英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
用于痉挛截肢者的肌电步行模式分类
作者：Jason D. Miller, Mahyo Seyedali Beazer, and Michael E. Hahn
摘要 - 肌电控制算法具有潜力
检测被截肢者的动议意图，并允许假肢适应改变步行模式。肌电的发展概述了横断面截肢者的行走模式分类器。记录来自四只肌肉（胫骨前部，内侧腓肠肌（MG），外侧股骨和股二头肌）的肌电信号五名非受检对象和五名经胫骨截肢者各种行走模式：三级地平台，坡道上升/下降和楼梯上升/下降。这些信号被分解为相关特征（平均绝对值，方差，波长，斜率符号变化数，零交叉数）在步态周期三个子窗口上，用于测试用于胫骨截肢者分类算法的能力线性判别分析（LDA）和支持向量机（SVM）分类器。所有七种行走方式的检测对截肢组的准确率为97.9％，非受检组为94.7％。错误分类最频繁发生由于步态模式的类似性质，不同的步行速度。楼梯上升/下降具有最佳的分类精度截肢组为99.8％，非受试者为100.0％组。研究开发分类器的稳定性每个肌肉的电极移位障碍。移动电极MG的放置对两种样品的分类精度都有最显着的影响。分类不增加当使用SVM时，与LDA相比，观察到精度当前数据集。指标术语 - 肌电图，线性判别分析（LDA），肌电控制，支持向量机（SVM）。
一、引言
截至二零五零年，被截肢者人数有望稳步增加，达到翻番[1]。当前估计160万患者经历肢体损失美国45％包括下肢截肢者。尽管假肢技术有进步，但下肢截肢者一般仅限于使用脚踝假体系统由被动，弹性储能元素组成模拟健康下肢的动态功能。失脚踝观察发电量将胫骨截肢者的代谢能量成本提高20-30％，结果在不对称步态模式中，受影响的步幅长度减小四肢和自行选择的步行速度减少[3]。在另外，经肛门截肢者失去控制能力他们的脚踝功能的反应在不同的步行之间模式。对于健康受试者，已经观察到脚踝系统的功能在不同水平的地面调节步行速度[4]，不同坡度的步行地形[5]和升降楼梯[6]。为了进一步推进假肢技术和替代截肢期神经连接损失，肌电控制一直是重大研究工作的重点。肌电控制努力主要集中在上肢截肢者。直到最近，下肢截肢者已有有限的进展[7]。下肢截肢角肌分离术已被用于离散关节角分离[8]连续关节运动学估计[9]，分离关节屈曲/伸展或内部/外部旋转运动意图[10] - [12]和行走模式分类[13] - [15]。当使用肌电信号进行行走模式分类时，检测到6到7种不同的行走模式被观察到可能用于经股动脉截肢者使用来自肌肉的10-16肌电信号的组合的剩余肢体和非肢体肢体[14]，[15]。该分类精度范围从80％到100％不等取决于被分类的模式，肌电开窗方案和所使用的机器学习算法。对于胫骨截肢者，行走模式的选择只有观察到在两种不同的行走模式之间是可能的（水平地面和楼梯下降）[16]。该算法需要有意识地收缩截肢者残肢仅在单个受试者身上进行的肌肉。不同已经显示机器学习算法在支持向量机（SVM）超越性能方面更为有利线性判别分析（LDA）[15]和LDA表现优于人工神经网络[14]。肌电控制成为下肢截肢者的现实选择需要进行若干进展。特别对于经肛门截肢者，分类范围较广行走模式是必要的，以反映正常的复杂性步行地形分类器对扰动的稳定性也必须考虑。对上肢截肢者的影响对各种扰动的分类精度一直存在以前探索过。观察到最显着的扰动是电极放置的移动[17]。排量分类器的计算需求也是肌电控制开发的重要一步，可以b通过减少机器学习分类实现要求和肌电信号进行分类。这项研究的目的是开发和测试一个步行模式分类系统使用LDA和SVM，并进一步根据电极的偏移来测试系统的弹性放置。
二、方法
A.肌电数据收集
单侧胫骨截肢者样本（n = 5，全男性，年龄28.8plusmn;5.4岁，体重78.9plusmn;15.7公斤，身高：174plusmn;4.3公分，截肢肢3左/右右）和非受检对象样本（n = 5，4男/ 1女，年龄：39.2plusmn;16.0岁，重量：78.0plusmn;5.1kg，高度：173plusmn;3.0cm）。受试者从一般人群中选出并排除如果他们有神经肌肉疾病或病因是先天性的在自然界。截肢受试者使用其规定的被动假肢部件。机构审查委员会批准实验方案，知情同意书收到测试前每个科目。选择肌肉肌电图（EMG）收集：胫前肌（TA），内侧腓肠肌（MG），股二头肌（BF）和外侧股（VL）。这些肌肉是基于1）它们作为膝关节和踝关节的主要激动剂/拮抗剂对的作用来选择的，2）容易EMG传感器放置的可及性，以及3）在胫骨的情况下剩余肢体中存在的相对肌肉质量截肢。使用湿凝胶Ag / AgCl在1500Hz下以无源双极单分化构型取数据表面电极。低调的新生儿电极（Ambu NF-50-K / US，Glen Burnie，MD，USA）用于柄的内侧肌肉，并使用标准夹持电极（Noraxon Single Electrodes＃272，Scottsdale，AZ，USA）为大腿肌肉。双侧收集肌电信号对彼此而言。只有来自单肢的信号才被使用分类。所选肢体是受影响的肢体或a随机选择肢体为截肢者和非受检者科目。收集了两个EMG通道每个肌肉组：主要和次要通道。为了主要渠道，电极是基于Delagi和Perotto的标准[18]。次级通道沿着肌肉的方向放置在主通道附近身体（见图1）。电极量之间的偏移量初级和次级通道为3厘米，相同所有四个肌肉。电极放置期间，受试者每人收缩肌肉组抵抗电阻，以验证正确的电极放置。对于TA和MG，被截肢者被要求设想弯曲或延伸失脚。所有被截肢者均自愿控制其残留肢体肌肉EMG信号相对于在这些肌肉训练期间测量的最大电压进行归一化。轻微被调查人员有时需要调整安置受试者由于横断肌的异常柄。这些调整是基于自愿收缩期间肌肉的触诊。 EMG信号是图。 1.双极电极放置显示在样本经肛门切除器上学科。电极位置显示为胫骨前（左），内侧腓肠肌（中心）和股外侧/股二头肌（右）。两极从每个肌肉群收集EMG信号。带通滤波（20-500 Hz），四阶巴特沃斯过滤器去除运动伪影和非生理信号内容[19]。足底双侧放置在足底在跟骨下面和第一跖趾关节。对于截肢者，脚踏开关位于相似的位置假脚的足底表面。数据采集各种步行条件，包括水平地面，楼梯上升/下降（SUP / SDW; 6个试验/步行模式; 6至7个步态循环/试验）和斜坡上升/下降（RUP / RDW; 6次试验/步行方式;九到十步态循环/试验）。楼梯表面由13个楼梯组成所有被截肢者都能以正常，单一的方式管理，类似于非受检者。斜坡面总共跨越12米。水平地面步行试验以三种不同的速度完成：自我选择（SSW;五试验;七个步态循环/试验），快速（FTW;两个试验;七个步态周期/试验）和缓慢（SLW;两次试验;七个步态循环/试验）。从每个试验，提取稳态步态循环来代表这些行走模式。不同级别的地面步行在以所需的行走速度（即，快速，正常或慢）指示受试者之后实现速度。每个步行速度是基于主体自己的决心而不是提供给对象的反馈或最小/最大阈值所需对于每个速度平均速度每级地面步行通过记录行驶距离和长度来测量试验每次试验的时间。楼梯均匀，17厘米上升和28厘米的跑步。斜坡的斜面是一个水平恒定5°。
B.行走模式分类
确定了脚跟（HS）和脚趾（TO）事件基于脚踏开关数据的初始和最终脚部接触。这些
当定义要发生分类的步态周期的子窗口时，事件被用作参考点（见图2）。为每个步态定义了三个EMG子窗口周期。数据分段如下：1）HS到HS 200ms，2）TO TO为300 ms，TO为3，TO为TO 100 ms。的长度每个子窗口都是基于经验观察来选择的围绕HS和TO事件的所有肌肉活动科目和步行模式。提取每个子窗口的五个特征用于分类：平均绝对值图。 EMG子窗口和示例EMG信号显示为单个截肢步态循环。肌电信号被归一化为最大自发收缩。使用三个EMG子窗口进行分类：1）脚跟罢工（HS）到脚后跟加200毫秒，2）脚趾（TO）减去300毫秒到脚趾，和3）脚趾脱去加上100毫秒。值，方差，波形长度，零交叉数，和斜率变化[7]，[17]，[20]。功能总数每个子窗口有20（4个肌肉times;5个特征/肌肉）和60个功能（20个功能/子窗口times;3子窗口）代表每个步态循环。使用主题特定的多类LDA和SVM在不同的行走模式之间进行分离。使用SVM时，一个线性内核和一个针对一个多类算法的内核[21]被使用。使用顺序完成SVM优化最小优化[15]，[21]。训练两个分类器使用k-fold算法完成，每个试验表示数据子集。总共共有33折。这两种算法都是用自定义代码实现的MATLAB v7.10.0环境。 SVM的非线性内核作为初步分类努力的一部分进行了探索，但是没有收益分类（数据未显示）。通过记录每个肌肉的双肌电信号来评估移动电极位置的效果身体。当确定电极位置偏移的影响在分类精度上，使用相同的k倍算法如前所述，分类器的原始精度。移位电极条件的训练数据集被定义为主要EMG通道和测试的特征数据集定义为来自次级EMG通道的特征。这允许对特征进行训练的分类器的模拟从标准电极位置和步行模式分类是根据潜在故障的特征进行的放错电极组。移位电极实验为每个肌肉分别进行。
三、结果
所有级别的平均步行速度（SSW，SLW，FTW）地面步行试验以每个学科为基础（见
表一）。平均步行速度各不相同对于所有三个期望的步行速度。但是，明显的变化观察每个受试者的每个指示速度。这支持了每个主题都经历了三种不同和可重复的步行模式的假设。结果，三种不同的步行速度被视为独立行走模式进行分类。
A.行走模式分类
展示了两种分类算法（LDA和SVM）被截肢组内的分类准确度相似表I平均速度（M / S）plusmn;SD非受检组织。评估分类准确性每个科目作为相对于正确分类的数量总分类在所有七种行走模式之间分离时的平均分类精度（plusmn;SD）（SSW，SLW，FTW，SUP，SDW，RUP和RDW）截肢组SVM分别为97.9％（plusmn;0.22）和97.9％（plusmn;1.39），其中93.3％（plusmn;2.62）和94.7％（plusmn;2.82）非受检组。混淆矩阵显示错误分类的百分比两组患者的步态周期见表二。该最常见的错误分类是在水平地面条件下的不同步行速度之间。的准确性不同步行速度之间的分类与LDA和截肢者的SVM分别为92.0％（plusmn;11.7）和91.5％（plusmn;8.43），非受试者组为84.9％（plusmn;2.42）和91.9％（plusmn;14.1）。平均分类精度（plusmn;SD），当分为五个步行模式（水平地面全部步行速度合并，SUP，SDW，RUP，RDW）为98.5％（plusmn;0.30）和98.2％（plusmn;1.39），96.9％（plusmn;2.42）分别为96.4％（plusmn;2.82）。楼梯行走模式的错误分类是最不常见的错误分类的类型。进行分类时SUP，SDW和所有其他行走模式，分类精度提高到99.7％（plusmn;0.70）和99.8％（plusmn;0.29）截肢组为100.0％（plusmn;0.00）和100.0％（plusmn;0.00）分别使用LDA和SVM时的非受访组。
B.电极切换条件
每个科目的分类精度的变化移位电极条件见表三。对于一些被截肢的受试者，残肢不够长以允许放置需要的电极数量从TA收集两个相邻的EMG信号。结果，移位TA电极条件不能模拟三个被截肢者。跨越两组和分类算法，移动MG电极的位置导致降幅最大的分类精度下降超过60％的一个非受检对象。这个大幅度的下降分类准确性主要是由于错误分类层级地面步行速度和级别地面步行和斜坡行走模式之间的错误分类。楼梯行走模式的分类更能抵抗退化在移动的电极条件下比其他行走模式。当模拟MG肌肉的电极位移时，仅使用LDA和SVM的阶梯模式分类分别为截肢组平均分类精度的1.0％和1.9％。平均下降所有七种行走模式的分类准确性截肢组在MG移位电极条件下为分别为LDA和SVM的15.8％（plusmn;17.8）和23.1％（plusmn;22.3），与使用主电极位置。
四、讨论
A.行走模式分类
七种不同行走方式的相关分类观察到使用EMG数据的胫骨截肢者是可行的从四个肌肉和功能集计算成本低。分类准确率在90.0％〜98.2％之间截肢受试者为89.6％至98.7％，占89.0％至95.4％而使用LDA的非受检对象为91.4％〜97.7％SVM。当在不同级别的地面步行速度之间进行分离时，分类器是最不准确的。水平地面步行速度分级较低可以是由于这些肌肉激活的固有相似性行走模式。步行速度略有调整在当前算法中可能不会很容易地检测到比较对与更明显的行走模式相关联的肌肉活动模式进行更大的调整。基于这种观察，可以更适合于改变步行速度的检测使用机械传感器。准确检测步行速度以前已经使用单独的刀柄来证明惯性测量单元[22]。以前的下肢肌电控制报告[15]报告使用更好的分类精度SVM方法。在本研究中，我们观察到SVM分类与LDA分类准确度非常相似没有对于任何一组受试者或各种分离物的分类精度没有显着或一致的增加评估。 LDA方法具有较低的计算成本训练和分类。没有增加在分类准确性方面，我们的研究结果表明LDA是更高效的分类器，用于此特定数据集。以前的肌电控制努力集中在为经股动脉截肢者进行类似的行走模式分类[14]，[15]。最近这些努力[15]使用了连续开窗方案，分段EMG信号进入重复，恒定时间间subwindows。当前努力能够产生类似的分类精度使用更少的替代窗口方案每个步态周期的子窗口和更少的EMG输入信号。都开窗方案具有固有的优势。在这种努力中提出的方案导致具有较低计算成本的分类器，因为较少的子窗口和EMG信号导致控制器的计算少。计算量较低成本可能使提出的分类器更现实的选择为现实世界使用。连续窗口分类器是可以的使用后处理技术（即多数投票）更好管理零星错误分类。连续开窗也能够识别不同之间的中间过渡行走模式。识别步行之间的过渡没有使用当前窗口方案显示模式。
B.电极切换条件
肌电分类器对电极移位的稳定性相关的假肢的附件不是常数。具体来说，每次假肢穿上表面的位置电极将经历位置的轻微变化。最近的努力已经显示出对电极移动的增强的鲁棒性更大的电极间距离和包括的特征集两个自回归系数和时域特征[23]。这个过程中的电极偏移量是基于的使用的电极的尺寸（因为电极不能重叠并记录EMG信号）并与之吻合上
全文共7013字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[144634]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
