一种基于表面肌电信号映射人体下肢运动意图的方法

智能膝关节假肢是截肢患者恢复日常运动的重要辅具。对人体下肢运动意图的识别是实现下肢假肢控制的关键。该文针对此问题,提出了一种通过表面肌电信号预测膝关节角度的方法。对表面肌电提取时域特征,通过 BP 神经网络模型建立平地行走过程中表面肌电信号和膝关节角度的映射关系,预测膝关节角度。     

三维步态分析检测基于BP神经网络的膝踝运动

背景：虽然在人体步态方面已有大量研究,但针对膝踝协调运动的研究很少。 目的：用BP神经网络分析膝踝协调运动关系。 方法：利用三维步态分析系统检测了30名健康志愿者以快、中、慢3种步速行走时的步态数据,进行统计分析;并通过建立BP神经网络预测数据,同时对膝踝协调的控制方法进行探讨。 结果与结论：不同的人步态不同,但BP神经网络预测所得曲线与实验基本一致,证实了用BP神经网络做膝踝运动关系预测的合理性和可行性,很好的研究了膝踝协调性,给全智能膝踝协调控制假肢的研发提供了理论依据。     

基于肌电信号的手臂运动状态的辨识

本研究的目的是利用人体上肢肌肉的肌电信号辨识人体肘关节运动状态。当人体手臂做屈伸运动时，采集肱二头肌和肱三头肌的肌电（EMGs）信号和肘关节角度信号，对EMGs进行处理和特征提取。提取的特征值作为一个四层的神经网络模型的输入信号，运用改进后的误差反传学习算法最优化网络各层权值，映射出人体表面肌电信号和手臂运动状态间的非线性关系，并将处理后的肌电信号转换为相应时刻的肘关节运动角度。试验结果表明神经网络预测出的肘关节运动角度与测角仪测出的实际运动角度最大误差小于1度。     

智能下肢假肢传感器的应用

背景:下肢运动是一种复杂的运动,采用合适的传感器获取人体运动生理信息,成为智能假肢控制的前提。国际上现有的下肢假肢控制信息源为与运动信息有关的物理量,这类信息可以直接反映人体运动的生物力学特性,采集比较简单,非常适合实时控制。现有智能下肢假肢产品根据采用的控制方法不同选择一种或几种传感器测量人体运动信息。目的:研究一种能够采集智能下肢假肢控制所需人体运动信息的传感器系统。方法:对智能下肢假肢带固定式气缸阻尼器的四连杆机械机构进行运动分析,得出四连杆后臂下轴电位计输出信号与膝关节弯曲角度的对应关系,同时,选取合适的霍尔传感器安装位置,解决了其中存在的双值问题。设计了传感器输出信号采集实验,通过跑步机速度调节来保证步行速度完全可控,测量不同步速下脚尖离地时刻膝关节弯曲角度,分析采集结果找到了它们之间的对应关系。结果与结论:脚尖离地时刻膝关节弯曲角度随着步行速度增大而增大,采用二次曲线拟合取得了较好效果。实验结果显示,水平步行状态下,采用电位计和霍尔传感器作为检测手段能够检测下肢假肢的步速,也能区分支撑期和摆动期。     

融合实时超声影像的多模态肌肉运动特性研究

人体肌肉活动是一个复杂过程,常用的研究方法包括肌电信号、肌音信号、超声影像等。提出一种多模态方法,联合这三种信号对肌肉活动特性进行研究。研发了多通道运动信号采集系统,对包括超声影像在内的多种信号进行实时同步采集。开发了一种新的图像追踪算法,实现肌肉边界的自动追踪。对膝关节伸展时股直肌等长收缩的情况进行研究,对采集的各种信号进行特性分析,并联合多种参数对关节力矩进行估计。研究表明,这三种信号的线性组合与关节力矩之间存在显著的线性关系,拟合度达到0.99,高于分别用3种信号进行线性拟合的情况。与单独研究一种信号相比,这种多模态的方法能提供更多关于肌肉运动的信息,为进一步深入研究提供一种可行的方法。     

基于KPCA的膝关节多模式连续运动估计

为了实现不同运动模式下膝关节连续运动的有效估计，提出一种基于核主成分分析（KPCA）的下肢膝关节连续运动估计方法。首先，融合多维表面肌电信号时域特征获取不同运动模式下较为全面的运动信息；其次，采用KPCA方法进行肌电特征降维，获取与该类运动模式最为相关的主成分向量，并基于反向传播神经网络实现不同运动模式下膝关节连续运动的有效估计；最后，对5个实验对象的4种运动模式进行实验验证。结果表明该方法不仅可有效估计不同运动模式下膝关节连续运动角度，相对于PCA算法估计精度也有明显提高。     

基于最佳小波包的表面肌电信号分类方法

针对表面肌电信号的分类问题，采用最佳小波包分解构造最能体现分类能力的小波包基。用Fisher线性判别分析对肌电信号各个子空间的相对能量特征进行降维处理，然后利用BP神经网络进行分类识别。实验表明该方法能够有效地从伸肌和屈肌采集的两道肌电信号中识别前臂内旋、前臂外旋、握拳和展拳四种运动模式，是一种稳定、有效的特征提取方法，为非平稳生理信号的分析提供了新的手段。     

基于GA-BP神经网络进行呼吸运动预测的研究

放射治疗是胸腹部肿瘤的常用治疗手段,但由于病人在治疗过程中的呼吸使胸腹部肿瘤产生运动位移降低了放射治疗的质量。人们希望在治疗的过程中对目标进行运动估计,以减少呼吸运动在治疗过程中的影响。BP人工神经网络由于其良好的非线性逼近特性被用于呼吸运动估计,可以较好地反映呼吸运动的发展趋势;但BP神经网络本质是梯度下降法,容易陷入局部最优。利用遗传算法(GA)和BP网络相结合的方法,遗传算法具有良好的全局搜索能力,弥补BP神经网络易于陷入局部最优的缺点。通过对9例呼吸运动信号进行对比实验,结果表明用GA-BP神经网络的预测精度高于单纯使用BP神经网络的预测精度。     

利用AR模型参数分析损伤神经的针电极肌电信号

影响募集形式的两种主要因素为时间募集和空间募集 ,本文提出了一种利用现代谱分析技术来分析针电极肌电信号募集的方法。通过建立全极点 AR模型 ,利用时 -频谱分析了不同神经不同程度损伤的肌电信号的时间募集减少和空间募集减少。最后提取前臂 NEMG信号的 AR系数并通过 BP神经网络辨识了不同程度损伤的肌电信号 ,取得了良好的实验结果。     

基于关节坐标系的肌肉骨骼间附着点坐标转换方法

目的运动状态下对人体骨肌系统进行运动学及动力学分析时,应避免对人体造成伤害。本研究通过尸体切片、CT或者MRI图像重建等方法构建静态骨肌模型,并将其应用于活体进行分析。方法采用尸体切片数据重建下肢的三维骨肌模型,并对此骨肌模型及活体下肢建立统一规则的关节坐标系,详细描述人体骨肌系统模型和活体上相关肌肉骨骼间附着点空间坐标值转换。结果对研究对象膝关节屈曲运动中股二头肌短头力臂及长度进行计算和分析。结论该方法对提高人体运动学和动力学仿真及肌肉力预测具有重要意义。     

基于PCNN-LSTM神经网络的膝关节摆动信号分类识别

膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用.现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步提升.因此,提出一种基于改进卷积神经循环网络(PCNN-LSTM)的VAG信号分类算法.首先...     

身体承重对膝关节生物力学研究的影响

为了解自体承重对膝关节生物力学的影响，本研究以连续性Ｘ光数位化系统拍摄及分析十二位正常人的膝关节，将其分成有自体承重及无自体承重两组来探讨，分析比较的参数包含膝关节弯曲角度，股四头肌的力臂，髌骨肌腱受力与股四头肌力的比值及髌股骨关节受力与髌骨肌腱受力的比值。研究结果显示，自体承重的确对膝关节生物力学分析有所影响，所以本研究建议，膝关节生物力学的研究应考虑自体承重的因素。     

基于多模态信息融合的肘关节连续运动估计

目的 针对目前上肢康复训练设备多为被动式、训练方式单一、患者主动参与度较低等问题,提出一种基于多模态信息融合的上肢连续运动估计算法,实现对肘关节力矩的准确估计。方法 首先,在4种角速度下,采集受试者的表面肌电信号和姿态信号,提取信号的时域特征并利用主成分分析方法进行特征融合;其次,通过附加动量法和自适应学习率对反向传播神经网络(back propagation neural network, BPNN)进行改进,使用粒子群算法(particle swarm optimization, PSO)对神经网络进行优化,构建基于PSO-BPNN的连续运动估计模型;最后,以第2类拉格朗日方程计算的关节力矩作为准确值,对模型进行训练,并与传统BPNN模型进行性能对比。结果 传统BP神经网络模型均方根误差为558.9 mN·m,R²系数为77.19%,优化模型后的均方根误差和R²系数分别为113.6 N·m、99.12%,力矩估计准确度进一步提高。结论 本文提出的肘关节连续运动估计方法能够准确地识别运动意图,为上肢外骨骼康复机器人的主动控制提供切实可行的方...     

The simplification of the muscle force prediction using sensitivity analyses.

Today artificial neural networks can be trained to solve problems that are difficult for conventional computers or human beings. The big advantage of an artificial neural network is results obtained without knowledge of the algorithm procedure or without full and exact information. Therefore an artificial neural network was used to predict the muscle forces. The aim of the study was to simplify prediction of muscle forces which are difficult to determine, because many muscles act cooperatively. However, orthopeadists, biomechanical engineers and physical therapists need to take muscle forces into consideration because joint contact forces, as well as muscle forces, need to be estimated in order to understand the joint and bone loading. In terms of sensitivity of the muscle parameters to the results from the proposed neural network object, the muscle force prediction was simplified.     

Neural network and fuzzy control in FES-assisted locomotion for the hemiplegic

This study is aimed at establishing a neural network and fuzzy feedback control FES system used for adjusting the optimum electrical stimulating current to control the motion of an ankle joint. The proposed method further improves the drop-foot problem existing in hemiplegia patients. The proposed system includes both hardware and software. The hardware system determines the patient's ankle joint angle using a position sensor located in the patient's affected side. This sensor stimulates the tibialis anterior with an electrical stimulator that induces the dorsiflexion action and achieves the ideal ankle joint trace motion. The software system estimates the stimulating current using a neural network. The fuzzy controller solves the nonlinear problem by compensating the motion trace errors between the neural network control and actual system. The control qualities of various controllers for four subjects were compared in the clinical test. It was found that both the root mean square error and the mean error were minimal when using the neural network and fuzzy controller. The drop-foot problem in hemiplegic's locomotion was effectively improved by incorporating the neural network and fuzzy controller with the functional electrical simulator.     

FNS肢体运动疲劳特性的实验研究

研究了功能电刺激作用下的人体神经肌肉的疲劳特性和生物反应,初步确定了适合于人体神经肌肉电刺激脉冲信号的基本特征,以正常男性成人的曲肘运动（右手）为研究对象,将表面电极置于右手肱二头肌肌腹处,在肘关系（右手）处安装一个微型角位移传感器,通过多功能神经肌肉电刺激肢体运动测控仪器,获取曲肘运动时的肘关节角位移变化曲线,结果表明,在任何一种刺激模式作用下,曲肘运动均呈现严重非线性时变特性;缓慢连续变化的刺激脉冲能有效地缓解肱二头肌的疲劳程度,最佳的功能电刺激脉冲频率为30Hz-50Hz。     

基于中枢模式发生器控制的电刺激步行康复系统设计与实验

研发功能性电刺激(FES)康复系统来实现下肢瘫痪病人的行走运动。控制器采用基于中枢模式发生器(CPG)的仿生控制机理。针对基于递归神经振荡器的CPG模型,研究关键参数(激励性输入、时间常数、感觉反馈、输出阈值)对CPG输出幅值、频率、相位以及占空比的影响。建立包含12个神经元的CPG网络,以控制双腿的4个关节(左/右髋关节和膝关节)和八组肌群(左/右髂腰肌、臀大肌、股直肌和腘绳肌)。所搭建的实验系统和平台,包括悬吊减重系统、助行系统、电刺激系统和运动检测系统。在正常受试者参与的实验中,受试者在CPG控制的电刺激作用下产生非自主行走运动。实验结果表明,受试者双腿的髋关节和膝关节角度与正常人自主行走时的数据达到定性吻合,验证所设计的CPG控制器在FES康复系统中的可行性与有效性。     

跨关节肌肉力量与人健身关节操的影响

背景：有研究显示,肌肉力量大的人体患心血管疾病早逝的概率比肌肉力量小的人体要低20%-35%;青少年时期身体较强壮的人体较体质虚的人体的自杀概率要低20%-30%,患精神病和情绪失调的可能性也要低65%。因此,增强人体的肌肉力量能够有效地维护人们的身心健康。 目的：试图通过具有中医原理的健身关节操的锻炼,对人体的肘、膝关节进行意、气、动3方面调节,以期提高人体的免疫功能。 方法：随机抽取高校大二年级60名男大学生作为试验对象,受试者每周进行2次健身关节操锻炼,1 h/次,时间为8周,运用IsoMed等动测试仪连续5次等速运动,屈 60 (°)/s,伸60 (°)/s,测试肘关节和膝关节肌肉力量,采用IsoMed 2000等动测试仪测试受试人员的跨关节肌肉力量指标。 结果与结论：受试者在8周健身关节操锻炼后,肘关节屈、伸峰力矩、峰力矩的比值、平均关节活动范围均显著提高(P < 0.01);在做功方面,屈肌做功有提高,伸肌做功略有下降;膝关节伸峰力矩有显著性差异(P < 0.05)。结果提示,健身关节操能较大幅度提高肘关节屈肌群肌肉力量,对膝关节肌肉爆发力没有改善作用,对柔韧素质及平衡协调能力有明显改善。 中国组织工程研究杂志出版内容重点：组织构建;骨细胞;软骨细胞;细胞培养;成纤维细胞;血管内皮细胞;骨质疏松;组织工程全文链接：