适用不同Brunnstrom等级患者基于表面肌电信号的动作识别方法

发布时间：2021-04-21 18:27

　　针对不同患病程度的脑卒中患者运动意图识别率低的问题,提出了一种适用于不同Brunnstrom等级患者基于表面肌电信号（sEMG）的动作识别方法.首先将所有等级患者s EMG数据进行融合,使用tsfresh库提取特征,然后基于随机森林（random forest,RF）模型筛选特征,并利用筛选的特征训练动作分类模型.进一步,通过研究动作和康复等级的关系,确定了康复评估动作并设计了康复等级自动评估算法.为了验证所提方法的有效性,在24例患者sEMG数据上进行了测试,实验结果表明所提方法能够将9种动作和6类康复等级的平均识别精度分别提升至89.81%和94%.基于所提方法构建的手部康复机器人系统能够实现康复等级自动评估. 

【文章来源】：机器人. 2020,42(06)北大核心EICSCD

【文章页数】：12 页

【文章目录】：
1 引言（Introduction）
2 实验和方法（Experiments and methods）
    2.1 实验数据采集
    2.2 数据预处理
    2.3 基于tsfresh库的特征提取方法
    2.4 基于随机森林的特征选择方法
    2.5 堆叠集成学习方法
    2.6 基于sEMG的运动意图识别方法
    2.7 基于sEMG的康复等级自动评估方法
    2.8 手部康复机器人
3 结果与讨论（Results and discussion）
    3.1 基于tsfresh库的提取特征和常用特征对比结果
    3.2 基于RF选择的特征和常用特征对比结果
    3.3 堆叠集成模型与基础分类模型对比结果
    3.4 患者等级与康复训练动作之间的关系
    3.5 康复等级自动评估算法结果
4 结论与未来工作（Conclusions and future work）


【参考文献】：
期刊论文
[1]脑卒中意念控制的主被动运动康复技术[J]. 李敏,徐光华,谢俊,韩丞丞,张鑫,李黎黎,张四聪.  机器人. 2017(05)
[2]康复机器人与智能辅助系统的研究进展[J]. 侯增广,赵新刚,程龙,王启宁,王卫群.  自动化学报. 2016(12)
[3]面向人机融合的智能动力下肢假肢研究现状与挑战[J]. 王启宁,郑恩昊,陈保君,麦金耿.  自动化学报. 2016(12)
[4]基于表面肌电的运动意图识别方法研究及应用综述[J]. 丁其川,熊安斌,赵新刚,韩建达.  自动化学报. 2016(01)
[5]脑卒中后手功能康复现状[J]. 贾杰.  老年医学与保健. 2015 (03)



本文编号：3152262