手部運(yùn)動(dòng)學(xué)包含前臂和遠(yuǎn)場(chǎng)電位的高密度表面肌電圖用于運(yùn)動(dòng)意圖識(shí)別

背景介紹

表面肌電（sEMG）信號(hào)能反映脊髓運(yùn)動(dòng)神經(jīng)元活動(dòng)，廣泛應(yīng)用于人機(jī)交互（HMI）中的運(yùn)動(dòng)意圖識(shí)別�，F(xiàn)有研究多集中于前臂肌肉的離散手勢(shì)識(shí)別，但在日常多變環(huán)境中穩(wěn)定性不足，且難以實(shí)現(xiàn)多自由度連續(xù)控制。高密度sEMG（HD-sEMG）可分解運(yùn)動(dòng)單位動(dòng)作電位，提升控制魯棒性。當(dāng)前公開(kāi)數(shù)據(jù)庫(kù)缺乏同時(shí)包含前臂與手腕HD-sEMG及手部運(yùn)動(dòng)學(xué)的數(shù)據(jù)，限制了手腕可穿戴設(shè)備與神經(jīng)驅(qū)動(dòng)控制算法的發(fā)展。為此，本研究提出了HD-FW KIN數(shù)據(jù)集，包含448通道HD-sEMG（前臂192通道、手腕256通道）、手指關(guān)節(jié)角度與握力數(shù)據(jù)，涵蓋21名受試者的20種手勢(shì)與9種手指按壓任務(wù)，旨在推動(dòng)手勢(shì)識(shí)別、連續(xù)運(yùn)動(dòng)控制與神經(jīng)接口技術(shù)的發(fā)展。

01論文摘要

本文提出了一個(gè)公開(kāi)的多模態(tài)數(shù)據(jù)集HD-FW KIN，用于基于sEMG的手部運(yùn)動(dòng)意圖識(shí)別研究。數(shù)據(jù)集包含21名健康受試者在執(zhí)行20種手勢(shì)（包括手指單獨(dú)/組合運(yùn)動(dòng)、手腕動(dòng)作）和9種手指按壓任務(wù)（20%與40%最大自主收縮力）時(shí)的448通道HD-sEMG信號(hào)，同時(shí)采集了數(shù)據(jù)手套記錄的手指關(guān)節(jié)角度與自定義力傳感器記錄的握力數(shù)據(jù)。研究驗(yàn)證了手腕（遠(yuǎn)場(chǎng)）與前臂（近場(chǎng)）sEMG在手勢(shì)分類(lèi)、手指角度預(yù)測(cè)與握力回歸中的有效性，并展示了基于運(yùn)動(dòng)單位分解的神經(jīng)驅(qū)動(dòng)分析潛力。該數(shù)據(jù)集支持手勢(shì)識(shí)別、連續(xù)運(yùn)動(dòng)控制、肌電分解等多個(gè)研究方向，適用于假肢控制、可穿戴設(shè)備與人機(jī)交互等領(lǐng)域。
 

02研究方法

研究招募21名健康右利手受試者，使用OT Bioelettronica公司的電極陣列同步采集前臂與手腕HD-sEMG信號(hào)：前臂采用3個(gè)8×8電極網(wǎng)格（型號(hào)GR10MM0808，電極間距10 mm，共192通道）；手腕采用4個(gè)5×13電極網(wǎng)格（型號(hào)GR04MM1305，電極間距4 mm，共256通道）。

信號(hào)通過(guò)quattrocento+,以2000 Hz采樣率記錄。手部運(yùn)動(dòng)學(xué)數(shù)據(jù)通過(guò)SDT Data Glove 14 Ultra數(shù)據(jù)手套（200 Hz）采集14個(gè)關(guān)節(jié)角度；握力通過(guò)定制力傳感器（RFP 602，1000 Hz）記錄五指的等長(zhǎng)收縮力。實(shí)驗(yàn)分為兩部分：第一部分執(zhí)行20種手勢(shì)（含動(dòng)態(tài)與靜態(tài)收縮）；第二部分執(zhí)行9種手指按壓任務(wù)（20%與40% MVC）。數(shù)據(jù)經(jīng)50 Hz陷波濾波、0.13 Hz高通與1 kHz低通預(yù)處理后，以WFDB格式公開(kāi)。

03實(shí)驗(yàn)結(jié)果

研究通過(guò)多組實(shí)驗(yàn)驗(yàn)證數(shù)據(jù)質(zhì)量與應(yīng)用潛力：

1、手勢(shì)分類(lèi)：基于前臂與手腕HD-sEMG，使用LDA分類(lèi)器對(duì)14種手部手勢(shì)與6種手腕動(dòng)作進(jìn)行分類(lèi)，平均準(zhǔn)確率分別達(dá)90%以上（圖3）。
 

 
2、手部運(yùn)動(dòng)學(xué)預(yù)測(cè)：采用RMS特征與運(yùn)動(dòng)單位（MU）分解方法預(yù)測(cè)手指關(guān)節(jié)角度。前臂sEMG的預(yù)測(cè)相關(guān)性（R值）為0.8959（RMS）與0.7756（MU），手腕sEMG分別為0.8554與0.7409（圖4、圖5），顯示手腕信號(hào)在連續(xù)角度預(yù)測(cè)中具有可比性能。
 

 
3、握力回歸與肌電分解：使用多元線性回歸（MLR）預(yù)測(cè)握力，前臂與手腕sEMG在20% MVC下的平均RMSE分別為6.25%與6.46%�；�于卷積核補(bǔ)償（CKC）的肌電分解結(jié)果顯示，前臂平均解碼MU數(shù)為27.79，手腕為14.25；握力擬合相關(guān)性前臂達(dá)0.90，手腕為0.78（表4，圖7）。
 

04總結(jié)與展望

HD-FW KIN數(shù)據(jù)集首次提供了同步采集的前臂-手腕HD-sEMG、手部運(yùn)動(dòng)學(xué)與握力數(shù)據(jù)，填補(bǔ)了該領(lǐng)域公開(kāi)數(shù)據(jù)的空白。實(shí)驗(yàn)驗(yàn)證了手腕sEMG在手勢(shì)分類(lèi)、連續(xù)運(yùn)動(dòng)控制與神經(jīng)驅(qū)動(dòng)分析中的有效性，為手腕可穿戴設(shè)備提供了數(shù)據(jù)支持。

未來(lái)研究可基于該數(shù)據(jù)集開(kāi)發(fā)魯棒的手勢(shì)識(shí)別算法、連續(xù)比例控制模型與運(yùn)動(dòng)單位分解方法，推動(dòng)智能假肢、康復(fù)機(jī)器人及消費(fèi)電子人機(jī)交互的發(fā)展。數(shù)據(jù)集的局限在于未包含手腕動(dòng)作的動(dòng)態(tài)運(yùn)動(dòng)學(xué)數(shù)據(jù)，未來(lái)可通過(guò)慣性傳感器補(bǔ)充。數(shù)據(jù)與代碼已開(kāi)源，便于學(xué)術(shù)界進(jìn)一步探索與應(yīng)用。
 

原文鏈接：
 
https://doi.org/10.1038/s41597-025-04749-8

研究團(tuán)隊(duì)介紹

本研究團(tuán)隊(duì)來(lái)自上海交通大學(xué)機(jī)器人研究所與機(jī)械系統(tǒng)與振動(dòng)國(guó)家重點(diǎn)實(shí)驗(yàn)室，由Chaowei Guo、Zeming Zhao、Zeyu Zhou、Bin Fang、Yang Yu與Xingjun Sheng組成。團(tuán)隊(duì)長(zhǎng)期專(zhuān)注于機(jī)器人學(xué)、人機(jī)交互、肌電信號(hào)處理與神經(jīng)工程領(lǐng)域的前沿研究，致力于通過(guò)高密度表面肌電與多模態(tài)傳感技術(shù)，實(shí)現(xiàn)對(duì)手部運(yùn)動(dòng)意圖的精準(zhǔn)解碼與自然交互。

在本研究中，團(tuán)隊(duì)設(shè)計(jì)并完成了多被試、多手勢(shì)、多力級(jí)的實(shí)驗(yàn)，構(gòu)建了首個(gè)同步包含前臂-手腕HD-sEMG、手部運(yùn)動(dòng)學(xué)與握力的開(kāi)放數(shù)據(jù)集，為智能假肢、可穿戴設(shè)備與人機(jī)交互算法的發(fā)展提供了重要數(shù)據(jù)與技術(shù)支持。

 
聯(lián)系我們

電話: 15920901903
官網(wǎng)：https//www.ruihongan.cn