"一个新的自适应式手势识别框架用于生物手,使用堆叠自编码器 (SAE),自适应贝叶斯特征选择 (ABFS),MODWT和混合sEMG-MMG传感器模式"
Amol Pandurang Yadav1,2,3, S R Patil2,3
1All India Shri Shivaji Memorial Society's Institute Of Information Technology, India.
MethodsX
|March 12, 2026
概括
这项研究介绍了一个智能生物手,它可以使用肌肉磁感应 (MMG) 和电信号检测 (sEMG) 来学习和适应. 这种先进的假肢为截肢者提供了近乎自然的运动,高精度和快速响应时间.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 康复技术 康复技术 康复技术
背景情况:
- 假肢往往缺乏直观的控制,阻碍了截肢者的自然运动.
- 现有的系统可能无法完全捕捉残余四肢肌肉信号的细微差别.
- 需要先进的假肢控制,可以与用户的意图无集成.
研究的目的:
- 开发和评估一个智能生物手系统,用于直观的假肢控制.
- 探索肌肉磁传感 (MMG) 和表面电肌图 (sEMG) 的组合,以增强信号采集.
- 创建一个自我学习的假肢手,适应个人用户的肌肉模式.
主要方法:
- 集成肌肉磁传感 (MMG) 和表面电肌图 (sEMG) 进行全面的肌肉活动检测.
- 利用先进的神经网络为自学人工智能系统,不断完善肌肉模式识别.
- 与15名参与者进行现实世界测试,包括ADAMS-MATLAB共同模拟和3D打印原型评估.
主要成果:
- 生物手在捕捉微妙的肌肉运动方面表现出高精度.
- 该系统在特定主体的交叉验证中达到高达99.9%的准确性,处理延迟低至12 ms.
- 初步的硬件实验和模拟证实了该系统在现实世界中应用的强大可行性.
结论:
- 开发的智能生物手为假肢控制提供了个性化和适应性的解决方案.
- 这项技术弥合了人类生物信号和机器功能之间的差距,承诺更多的自然四肢运动.
- 进一步的大规模和长期研究是有必要的,但这项工作代表了朝着恢复功能和信心的下一代假体迈出的重要一步.
