Classificação de Movimentos Simultâneos Usando Reconhecimento de Padrões EMG Superficial

Próteses avançadas de membros superiores capaces de atuar em múltiplos graus de liberdade (DOFs) estão agora disponíveis comercialmente. Algoritmos de reconhecimento de padrões que utilizam sinais de eletromiografia de superfície (EMG) mostram grande promessa como controladores de múltiplos DOFs. Infelizmente, os sistemas de reconhecimento de padrões atuais estão limitados a ativar apenas um DOF por vez. Este estudo apresenta um classificador inovador baseado na teoria bayesiana para fornecer classificação de movimentos simultâneos. Esta abordagem e duas outras estratégias de classificação para movimentos simultâneos foram avaliadas utilizando sujeitos não amputados e amputados, classificando até três DOFs, onde quaisquer dois DOFs poderiam ser classificados simultaneamente. Resultados semelhantes foram encontrados para sujeitos não amputados e amputados. A nova abordagem, baseada em um conjunto de classificadores paralelos condicionais, foi a mais promissora, com erros significativamente menores (p < 0.05) do que um único classificador de análise discriminante linear (LDA) ou uma abordagem paralela. Para a classificação de três DOFs, a abordagem paralela condicional teve taxas de erro de 6.6% em movimentos discretos e 10.9% em movimentos combinados, enquanto o LDA único teve taxas de erro de 9.4% em movimentos discretos e 14.1% em movimentos combinados. As baixas taxas de erro demonstradas sugerem que técnicas de reconhecimento de padrões em EMG superficial podem ser estendidas para identificar movimentos simultâneos, o que poderia proporcionar movimentos mais realistas para amputados em comparação com a classificação exclusiva de movimentos sequenciais.