Real-time Intended Knee Joint Motion Prediction by deep-recurrent neural networks利用深度递归神经网络实时预测膝关节运动

ABSTRACT

人体智能辅助系统需要一定的方法来精确地预测运动肢体的关节角度。论文提出了深度递归神经网络(RNNs)，一种处理序列数据的神经网络，在膝关节角度实时预测中的应用。这个模型是基于肌电图(EMG)信号(电极被放置在三条腿的肌肉上)和对上、下腿的惯性测量组合而成的。利用不同受试者在不同步态下采集的数据构建模型，并在实时环境下进行评价。基于融合信息的RNN神经网络模型在计算复杂度和预测精度之间达到了平衡。在单片机上的结果表明，在50ms的预测范围内，模型的预测误差较低，为2.93度。

I. INTRODUCTION

据估计，到2020年，美国将有超过87.9万名下肢严重截肢者
州[1]。动力假肢是一种辅助设备，在截肢治疗中显示出巨大的潜力。这些设备使用电机提供积极的机械工作在联合。然而，由于控制指令的延迟，这些假肢的实时性能仍然是有限的。控制系统的预测指令将提高人工辅助智能系统的实时性。本文重点研究为动力假肢提供膝关节角度意图预测信号的预测模型.
在以前的研究中，机器学习技术已经被应用到意图预测模型中。例如，通过将关节的扭矩转化为一个回归问题来估计关节的扭矩。支持向量回归(SVR)和人工神经网络(ANNs)是进行回归模型和计算的两种常用方法[2,3]。其中，SVR和ANN是生物力学领域中具有代表性的模型，可以用来预测关节的扭矩和力矩。在[2]，SVR模型通过nmes诱发的增量肌肉收缩强度的MMG信号特征来预测膝关节伸关节扭矩。同样，采用ANN模型估算MMG在等距肌肉收缩作用下的肘关节屈曲力[3].
更重要的是，许多研究和出版物已经指出并证明，表面肌电图(sEMG)信号是用户意图的直观指标[6,7]。Fan和Yin[8]指出，与人体的运动学和动力学信号相比，sEMG信号具有提前30-100ms预测人的运动意图的潜力。一些研究人员应用自回归移动平均模型(ARMA)从有噪声的肌电信号中检索信息，并构建了支持向量机(SVM)结合模糊控制器实现对膝关节运动的传感器融合.
因此，需要结合sEMG信号的新算法来处理这种新的特征。在2003年，Cheron et al.[10]证明了递归神经网络(RNNs)可以作为一个合理的解决方案来估计关节角度，而只使用原始的肌电信号。RNN在预处理和自动分析时间序列数据方面具有相当大的潜力，极大地减轻了解决噪声EMG信号的负担。然而，这种称为时间反向传播的算法使RNN不能实时地进行迭代自适应。此外，传统的神经网络在记忆大采样间隔特征方面存在一定的局限性，训练难度较大。

II.MATERIALS AND METHODS

A. Data acquisition and preprocessing system

在本研究中，我们使用了两个集成的惯性测量单元(美国InvenSense公司的MPU6050)和三个集成的sEMG传感器(美国Advancer Technologies公司的MyowareTM)。该系统可对肌电信号进行预处理，输出信号可由微控制器直接采样。两个imu的位置分别放置在大腿和小腿上，以测量它们在z轴上的滚转角和角速度。它们还通过IIC总线与微控制器进行交互。调整Kalman滤波器，在微控制器内迭代地估计精确的滚转角[11-14]。本研究将两个imu、一个单片机和一小块面包板安装在一个护膝垫上，作为实验设备。装备的护膝如图1所示。(一)

Real-time Intended Knee Joint Motion Prediction by deep-recurrent neural networks利用深度递归神经网络实时预测膝关节运动相关推荐

论文阅读 - Joint Beat and Downbeat Tracking with Recurrent Neural Networks
文章目录 1 概述 2 信号预处理 3 分类神经网络 4 动态贝叶斯网络(HMM) 4.1 原始的bar pointer model 4.2 原始的bar pointer model的缺点 4.3 改 ...
DEEPCON: protein contact prediction using dilated convolutional neural networks with dropout
今天真的要开始正式进入科研状态了,之前一直都进入失败,咳!那就先来看一篇相关领域的论文吧 ---------------------------------------------- 题目:DEEPC ...
论文笔记 NAACL 2016|Joint Event Extraction via Recurrent Neural Networks
文章目录 1 简介 1.1 动机 1.2 创新 2 背景知识 3 方法 3.1 编码 3.1.1 句子编码 3.1.2 RNN编码 3.2 预测 3.2.1 触发词预测 3.2.2 论元角色预测 3. ...
论文阅读笔记：Link Prediction Based on Graph Neural Networks
文章目录说明 Abstract 1 Introduction 2 Preliminaries Notations Latent features and explicit features Grap ...
论文阅读：Deep convolutional neural networks for pan-specific peptide-MHC class I binding prediction
发表年份:2017 论文地址:下载论文 1.项目背景对特定主要组织相容性复合体(MHC)结合的候选肽进行计算机扫描,可以加快基于肽的疫苗开发.近些年基于机器学习的方法通过训练大量的实验数据取得成功, ...
论文阅读05：基于循环神经网络的联合事件抽取-Joint Event Extraction via Recurrent Neural Networks
公众号:数据挖掘与机器学习笔记 1.简介事件抽取是把含有事件信息的非结构化文本以结构化的形式呈现出来,在自动文摘.自动问答.信息检索等领域有着广泛的应用.近些年来 ,事件抽取一直吸引着许多研究机构和 ...
【论文下饭】Functional Connectivity Prediction With Deep Learning for Graph Transformation
水平有限,有误请指出. Functional Connectivity Prediction With Deep Learning for Graph Transformation 省流版任务模型 ...
#Paper reading#DeepInf: Social Influence Prediction with Deep Learning
#Paper reading# DeepInf: Social Influence Prediction with Deep Learning 设计了一个端到端的框架DeepInf,研究用户层面的社会 ...
Kggle比赛之Artifical Neural Networks Applied to Taxi Destination Prediction
Artifical Neural Networks Applied to Taxi Destination Prediction 摘要:本文主要是基于出租车轨迹对终点的预测.其中,数据为长度不同的来自 ...
A Spatio-temporal Transformer for 3D Human Motion Prediction
A Spatio-temporal Transformer for 3D Human Motion Prediction Author: Emre Aksan.Peng Cao Chinese Tit ...

Real-time Intended Knee Joint Motion Prediction by deep-recurrent neural networks利用深度递归神经网络实时预测膝关节运动

ABSTRACT

I. INTRODUCTION

II.MATERIALS AND METHODS

A. Data acquisition and preprocessing system

Real-time Intended Knee Joint Motion Prediction by deep-recurrent neural networks利用深度递归神经网络实时预测膝关节运动相关推荐

最新文章

热门文章