从肌肉激活模式预测肌肉厚度形变：一种双注意力框架
信号处理
2024-09-30 v1 机器学习
摘要
理解肌肉激活与厚度形变之间的关系对于诊断肌肉相关疾病和监测肌肉健康至关重要。虽然超声技术可以测量肌肉运动过程中的厚度变化，但其在便携式设备中的应用受到布线和数据收集挑战的限制。另一方面，表面肌电图（sEMG）记录肌肉激活时的生物电信号。本文介绍了一种深度学习方法，利用sEMG信号预测肌肉厚度形变，从而无需超声测量。通过结合自注意力和交叉注意力机制的双注意力框架，该方法直接从sEMG数据预测肌肉形变。对六名健康受试者的实验结果表明，该方法能准确预测肌肉位移，平均精度为0.923±0.900毫米，表明该方法可促进实时便携式肌肉健康监测，在临床诊断、运动科学和康复领域具有应用潜力。
引用
@article{arxiv.2409.18266,
title = {Predicting Muscle Thickness Deformation from Muscle Activation Patterns: A Dual-Attention Framework},
author = {Bangyu Lan and Kenan Niu},
journal= {arXiv preprint arXiv:2409.18266},
year = {2024}
}