可解释肌电网络

跨主体迁移识别

双分支结构同时识别运动意图并预测膝关节角度，利用可解释浅层特征增强跨主体泛化能力。

Zhang, Changhe · Xiaoyun, Wang · Zidong, Yu · Bingjin, Wang · 邓超

Engineering Applications of Artificial Intelligence 2024

技术优势

先天可解释

采用SincNet构建浅层特征提取模块，能直接检测出用于下肢运动意图识别的肌电频谱范围，无需事后分析工具。

跨主体性能好

通过源域预训练和迁移到目标域，在跨主体场景下也能取得满意性能，且计算资源需求更低。

少算力也能跑

改进的带shuffle attention的瓶颈模块在仅少量增加复杂度的情况下提升了模型性能，使迁移学习所需计算资源降低。

患者也能用

在两个公开数据集上的实验表明，该方法对正常受试者和膝关节病变患者均具有优越的适用性。

应用场景

• 康复外骨骼控制：为康复外骨骼提供实时运动意图和关节角度预测，用于个性化辅助控制。
• 下肢外骨骼：可集成到下肢外骨骼控制器，实现基于肌电的连续运动识别与预测。
• 人机交互意图识别：利用可解释频谱特征提升人机交互中运动意图识别的跨主体泛化能力。
• 可穿戴医疗设备：轻量级网络适合嵌入可穿戴设备，实现低功耗的肌电解码。