从肌电信号中学习并在线复现抓握力以控制假肢手指

部分手部截肢严重影响个体的生理和心理健康，然而，对外部动力假肢的直觉控制仍然是一个悬而未决的挑战。为了弥补这一差距，我们开发了一种由肌电图（EMG）信号驱动的力控假肢手指。该原型围绕一个腕部支架构建，作为一个放置在食指附近的额外手指，允许在健全受试者上进行早期评估。然后，我们实现了一个基于神经网络的模型，从EMG输入中估计指尖力，从而允许在线调整假肢手指的握力。该力估计模型通过十名参与者的实验进行了验证，证明了其在预测力方面的有效性。此外，四名佩戴该假肢的用户进行的在线试验展示了对设备的精确控制。我们的发现突显了使用基于EMG的力估计来增强假肢手指功能的潜力。