基于肌电的机器学习

基于肌电的机器学习

摘要：
本文介绍了一种基于肌电图的输入接口，该接口使用机器学习技术，适用于肢体残障人士。我们开发了一种虚拟手，可以在虚拟环境中使用肌电信号进行操作。在本文中，我们使用虚拟手执行了一个提升物体任务和框块测试任务。根据提升物体任务的实验结果，证实了六种腕关节运动分类，并且实验对象在虚拟空间中用虚拟手适当地提升物体。在方块测试任务中，确认他在60秒内将方块移动到方块的另一侧9次。

第一节导言

肌电信号是由肌肉收缩产生的电信号。一些研究人员已经报道了基于肌电信号的控制器，如肌电假肢。当我们长时间运动肌肉时，就会出现肌肉疲劳。这对基于肌电图的界面有很大影响。

我们使用机器学习方法开发了基于肌电图的界面，旨在提高肢体残障人士的生活质量。

虚拟环境中的虚拟手操作被提出用于假手训练和康复。Lambrecht等人开发了一种经肱骨假体模拟器。有两种控制方法：顺序和同步命令方法。在顺序方法中，来自两块肌肉和开关的肌电信号用于控制假体。在同步控制方法中，使用来自五块肌肉的肌电信号。Nissler等人开发了一种系统，该系统使用来自八块肌肉的肌电信号执行比例和同时控制。我们使用的电极越多，系统性能越好，但系统成本越高。

在本文中，我们测量了来自两块肌肉的腕关节运动的肌电信号，并利用LSTM（long-short-term memory）制作了一个分类器来控制虚拟环境中的虚拟手。然后，进行以下实验评估：根据SHAP（南安普敦手部评估程序）抓取物体，这是上肢假肢的评估测试，并进行方块测试，这是手部灵巧度的测试。