一种新型肌电模式识别策略用于不完全性脊髓损伤后的手功能恢复

本研究提出了一种新型肌电模式识别策略，旨在恢复不完全性脊髓损伤（SCI）后的手功能。来自九名不完全性脊髓损伤受试者前臂的57个通道的高密度表面肌电图（EMG）信号被记录，同时他们尝试执行六种不同的手抓握模式。一系列不同EMG特征集和分类器的模式识别算法被实现，以识别每个SCI受试者期望的任务。在七个不同类别（六种预期手抓握模式加上一种手休息模式）的分类中，实现了高平均整体准确率（> 97%），这表明可以从部分瘫痪的SCI受试者肌肉中提取出大量运动控制信息。这些信息有可能使辅助设备的自愿控制成为可能，从而促进手功能的恢复。此外，能够在仅从高密度表面EMG记录中选择的极少数量电极下保持高水平的分类准确率。这证明了使用肌电模式识别技术改善脊髓损伤个体的功能恢复在临床上的可行性和稳健性。