首页 >> 公司新聞 >>新聞 >> 肌電圖技術與應用研討會連接機器人和神經控制康復
公司新聞

肌電圖技術與應用研討會連接機器人和神經控制康復

肌電圖技術與應用研討會-EMG研究和應用高峰論壇與第十二屆康復工程與輔助技術大會同期上海光大會展中心舉辦,第十二屆康復工程與輔助技術大會舉辦時間2017年7月14-16號,肌電圖技術與應用研討會在分會場2017年7月15號下午1:00點-6:00點。歡迎各界同仁參加。 

此次肌電圖技術與應用研討會是由美國DE LUCA基金 DELSYS 主辦,被邀請的演講者都是HMI、康復和EMG技術領域的研究者。從來自中國、加拿大和美國的受尊敬的研究機構,演講者各有其獨特的視角,并將在這些領域展示他們的研究成果。

Sunil K. Agrawal 哥倫比亞大學,美國

改善姿勢和步態的機器人技術 神經紊亂限制了人類進行日常生活活動的能力。設計得當的機器人可以用來探測人類神經肌肉系統, 并創造新的途徑來重新學習、恢復和改善功能運動。Sunil K. Agrawal博士在哥倫比亞大學機器人和 康復(ROAR)實驗室的團隊為此設計了創新的機器人,并且已經以人體為對象證實了這一點。人體實驗 針對的是腦癱、中風、脊髓損傷等患者。這次演講將概述這些技術和科學研究的成果。 

Xingang Zhao 中國科學院沈陽自動化研究所,中國 

智能人機交互技術及其在康復機器人中的應用 sEMG信號被廣泛應用于輔助機器人系統的智能人機界面,包括康復機器人系統和假肢設備,如假肢手、 手臂、下肢等。然而,不同對象的sEMG信號存在較大的不確定性,嚴重制約了輔助領域的廣泛應用。在 這次演講中,我將介紹sEMG信號處理的一些常見問題,以及我們針對不確定性的一些獨特研究成果, 包括容錯解碼算法, 連續運動的估算方法、獨立用戶手勢識別等。最后介紹幾個sEMG信號控制機器人 系統的實例。 

Rong Song 中山大學,中國 

EMG信號的復雜性分析及其在中風患者運動分析中的應用 在感覺運動控制中肌電圖(EMG)信號的復雜程度受到任務需求、中風和衰老等因素的影響。為了探索在 不同任務需求下單塊肌肉活動的復雜性變化,利用模糊熵(FuzzyEn)和多尺度模糊熵(MSFuzzyEn)在不 同難度下進行手肘跟蹤任務和手握控制任務。采用交叉模糊(C-FuzzyEn)來計算在肘關節運動中主動肌 和拮抗肌之間的肌間耦合。中風患者和年輕健康對象作為研究對照,結果證實了單一時間尺度下,MSFuzzyEn與其他熵相比在降噪方面的優越性。EMG信號的熵值隨著任務的困難度增加。中風導致肌電信號 的熵值較低,主動肌和拮抗肌的C-FuzzyEn值較高,顯示肌肉活動的復雜性降低,肌肉協調能力下降。 這些發現提高了我們對感覺運動控制機制的理解,感覺運動控制很容易受到中風和其他因素的影響。 需要進一步的研究來驗證和促進這些熵指標在臨床中的應用。 

Ning Jiang 滑鐵盧大學,加拿大 

單元素超聲波信號的姿態控制:與單通道表面肌電圖的比較。 超聲波(US)具有檢測收縮肌體積變化的能力,是人機交互領域(HMI)的一種潛在技術。與超聲波成 像(B-mode US)相比,來自靜態單元件超聲波傳感器(A -mode US)的信號,對于實際應用(尤其是可穿 戴設備)來說,是一種性價比更高、更方便的方式。本研究比較了單通道A-mode US與單通道表面肌電 圖(sEMG)信號(一種最流行的手勢識別的信號模式)的性能。我們證明,在9個手勢識別中,有6個手勢a 模式的超聲波表現優于sEMG,而sEMG在檢測其他手勢時優于a模式。我們還通過特征空間分析證明了a 模式在手勢識別上的優勢在于其在深層肌肉組織中檢測信息的能力。本研究提出了a模式超聲波與sEMG 之間的明顯互補優勢,說明了在手勢識別應用中融合兩種信號方式的可能性。

Dingguo Zhang 上海交通大學,中國 

通過經顱直流電刺激提高截肢者的肌電控制 為提高截肢患者通過EMG信號控制假肢的性能,提出并應用了一種神經調節技術——經顱直流電刺激 (tDCS)。tDCS可以增強運動皮層的興奮性,喚醒大腦中的“冷凍”區域(EMG源)。從而提高了肌電信號 的質量,提高了基于模式識別的肌電控制的性能。該方法在6例截肢患者身上進行了試驗,試驗過程 中,在與受影響側相對應的初級運動皮層進行了20分鐘的tDCS。結果表明,tDCS顯著降低了平均分類誤 差(CER) 10.1%。tDCS后,CER能夠達到一個可用級別(<20%)。它對于顯著降低截肢者對于有效地利用基 于模式識別的肌電假體的學習過程,具有巨大潛力。該方法還可提高單純截肢患者的在線同步和比例控 制(SPC)性能。結果表明,tDCS可以顯著提高在線SPC的性能,達到一個可接受的水平,并能在短時間內 有效地提高在線SPC的性能。 

Joshua C. Kline Delsys研究中心,美國 

dEMG運動神經元的靶向康復測量 全球有超過10億人在運動中感受殘疾的痛苦。然而,改善運動缺陷的康復療法通常使用各種定性評估、 一系列運動測試和肌肉協調過程,這些方法可以推斷但不能直接測量構成絕大多數神經或肌肉骨骼損傷 的神經系統中的缺陷。因此,需要先進的技術來訪問控制人體運動的運動神經元,以更好地了解、評估 和治療限制運動功能的殘疾。為了解決這個未滿足的需求,Delsys研發小組已經開發了一種無線肌電圖 分解傳感器(Trigno™dEMG)和無創性測量運動神經元發射行為的識別算法關于動態變化動作,練習和日 常生活活動。這一突破性創新為人類運動的研究和康復開辟了新的領域,包括:1)對潛在神經控制機制 的臨床研究,以更好地理解、評估和治療限制運動功能的殘疾;2)康復和運動研究,描繪神經對肌肉力 量、靈巧性、協調性和平衡性的貢獻;3)新穎的人機界面,直接使用神經觸發控制康復機器人或假肢設 備。通過這些應用,Trigno™dEMG技術對于神經和肌肉骨骼損傷,與年齡相關的肌肉性能虧損的醫療保健 人群將有廣泛深遠的影響,以及那些將受益于先進的神經接口技術的人群。 

Xu Zhang 中國科學技術大學,中國 

通過無創性表面肌電圖檢查,揭示中風后的神經肌肉的變化 腦損傷如何影響運動單元(MU)的存活和功能尚為定論。這是一個非常重要的問題,因為MU是神經肌肉控 制的最終共同途徑,它為神經和肌肉紊亂的檢查提供了一個結構功能框架。以前很少有研究嘗試使用表 面肌電圖(EMG)來評估臨床肌肉變化的本質,因為很難識別在自動收縮下的表面肌電圖的單個運動單元 動作電位(因為它們的疊加和形狀的相似性)。本次演講特別介紹和總結了最近開發的利用常規表面肌電 圖記錄的生物標志物檢測臨床輕癱肌肉變化的方法。與神經系統完整或對側肌肉相比,異常的生物標志 物的混合模式在輕癱肌肉中觀察到,揭示了中風后的神經肌肉的MU水平似乎有不同的變化。鑒于這些無 創性的檢查工具適合于臨床應用,他們在監測肌肉的運動恢復方面的應用也有初步的發現。

Lin Chuang 中國科學院深圳先進技術研究院,中國 

通過神經網絡和有限樣本對假肢上肢肌電的連續控制 在本課題中,我將介紹一種新的連續肌電控制方案,該方案是用神經網絡和有限的樣本來控制假肢上 肢。我們的目標是估計上肢的角度,包括手指,只使用表面EMG信號(sEMG)。為了達到目的,在進行上 肢連續運動時,記錄手指、肩膀、手肘的連續角度以及相應的sEMG信號。由多層感知網絡和長短期記憶 網絡(LSTM)網絡建立了關節的肌電圖與關節角之間的關系,多層感知網絡是最簡單的神經網絡之一,它 是一種信息向正方向運動的前饋神經網絡。在我們的實驗中,MLP網絡有兩個隱藏層,每一層都有五十個 單元,第二個隱藏層的丟失參數設置為0.7,以避免過擬合的,最初的參數是一個正態分布變量方差為0.1, 損失函數是均方根(RMS),有5個輸入(EMG通道)和3輸出(2肩角度和1肘角)。EMG信號和角度分別由Delsys 公司生產的無線EMG放大器和生物特征檢測器采集。EMG和角度的采樣率均設為1000hz。采樣窗口的寬度 為200,重疊180。EMG信號通過平滑窗口進行平滑處理,在發送到網絡之前提取信號的包絡。采用均方 根誤差(RMSE)和交叉相關系數(CC)作為性能的度量。實驗結果表明,利用MLP和LSTM網絡的sEMG信號可 以準確地估計節點的角度,CC約為0.9。這意味著只有通過sEMG信號才能實現對機器人上肢或假肢上肢 的連續控制。

技术支持: 建站ABC | 管理登录
波叔一波中特