XiaoMi-AI文件搜索系统
World File Search System肌电图
利用肌电图和脉搏血氧饱和度信号传感器融合的肌电假肢
厄瓜多尔约有 215,156 人患有肢体残疾，其中近一半的残疾率在 30% 至 49% 之间，相当一部分人没有肢体。此外，截肢病例激增，这一趋势与糖尿病患病率上升有关，根据国际糖尿病联合会 (IDF) 的数据，到 2021 年，糖尿病患病率预计将达到 5.37 亿。虽然存在假肢解决方案，但它们可能会产生高昂的成本或限制运动，即使价格更实惠。因此，提出了一种替代方案：肌电上肢假肢。这种假肢将通过肌电图和脉搏血氧饱和度信号进行操控，利用人工智能方法。采用多层神经网络模型，该模型由一个输入层、四个隐藏层和一个输出层组成，对用户运动意图的预测准确率高达 93%。对于 AI 模型训练，记录并仔细检查了来自 EMG 和 PPG 传感器的数据，从而将类别从四个压缩为三个。该模型嵌入在 ESP32 C3 DevKit-M1 开发板中，开源蓝图促进了假肢的创建，并辅以用于电子集成的补充组件。该模型在预测类别方面达到了 93% 的准确率，而假肢的续航时间约为三个小时，售价 295 美元，可处理各种轻量级物体。
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。
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。
基于对抗风格迁移的合成肌电图可以有效攻击基于生物特征的个人身份识别模型
摘要 —基于生物特征的个人识别模型通常被认为是准确和安全的，因为生物信号过于复杂且因人而异而无法伪造，尤其是 EMG 信号由于其高维度和非线性而被用作生物识别标记。我们研究了通过基于生成对抗网络的新型 EMG 信号个体风格转换器使用生物对抗输入有效攻击基于 EMG 的识别模型的可能性。来自 18 名受试者的 EMG 手势数据和三个公认的深度 EMG 分类器用于证明所提出的攻击方法的有效性。所提出的方法在混淆识别模型上的平均成功率为 99.41%，在操纵识别模型上的平均成功率为 91.51%。这些结果表明基于深度神经网络的 EMG 分类器容易受到合成数据攻击。概念验证结果表明，在大量相关生物特征识别系统的生物识别系统设计中必须考虑合成的 EMG 生物信号，以确保个人和机构的个人识别安全。
使用肌电图控制的机器人时，大脑活动反映了对延迟输入的主观反应
在各种实验环境中，肌电图 (EMG) 信号已用于控制机器人。基于 EMG 的机器人控制需要控制的内在参数，这使得用户很难理解输入协议。当未提供适当的输入时，系统的响应时间会发生变化；因此，无论实际延迟如何，都应调查用户的主观延迟。在本研究中，我们调查了延迟的主观感知对大脑激活的影响。在受试者使用 EMG 信号控制机械手时进行脑部记录，这需要基本的处理延迟。我们使用肌肉协同作用来执行机械手的抓握命令。在通过抓握手来控制机器人后，每次试验都会应用四个额外延迟持续时间（0 毫秒、50 毫秒、125 毫秒和 250 毫秒）之一，并指示受试者回答延迟是自然的、额外的还是他们不确定。我们根据回答（“确定”和“不确定”）比较了大脑活动。我们的结果表明顶叶的 θ 波段存在显著的功率差异，并且这个时间范围包括受试者感觉不到延迟的间隔。我们的研究提供了重要的见解，在构建自适应系统并评估其可用性时应考虑这些见解。
奥里萨邦医学科学委员会......
序号 主题 涵盖时间 I) 肌电图 a) 插入活动 b) 自发活动（纤维、肌筋膜、肌强直、阳性锐利、假性肌强直） c) 干扰模式 d) 运动单位 e) 不同类型的 1. 神经源性和肌病模式。 2. 根刺激研究 3. 单纤维肌电图
表面肌电图揭示了中间三角肌作为反向总肩关节置换术后功能优势的肩部肌肉
针对肩袖节关节病的患者指示了反向总肩关节置换术（RSA），这种疾病以藻毛性关节炎和肩袖袖口不足为特征。RSA假体通过将肱骨头转换为插座，将腺体转化为半球，从而违背了自然的肩关节解剖结构，从而导致内侧旋转中心和延长的肱骨[1,2]。这种设计改变了肩膀的生物力学，增加了三角肌纤维纤维的募集，并最终与肩部强度相比，与常规的总肩关节置换术相比，具有卓越的稳定性和控制性[1]。在恢复过程中，肩袖和支撑肌肉，尤其是三角肌，适应肩膀改变的生物力学，对肌肉活动，功能结果和运动范围产生重大影响[3-5]。肌肉活动或适应性可以通过肌肉测试来评估，使用小针电电极或粘附在皮肤上的表面电极进行评估。表面肌电图（SEMG）最近已被证明是一种有效且无创的工具，用于量化肩部中的个体肌肉激活，并已在临床诊断和康复环境中广泛使用[3,6-9]。
神经生理测试和监测 - 牛津临床政策
S3900表面肌电图（EMG）的描述神经生理或电诊断测试评估沿周围神经的电脉冲传导。当有细微的电动机或感觉缺陷需要进一步检查以进行明确诊断时，这些测试是对彻底的病史和体格检查的补充。此政策包括有关以下测试的信息：肌电图（EMG）衡量对电或神经刺激的肌肉反应。该测试用于评估单个神经和肌肉的功能，并在运动，人体工程学，康复，骨科，心理学和神经病学方面具有各种应用。存在两种主要类型的EMG类型：针EMG（NEMG）和表面EMG（SEMG）。SEMG是一种诊断技术，其中电极放在皮肤上，并用于测量响应电或神经刺激的基础肌肉的电活动。SEMG记录，也称为肌电图的SEMG记录可能有可能用于检测神经和/或肌肉功能的障碍。副脊髓EMG是一种用于评估背痛的表面EMG。基于SEMG的癫痫发作监测系统，例如SPEAC®系统（BrainSentinel®癫痫发作监测和警报系统）是一个非侵入性监测仪，它放置在二头肌肌肉上，以分析表面触发术（SEMG）信号，可能与广义强调（GTC）癫痫发作有关。系统提供了警报，以提醒护理人员可能的GTC癫痫发作。针肌电图需要通过皮肤插入针头，有助于确定肌肉无力是由控制肌肉，神经肌肉连接的神经中的损伤还是疾病引起的，还是肌肉本身。
疫苗接种相关肩部损伤 (SIRVA)
SIRVA 不是神经损伤，神经系统检查或神经传导研究 (NCS) 和/或肌电图 (EMG) 研究中的异常不支持 SIRVA 作为诊断（即使导致神经系统异常的病症不明）。