具有一致电极放置的廉价表面肌电袖套通过深度学习实现灵巧且稳定的假肢控制
机器人学
2020-03-03 v1 计算机视觉与模式识别
神经元与认知
摘要
传统肌电假肢的灵巧性部分受限于用于控制算法训练的小数据集。表面电极放置的变动使得难以收集一致数据并随时间可靠估计运动意图。为应对这些挑战，我们开发了一种廉价、易穿的袖套，可从 32 个嵌入式单极电极记录稳健且可重复的表面肌电。嵌入式孔眼用于使袖套与天然皮肤标记（如痣、雀斑、疤痕）一致对齐。该袖套可在数小时内以低于 60 美元制造。来自七名健全参与者的数据显示，该袖套提供 14 的信噪比、低于 11 秒的穿戴时间以及亚厘米级的电极放置精度。此外，在一例健全参与者的案例研究中，我们使用该袖套证明神经网络可提供六自由度的同时比例控制，即使在初始算法训练后 263 天依然如此。我们还强调，随时间累积的一致记录建立的大数据集显著改善了灵巧性。这些结果表明，使用 74 层神经网络的深度学习可大幅改善肌电假肢控制的灵巧性与稳定性，且深度学习技术可通过具有一致记录位置的廉价袖套/接受腔轻易实现并进一步验证。
引用
@article{arxiv.2003.00070,
title = {Inexpensive surface electromyography sleeve with consistent electrode placement enables dexterous and stable prosthetic control through deep learning},
author = {Jacob A. George and Anna Neibling and Michael D. Paskett and Gregory A. Clark},
journal= {arXiv preprint arXiv:2003.00070},
year = {2020}
}
备注
MEC2020