基于物理原理 VR 环境的肌电假肢无监督增量控制协同适应性训练可行性研究

《IEEE Transactions on Medical Imaging》：A Recipe for Unsupervised Myocontrol - Co-Adaptive Training and Assessment in Physics-Based VR

　　

摘要：

肌电假肢可以实现直观的控制，然而实现自然且可靠的运动仍然具有挑战性，这也导致了用户放弃使用这些设备。我们提出了一种基于物理原理的虚拟现实（VR）环境，用于手部假肢的无监督增量非负矩阵分解（iNMF） control方案的协同适应性训练。该VR系统包括三个场景：初始化、用户-控制器闭环协同适应以及在日常生活活动（ADL）中的评估。通过一项针对五名参与者的试点研究，从任务表现、重建误差和感知工作负荷（NASA-TLX）三个方面检验了其可行性。在协同适应过程中，重建误差总体上有所减小，且这种减少与参与者的个体差异有关；训练后的模型比初始化模型能更好地再现ADL数据。VR任务的表现随着训练次数的增加而提高，表明存在学习和适应现象；虽然工作负荷在训练时间延长后通常会减少，但对于更复杂的ADL任务而言，工作负荷反而有所增加。总体而言，这些结果支持了基于VR的假肢肌电控制训练的可行性。