从表面阵列记录的电肌图信号对个人手指力预测的可靠性:对辅助设备使用的影响

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:

• 高密度表面电肌图 (HD-sEMG) 通过分析发动机单元 (MU) 发射活动,为辅助设备提供直观的控制.
• 目前的MU分解方法是计算密集的,需要经常校准,限制日常实际使用.

研究的目的:

• 用HD-sEMG在多个会话中评估用于连续指力控制的预测模型性能.
• 评估HD-sEMG阵列的重复穿戴和模拟电极通道损失对模型可靠性的影响.

主要方法:

• 八名参与者执行了对比指力任务,同时记录指尖力和HD-sEMG信号.
• 独立组件分析分解了sEMG以提取MU发射活动以预测力.
• 单个和双电极阵列之间的模型性能进行了比较,并评估了跨日可靠性和对通道损失的稳定性.

主要成果:

• 使用激动和对抗肌肉阵列的模型在曲任务中显著优于单阵列模型.
• 模型的跨日应用显示出预测误差的最小增加 (2.6-3% MVF).
• 模拟的电极通道损失高达50%,导致小,不显著的性能下降.

结论:

• 基于HD-sEMG的神经驱动模型在多天内表现出强大的性能.
• 这些模型表现出对电极通道损失的弹性,表明辅助设备控制的实际可行性.
• 研究结果支持使用这些神经驱动方法进行直观和连续的用户控制.