基于特征工程与级联森林的中风患者手部运动肌电识别方法

作者：胡少康; 张道辉; 赵新刚; 褚亚奇; 张立新; 赵利娜

来源：机器人, 2021, 43(05): 526-538.

DOI：10.13973/j.cnki.robot.200588

• 表面肌电信号
• 脑卒中
• 动作分类
• 人机交互
• 深度森林

针对基于表面肌电(sEMG)信号的中风患者运动意图识别率低的问题,提出了一种高识别率且适用于不同康复等级患者的手部运动意图识别方法。首先,使用30名不同康复等级患者的表面肌电数据进行了基于tsfresh库的特征提取和基于Feature-Selector库的特征选择,确定了最合适的滑动窗参数及适合患者运动识别任务的特征。然后,使用该方法进行动作识别实验,并和随机森林、卷积神经网络等方法比较,实验结果表明该方法对9种常用手部康复动作的平均识别精度为97.94%。最后,基于该方法开发了手部康复系统,通过在线识别实验分析了系统的实时性,并设计了患者跟踪实验以验证系统对患者手部康复的有效性。

• 单位
  中国科学院; 中国科学院大学; 中国医科大学附属盛京医院; 机器人学国家重点实验室; 中国科学院沈阳自动化研究所