TY - JOUR A2 - Conforto, Silvia AU - Guo, Benzhen AU - Ma, Yanli AU - Yang, jing AU - Wang, Zhihui AU - Zhang，Xiao PY - 2020 DA - 20120/12/29 TI - Lw-CNN-Based muscle electric Signal Recognition and Real-Time Control of Robotic Arm for upper limb Rehabilitation SP - 8846021 VL - 2020 AB -深度学习模型可以在无需人工选择的情况下实现原始肌电信号的特征提取和高级提取。本研究采用深度模型对原始表面肌电信号进行处理，探讨上肢运动意图识别及上肢康复训练辅助设备实时控制的可行性。采集8名受试者上肢6个动作的表面肌电信号。设计了一种轻量级卷积神经网络(Lw-CNN)和支持向量机(SVM)模型用于肌电信号模式识别。然后比较了两种模型的离线和在线性能。所有被试离线测试的Lw-CNN的平均准确率为(90±5)%，SVM的平均准确率为(82.5±3.5)%，高于在线测试的Lw-CNN的(84±6)%和SVM的(79±4)%。机器人手臂控制精度为(88.5±5.5)%。显著性分析显示相关性不显著( p = 0.056)。Lw-CNN模型在上肢运动意图识别方面表现良好，可以实现商用机械臂的实时控制。SN - 1687-5265 UR - https://doi.org/10.1155/2020/8846021 DO - 10.1155/2020/8846021