Çin Bilimler Akademisi, Shenyang Otomasyon Enstitüsü'nde araştırmacı olan Zhao Xingang ekibi, yeni hareketler, kas yorgunluğu ve elektrot ofseti gibi ideal olmayan koşullar altında yüzey EMG stabilite tanımayı çözmek için uyarlanabilir bir hibrit sınıflandırıcı önerdi. İlgili sonuçlar, Sinir Sistemleri ve Rehabilitasyon Mühendisliği Ieee İşlemleri'nde yayınlandı.
İdeal olmayan koşullar altında yüzey EMG tanıma açısından, ekip, önceki çalışmalardan çok daha yüksek olan on günlük hareketin sınıflandırmasında% 92 doğruluk elde etti. Yüzey EMG sinyal tanımadaki bu araştırma başarısı, EMG protezlerinin ve EMG rehabilitasyon ellerinin klinik uygulamasını ve tanıtımını teşvik edecek ve engelli insanlara yardım etmede çok önemli bir rol oynayacaktır.
Raporlara göre 2019'da Çin'deki engelli sayısı 100 milyonu aştı. Bunların üçte biri fiziksel engelli. Uzuv fonksiyonlarını iyileştirmelerine veya iyileştirmelerine yardımcı olmak için acil olarak çok sayıda rehabilitasyon fizyoterapistine veya robotik rehabilitasyon sistemine ihtiyaçları vardır. Son zamanlarda, yüzey EMG sinyallerine dayalı insan hareketi niyetinin tanınması, protezlerin ve rehabilitasyon ellerinin doğal kontrolünü gerçekleştirmenin önemli bir yolu olarak kabul edilmektedir.
Bununla birlikte, bilimsel araştırma ile klinik uygulama arasında büyük bir boşluk var. Önemli faktörlerden biri, laboratuvarın altındaki yüzey EMG tanımasının çok basit olması ve çeşitli günlük rahatsızlıklardan etkilenmemesidir. Bu nedenle araştırma ekibi, yeni hareketler, kas yorgunluğu ve elektrot ofseti gibi girişim sorunlarının üstesinden gelmek için klinik uygulamalardaki çeşitli girişim sorunları için uyarlanabilir bir hibrit sınıflandırıcı önermiştir. İlk olarak, bir LDA algoritması sınıfına dayalı bir hibrit sınıflandırıcı önerilmiştir; sınıflandırıcı yeni eylemleri tanıyabilir ve sınıflandırma modelini aşamalı olarak güncelleyebilir; ikinci olarak, EMG sinyallerindeki değişikliklere yanıt vermek için modeli kendi kendine güncelleyebilen bir çevrimiçi değerlendirme faktörü tasarlanmıştır; ve son olarak , Yeni hareketlerin, kas yorgunluğunun ve elektrot ofsetinin etkileşimini azaltmak için bir tanıma stratejisi önerin. Deneysel sonuçlar, yöntemin EMG sinyalindeki ideal olmayan değişikliklerle başa çıkabildiğini ve öncekilerden daha iyi bir tanıma etkisi elde ettiğini göstermektedir.
Araştırma, Çin Ulusal Doğa Bilimleri Vakfı ve Anahtar Robotik Laboratuvarı tarafından desteklendi.
Shenyang Automation, rehabilitasyon uygulamaları için yüzey EMG tanımasında ilerleme kaydetti
kaynak: Shenyang Otomasyon Enstitüsü, Çin Bilimler Akademisi
İpuçları: Son günlerde, WeChat kamu Bilgi akışı revizyonu. Her kullanıcı, büyük kartlar şeklinde görüntülenecek olan sık okuma abonelik numaralarını ayarlayabilir. Bu nedenle, "Çin Bilimler Akademisinin Sesi" makalesini kaçırmak istemiyorsanız, şunları yapmalısınız: "Çin Bilimler Akademisinin Sesi" ni girin kamu Sağ üst köşedeki ··· menüsüne tıklayın "Yıldız Olarak Ayarla" yı seçin