首页 >> 公司新闻 >>新闻 >> 肌电图技术与应用研讨会连接机器人和神经控制康复
公司新闻

肌电图技术与应用研讨会连接机器人和神经控制康复

肌电图技术与应用研讨会-EMG研究和应用高峰论坛与第十二届康复工程与辅助技术大会同期上海光大会展中心举办,第十二届康复工程与辅助技术大会举办时间2017年7月14-16号,肌电图技术与应用研讨会在分会场2017年7月15号下午1:00点-6:00点。欢迎各界同仁参加。 

此次肌电图技术与应用研讨会是由美国DE LUCA基金 DELSYS 主办,被邀请的演讲者都是HMI、康复和EMG技术领域的研究者。从来自中国、加拿大和美国的受尊敬的研究机构,演讲者各有其独特的视角,并将在这些领域展示他们的研究成果。

Sunil K. Agrawal 哥伦比亚大学,美国

改善姿势和步态的机器人技术 神经紊乱限制了人类进行日常生活活动的能力。设计得当的机器人可以用来探测人类神经肌肉系统, 并创造新的途径来重新学习、恢复和改善功能运动。Sunil K. Agrawal博士在哥伦比亚大学机器人和 康复(ROAR)实验室的团队为此设计了创新的机器人,并且已经以人体为对象证实了这一点。人体实验 针对的是脑瘫、中风、脊髓损伤等患者。这次演讲将概述这些技术和科学研究的成果。 

Xingang Zhao 中国科学院沈阳自动化研究所,中国 

智能人机交互技术及其在康复机器人中的应用 sEMG信号被广泛应用于辅助机器人系统的智能人机界面,包括康复机器人系统和假肢设备,如假肢手、 手臂、下肢等。然而,不同对象的sEMG信号存在较大的不确定性,严重制约了辅助领域的广泛应用。在 这次演讲中,我将介绍sEMG信号处理的一些常见问题,以及我们针对不确定性的一些独特研究成果, 包括容错解码算法, 连续运动的估算方法、独立用户手势识别等。最后介绍几个sEMG信号控制机器人 系统的实例。 

Rong Song 中山大学,中国 

EMG信号的复杂性分析及其在中风患者运动分析中的应用 在感觉运动控制中肌电图(EMG)信号的复杂程度受到任务需求、中风和衰老等因素的影响。为了探索在 不同任务需求下单块肌肉活动的复杂性变化,利用模糊熵(FuzzyEn)和多尺度模糊熵(MSFuzzyEn)在不 同难度下进行手肘跟踪任务和手握控制任务。采用交叉模糊(C-FuzzyEn)来计算在肘关节运动中主动肌 和拮抗肌之间的肌间耦合。中风患者和年轻健康对象作为研究对照,结果证实了单一时间尺度下,MSFuzzyEn与其他熵相比在降噪方面的优越性。EMG信号的熵值随着任务的困难度增加。中风导致肌电信号 的熵值较低,主动肌和拮抗肌的C-FuzzyEn值较高,显示肌肉活动的复杂性降低,肌肉协调能力下降。 这些发现提高了我们对感觉运动控制机制的理解,感觉运动控制很容易受到中风和其他因素的影响。 需要进一步的研究来验证和促进这些熵指标在临床中的应用。 

Ning Jiang 滑铁卢大学,加拿大 

单元素超声波信号的姿态控制:与单通道表面肌电图的比较。 超声波(US)具有检测收缩肌体积变化的能力,是人机交互领域(HMI)的一种潜在技术。与超声波成 像(B-mode US)相比,来自静态单元件超声波传感器(A -mode US)的信号,对于实际应用(尤其是可穿 戴设备)来说,是一种性价比更高、更方便的方式。本研究比较了单通道A-mode US与单通道表面肌电 图(sEMG)信号(一种最流行的手势识别的信号模式)的性能。我们证明,在9个手势识别中,有6个手势a 模式的超声波表现优于sEMG,而sEMG在检测其他手势时优于a模式。我们还通过特征空间分析证明了a 模式在手势识别上的优势在于其在深层肌肉组织中检测信息的能力。本研究提出了a模式超声波与sEMG 之间的明显互补优势,说明了在手势识别应用中融合两种信号方式的可能性。

Dingguo Zhang 上海交通大学,中国 

通过经颅直流电刺激提高截肢者的肌电控制 为提高截肢患者通过EMG信号控制假肢的性能,提出并应用了一种神经调节技术——经颅直流电刺激 (tDCS)。tDCS可以增强运动皮层的兴奋性,唤醒大脑中的“冷冻”区域(EMG源)。从而提高了肌电信号 的质量,提高了基于模式识别的肌电控制的性能。该方法在6例截肢患者身上进行了试验,试验过程 中,在与受影响侧相对应的初级运动皮层进行了20分钟的tDCS。结果表明,tDCS显著降低了平均分类误 差(CER) 10.1%。tDCS后,CER能够达到一个可用级别(<20%)。它对于显著降低截肢者对于有效地利用基 于模式识别的肌电假体的学习过程,具有巨大潜力。该方法还可提高单纯截肢患者的在线同步和比例控 制(SPC)性能。结果表明,tDCS可以显著提高在线SPC的性能,达到一个可接受的水平,并能在短时间内 有效地提高在线SPC的性能。 

Joshua C. Kline Delsys研究中心,美国 

dEMG运动神经元的靶向康复测量 全球有超过10亿人在运动中感受残疾的痛苦。然而,改善运动缺陷的康复疗法通常使用各种定性评估、 一系列运动测试和肌肉协调过程,这些方法可以推断但不能直接测量构成绝大多数神经或肌肉骨骼损伤 的神经系统中的缺陷。因此,需要先进的技术来访问控制人体运动的运动神经元,以更好地了解、评估 和治疗限制运动功能的残疾。为了解决这个未满足的需求,Delsys研发小组已经开发了一种无线肌电图 分解传感器(Trigno™dEMG)和无创性测量运动神经元发射行为的识别算法关于动态变化动作,练习和日 常生活活动。这一突破性创新为人类运动的研究和康复开辟了新的领域,包括:1)对潜在神经控制机制 的临床研究,以更好地理解、评估和治疗限制运动功能的残疾;2)康复和运动研究,描绘神经对肌肉力 量、灵巧性、协调性和平衡性的贡献;3)新颖的人机界面,直接使用神经触发控制康复机器人或假肢设 备。通过这些应用,Trigno™dEMG技术对于神经和肌肉骨骼损伤,与年龄相关的肌肉性能亏损的医疗保健 人群将有广泛深远的影响,以及那些将受益于先进的神经接口技术的人群。 

Xu Zhang 中国科学技术大学,中国 

通过无创性表面肌电图检查,揭示中风后的神经肌肉的变化 脑损伤如何影响运动单元(MU)的存活和功能尚为定论。这是一个非常重要的问题,因为MU是神经肌肉控 制的最终共同途径,它为神经和肌肉紊乱的检查提供了一个结构功能框架。以前很少有研究尝试使用表 面肌电图(EMG)来评估临床肌肉变化的本质,因为很难识别在自动收缩下的表面肌电图的单个运动单元 动作电位(因为它们的叠加和形状的相似性)。本次演讲特别介绍和总结了最近开发的利用常规表面肌电 图记录的生物标志物检测临床轻瘫肌肉变化的方法。与神经系统完整或对侧肌肉相比,异常的生物标志 物的混合模式在轻瘫肌肉中观察到,揭示了中风后的神经肌肉的MU水平似乎有不同的变化。鉴于这些无 创性的检查工具适合于临床应用,他们在监测肌肉的运动恢复方面的应用也有初步的发现。

Lin Chuang 中国科学院深圳先进技术研究院,中国 

通过神经网络和有限样本对假肢上肢肌电的连续控制 在本课题中,我将介绍一种新的连续肌电控制方案,该方案是用神经网络和有限的样本来控制假肢上 肢。我们的目标是估计上肢的角度,包括手指,只使用表面EMG信号(sEMG)。为了达到目的,在进行上 肢连续运动时,记录手指、肩膀、手肘的连续角度以及相应的sEMG信号。由多层感知网络和长短期记忆 网络(LSTM)网络建立了关节的肌电图与关节角之间的关系,多层感知网络是最简单的神经网络之一,它 是一种信息向正方向运动的前馈神经网络。在我们的实验中,MLP网络有两个隐藏层,每一层都有五十个 单元,第二个隐藏层的丢失参数设置为0.7,以避免过拟合的,最初的参数是一个正态分布变量方差为0.1, 损失函数是均方根(RMS),有5个输入(EMG通道)和3输出(2肩角度和1肘角)。EMG信号和角度分别由Delsys 公司生产的无线EMG放大器和生物特征检测器采集。EMG和角度的采样率均设为1000hz。采样窗口的宽度 为200,重叠180。EMG信号通过平滑窗口进行平滑处理,在发送到网络之前提取信号的包络。采用均方 根误差(RMSE)和交叉相关系数(CC)作为性能的度量。实验结果表明,利用MLP和LSTM网络的sEMG信号可 以准确地估计节点的角度,CC约为0.9。这意味着只有通过sEMG信号才能实现对机器人上肢或假肢上肢 的连续控制。

技术支持: 建站ABC | 管理登录