的儿童.
- 结合MMG和运动数据,为开发更有效的辅助技术提供了一个有希望的途径.
- 这种方法可以为运动障碍患者改善人机交互和环境控制.
