XiaoMi-AI文件搜索系统
World File Search System肌电
肌电假手的人工感知和半自主控制可提高性能并减少工作量
摘要 — 由于肌电人机界面的局限性，对具有多关节腕部/手部的上肢假肢进行灵巧控制仍然是一个挑战。多种因素限制了这些界面的整体性能和可用性，例如需要按顺序而不是同时控制自由度，以及从虚弱或疲劳的肌肉中解读用户意图的不准确性。在本文中，我们开发了一种新型人机界面，该界面赋予肌电假肢 (MYO) 人工感知、用户意图估计和智能控制 (MYO-PACE)，以在准备假肢进行抓取时持续为用户提供自动化支持。我们在实验室和临床测试中将 MYO-PACE 与最先进的肌电控制 (模式识别) 进行了比较。为此，八名健全人和两名截肢者进行了一项标准临床测试，该测试由一系列操纵任务（SHAP 测试的一部分）以及在杂乱场景中更复杂的转移任务序列组成。在所有测试中，受试者不仅使用 MYO-PACE 更快地完成了试验，而且还实现了
基于表面肌电图的平台，用于评估肌肉减少症
Andrea Caroppo, Gabriele Rescio, Alessandro Leone, Pietro Siciliano National Research Council of Italy - Institute for Microelectronics and Microsystems Via Monteroni, c/o Campus Università del Salento, Palazzina A3, Lecce, Italy email: andrea.caroppo@cnr.it email: gabriele.rescio@cnr.it电子邮件：alessandro.leone@cnr.it电子邮件：pietro.siciliano@le@le.imm.cnr.it摘要 - 肌肉减少症是一种疾病，其特征是失去肌肉质量和肌肉力量。它与自然衰老过程以及老年医疗状况和床休息有关。因此，从医学的角度来看，可以定期监测患有肌肉减少症风险的患者，以通过客观和特定的指标来早日检测其发作或进展，这是非常有益的。在过去的几年中，表面肌电图（SEMG）越来越多地在该研究领域的预防，诊断和康复中起着重要作用。此外，EMG技术的最新进展允许开发低侵入性且可靠的基于智能EMG的可穿戴设备。本文介绍了一个集成平台的设计和实现，该平台包括基于SEMG的可穿戴设备以及与用于病理学临床监测和管理的处理软件的接口。该系统旨在随着时间的推移而进行预防（早期诊断）和监测患者病情的目的。在这里，我们介绍了有关开发的肌肉减少症管理平台的可行性的初步研究。具体而言，这项工作涉及鉴定EMG信号的采样频率与EMG信号中提取的高度歧视特征的差异之间的最佳权衡，以自动测量肌肉折叠术。
绿色功率到肌电系统的新型整合：可逆的氧化物燃料电池，用于氢气和动力生产，并与氨合成单元
世界对化石燃料的依赖是主要的能源来源，导致气候变化和全球变暖。可再生能源被视为维持全球温暖以下2 C的关键解决方案。气候变化和全球变暖的有害影响已在过去十年中推动了世界，从而大规模地部署了可再生能源技术，包括风能，太阳能PV，集中太阳能，生物质等。然而，可再生能源的间歇性，前的太阳照射和风速，在低或没有太阳辐射和风能时，需要储能技术来满足能量的能量。当没有太阳照射和风时，可以存储太阳能PV或风能的多余能量。化学能源储能技术（电力气体）（例如电源器和燃料电池）已通过商业化的一些技术（例如质子交换膜（PEM））引起了人们的关注[1]。由于高气体能量密度，力量到燃气系统很有吸引力。高温可逆的氧化物燃料电池（RSOFC）最近由于电解能力和燃料电池（发电）在一台设备中的功能而引起了人们的关注。RSOFC比常规存储技术具有优势，适应性，能力（功率大小的多功能性和两种操作模式中的能量能力）和高效率[1]。单个堆栈的使用可通过降低植物组件（BOP）来提供较低的资本支出，因为大多数组件都用于电解和燃料电池运行中。然而，在电力到达电力系统中设想的主要能源载体具有巨大的储存和运输成本，与其高光度和低体积密度有关，而作为氢载体的氢载体具有低体积密度和低易光性。与一日储存（v /kg）相比，氢的储存量高约24倍，储存15天的储存量是36倍，在182天的存储空间中，储存量的24倍[2]。因此，氢的生产和随后转化为氨储存的氨的转化引起了很多关注，因为氨被视为可持续燃料（未来的液态天然气），以使能源部门脱碳，并且难以减少工业。氨气适合运输，以满足液化天然气目前满足的一些能源需求，包括电力，运输，供暖等以及目前用于肥料生产的用途。最近，已经有关于电力系统的氨的建模研究。siddiqui和Dincer [3]开发了一种基于太阳能的集成能量系统的热力学模型，该模型由太阳能PV工厂，PEM电解器，Press-Press-Ar-Press-wister-wister-wister-wister-swing Adsoraging（PSA）单位，氨合成单元
利用表面肌电图解读中风患者的踝关节运动
摘要：中风是一种脑血管疾病 (CVD)，会导致偏瘫、瘫痪或死亡。传统上，中风患者需要长时间接受物理治疗师的治疗才能恢复运动功能。各种家用康复设备也可用于上肢，几乎不需要物理治疗师的帮助。然而，目前还没有经过临床验证的用于下肢功能恢复的设备。在本研究中，我们探索了表面肌电图 (sEMG) 作为控制机制在开发中风患者家用下肢康复设备方面的潜在用途。在本实验中，我们使用三个通道的 sEMG 记录了 11 名中风患者进行踝关节运动时的数据。然后从 sEMG 数据中解码运动，并研究它们与运动损伤程度的相关性。使用 Fugl-Meyer 评估 (FMA) 量表量化损伤程度。在分析过程中，提取了 Hudgins 时域特征，并使用线性判别分析 (LDA) 和人工神经网络 (ANN) 进行分类。平均而言，在离线分析中，LDA 和 ANN 分别准确分类了 63.86% ± 4.3% 和 67.1% ± 7.9% 的动作。我们发现，在两个分类器中，某些动作的表现都优于其他动作（LDA p < 0.001，ANN p = 0.014）。计算了 FMA 分数和分类准确度之间的 Spearman 相关性 (ρ)。结果表明，两者之间存在中等正相关性（LDA ρ = 0.75，ANN ρ = 0.55）。本研究结果表明，可以开发家庭 EMG 系统来提供定制治疗，以改善中风患者的功能性下肢运动。
通过添加 EMG 源 (ERASE) 去除肌电图 (EMG) — 一种基于 ICA 的新型算法，用于从 EEG 中去除肌电伪影
脑电图 (EEG) 记录经常会受到肌电图 (EMG) 伪影的污染，尤其是在运动期间记录时。现有的去除 EMG 伪影的方法包括独立成分分析 (ICA) 和其他高阶统计方法。然而，这些方法不能有效去除大多数 EMG 伪影。在这里，我们提出了一种改进的 ICA 模型来去除 EEG 中的 EMG 伪影，这称为通过添加 EMG 源去除 EMG (ERASE)。在这种新方法中，来自颈部和头部肌肉的真实 EMG 的额外通道（参考伪影）被添加作为 ICA 的输入，以便将 EMG 伪影的大部分功率“强制”到几个独立成分 (IC) 中。使用自动程序识别和拒绝包含 EMG 伪影的 IC（“伪影 IC”）。首先使用模拟和实验记录的 EEG 和 EMG 验证 ERASE。模拟结果表明，ERASE 比传统 ICA 更有效地从 EEG 中去除 EMG 伪影。此外，它的假阳性率低，灵敏度高。随后，在 8 名健康参与者移动双手时收集了他们的 EEG，以测试该方法的实际效果。结果表明，ERASE 成功去除了 EMG 伪影（平均而言，当使用真实 EMG 作为参考伪影时，大约 75% 的 EMG 伪影被去除），同时保留了与运动相关的预期 EEG 特征。我们还使用模拟 EMG 作为参考伪影测试了 ERASE 程序（大约 63% 的 EMG 伪影被去除）。与传统 ICA 相比，ERASE 从 EEG 中去除的 EMG 伪影平均多 26%。这些发现表明，ERASE 可以实现 EEG 信号和 EMG 伪影的显著分离，而不会丢失底层的 EEG 特征。这些结果表明，使用额外的真实或模拟 EMG 源可以提高 ICA 从 EEG 中去除 EMG 伪影的有效性。结合自动化 IC 伪影剔除，ERASE 还可最大程度地减少潜在的用户偏差。未来的工作将侧重于改进 ERASE，使其也可用于实时应用。
自动化机器学习，用于分类正常和异常肌电图数据
电诊断医学中最困难的地区[1]。从理论上讲，具有纯净电势的神经性EMG，正锋利的波，高振幅和持续时间运动单位电位（MUP）和减少的干扰模式，应与含有较小的短效率的较小的，短效率的多重浓度和全部干扰模式的肌病明显区分。实际上，定性EMG分析的诊断产率是异常/肌病和神经性/肌病之间的区别，令人失望的很低。在过去的几十年中，已经开发了几种定量EMG（QEMG）方法，例如转向振幅分析，以提高EMG的诊断产率，但是到目前为止，各种QEMG技术的敏感性和特异性都与视觉检查相似[2]，[3]。同样，另一种称为聚类指数方法的定量技术对神经源性产生的敏感性为92％，对肌性患者的敏感性为61％[4]。对纳入体肌炎患者（IBM）（肌病）的EMG解释特别具有挑战性，因为它可能包含肌病性和神经起源特征[5]。由于IBM也可能在临床上模仿运动神经元疾病，因此对EMG的不适当解释可能导致错误的诊断。对错误标记的IBM患者的回顾性研究发现，常规EMG通常指向神经发生障碍：它显示出纯正和正尖波，以及大多数错误标记患者的多重多重性长期神经源性MUP的过量[6]。这是非常不幸的，因为肌萎缩性侧索硬化症（ALS）是一种疾病，是一种进行性致命疾病，而预期寿命在IBM中并没有显着影响[7]。大多数QEMG方法已经出版了几十年前，是基于关于MUP形态和生理学的假设。计算机处理能力和机器学习技术的最新进展实现了一种大数据方法，该方法可以处理大量功能，而没有任何关于信号性质的基本假设。我们以前已经表明，这种方法是为汽车行业开发的，但适用于脑电图（EEG）信号，可以
使用表面肌电图
1丹麦AALBORGØSALBORGUNIXPY ALBORG UNIXPAIL，AALBORG UNIXPY的健康科学技术系； imrankn@hst.aau.dk 2新西兰脊医学院脊骨疗法研究中心，新西兰奥克兰1060； imran.amjad@nzchiro.co.nz 3新西兰奥克兰大学1010年的健康与康复研究所4 4康复和盟军科学和工程和应用科学学院ziaur.hearman@riphah.edu.pk（m.z.u.r. ）; muhammad.shafique@riphah.edu.pk（M.S.） 5机械与制造工程学院生物医学工程与科学系，国立科学与技术大学（NUST），伊斯兰堡44000，巴基斯坦； omer@smme.nust.edu.pk（s.o.g. ）; asim.waris@smme.nust.edu.pk（A.W。） *信件：mj@hst.aau.dk1丹麦AALBORGØSALBORGUNIXPY ALBORG UNIXPAIL，AALBORG UNIXPY的健康科学技术系； imrankn@hst.aau.dk 2新西兰脊医学院脊骨疗法研究中心，新西兰奥克兰1060； imran.amjad@nzchiro.co.nz 3新西兰奥克兰大学1010年的健康与康复研究所4 4康复和盟军科学和工程和应用科学学院ziaur.hearman@riphah.edu.pk（m.z.u.r.）; muhammad.shafique@riphah.edu.pk（M.S.）5机械与制造工程学院生物医学工程与科学系，国立科学与技术大学（NUST），伊斯兰堡44000，巴基斯坦； omer@smme.nust.edu.pk（s.o.g.）; asim.waris@smme.nust.edu.pk（A.W。）*信件：mj@hst.aau.dk
使用模拟的肌电伪影
最近的研究表明，能够记录患有半晶状体切除术的脑外伤（TBI）患者的脑电图（EEG）中高γ信号（80-160 Hz）。然而，由于与面部和头部运动相关的表面肌电图（EMG）伪影的混淆带宽重叠，因此提取与运动相关的高γ仍然具有挑战性。在我们以前的工作中，我们描述了一种增强的独立组件分析（ICA）方法，用于从EEG中删除EMG伪像，并通过添加EMG来源（ERASE）称为EMG降低。在这里，我们对六名Hemicraniectomies患者记录的EEG测试了该算法，同时他们执行了拇指流失任务。删除的平均值为52±12％（平均±S.E.M）（最大73％）EMG伪影。相比之下，常规ICA从EEG中删除了EMG伪像的平均值为27±19％（平均值±S.E.M）。尤其是，在擦除擦除后，在半晶切除术中的对侧手运动皮层区域中，高γ同步显着改善。更复杂的高γ复杂性是分形维度（FD）。在这里，我们在每个通道上计算了EEG高γ的FD。高γ的相对FD定义为移动状态下的FD在空闲状态下减去FD。我们发现，施加擦除后，高γ的相对FD与半骨切除术相对于半晶状分裂术，与纤维流量的振幅密切相关。的结果表明，与拇指流量相关的电极上的显着相关系数平均为〜0.76，而非流行性辐射切除术区域的同源电极的系数接近0。在常规ICA之后，在两个半开裂区域（最高0.86）和非流行颅切除术区域（最高0.81）中，高γ和力之间的相对FD之间的相关性均保持较高。在所有受试者中，使用擦除后，平均83％的电极与力显着相关。常规ICA后，只有19％的具有显着相关性的电极位于半晶切除术中。
对表面肌电图（SEMG）的批判性评估是医学和运动机能学主题和临床工具
最初讨论了ECG，EEG和EMG等生物电信号的知识的特征和状态。这是探索学业覆盖率的基础，并了解过去60年左右的各自生物电信号亚型的临床接受程度。审查进一步讨论表面EMG（SEMG）。在与SEMG相关的教学和学术培训方面的领域状况，并在医学和运动学的多个领域中接受了临床接受，包括神经病学，心理学，精神病学，物理医学，物理医学和康复，生物力学，生物力学以及运动控制以及运动控制。随后提供了对SEMG信号测量及其解释和使用的临床实用性的现实概述，以及对其发展的观点。主要重点是克罗地亚领域的状态。EMG信号被视为“窗口”，成为神经肌肉系统的功能，神经肌肉系统是一个复杂且分层组织的系统，可控制人体姿势和体重运动。可以消除这些信号的检测和测量的新技术和技术手段，只要能够消除当前的科学，教育和财务障碍，就可以增加临床接受。
先天性横向缺陷患者计算机辅助训练后高密度表面肌电图：病例研究
结论：这些结果虽然仅来自一名患者，但表明由计算机生成的视觉和感官刺激支持的心理训练可导致肌肉力量和活动的有益变化。心理训练后肌肉激活度增加和 EMG 活动空间分布改变可能表明双侧上肢先天性横向缺陷患者的斜方肌运动激活策略在训练过程中发生了功能可塑性。患者在训练后亚最大收缩过程中空间分布的显著变化可能与肌肉神经驱动的变化有关，这与特定的（患者不熟悉的）运动任务相对应。这些发现与双侧上肢先天性横向缺陷患者的神经肌肉功能康复（尤其是上肢移植前后）以及基于 EMG 的假肢的开发有关。