### 中文标题 集成织物-气动软体传感系统用于多部位肌肉活动解码

《Advanced Intelligent Systems》:An Integrated Fabric-Pneumatic Soft Sensing System for Multi-Site Muscle Activity Decoding

【字体: 大 中 小 】 时间:2026年09月22日 来源:Advanced Intelligent Systems 6.7

编辑推荐:

   力肌图(FMG,Force Myography)通过肌肉形变而非生物电信号来解码运动意图,避免了表面肌电(sEMG,surface Electromyography)所受的电极-皮肤耦合问题。大多数FMG实现依赖刚性力敏电阻器(FSR,Force-Sensi

  

力肌图(FMG,Force Myography)通过肌肉形变而非生物电信号来解码运动意图,避免了表面肌电(sEMG,surface Electromyography)所受的电极-皮肤耦合问题。大多数FMG实现依赖刚性力敏电阻器(FSR,Force-Sensitive Resistors),但其贴合性有限。本项目提出一种集成织物-气动可穿戴传感系统,该系统结合了柔性纺织腔体与选定内部支撑结构,用于多部位肌肉活动解码。该腔体由热塑性聚氨酯(TPU,Thermoplastic PolyUrethane)涂层超高密度高强度锦纶(braided nylon)制成,可将组织形变转换为气压变化,且传感位置无需不可靠电子元件。在四种测试结果中内部支撑几何形状中,密实蜂窝旋转结构在压力响应方面表现最佳,并被选用于后续可穿戴实验。该腔体在控制±15mm横向偏移下表现出相似响应,而初步的单一参与者评估结果显示,气压与s(sEMG)之间的时间相关性为r=0.89。针对16名参与者的四个任务、三个解剖部位的评估显示:分类任务的分内精度为75.9%–85.6%,连续肘关节跟踪的R2=0.890。留一者交叉验证(LOSO,Leave-One-Subject-Out)评估显示出任务依赖的跨受试者性能:三分类静态姿势分类精确率达74.0%,连续肘关节角度估计的R2=0.729。该系统的结果支持织物-气动传导作为可穿戴肌肉-机器接口的一种补充性机械传感方式的可行性。
### 论文解读

**1. 研究背景、现状与动机**

表面肌电(sEMG)作为主流的神经肌肉意图解码手段,其应用长期受限于需要紧贴皮肤导电电极进行测量,这导致该技术在实际应用中受到诸多限制,如接触电阻受汗水、温度影响而变化,体毛和皮肤状态引入噪声,以及毫米级的电极位移便会显著改变所记录的运动单位信号。近年来的软体可穿戴传感器技术拓展了人肌接口的交互设计空间,但现有技术多专注于材料、结构和器件性能表征,而缺乏更具实用场景的验证研究。

力肌图(FMG)通过测量肌肉收缩带来的压力或形变来解码运动意图,避免了生物电信号所需的皮肤-电极耦合问题,是一种有前景的机械式测量途径。然而,其解扰性能仍受传感器放置位置和用户个体肌肉形态差异影响。现有研究(如Rehman等及Jiang等,其工作分别实现了基于7-9个和8个FSR的高精度手势识别)表明,压力肌电图(FMG)在广泛应用中展现出潜力,但这些系统大多基于刚性力敏电阻(FSR)等短期阵列,存在形变能力较差、长时间佩戴时易偏移等缺陷。此外,大多数FMG研究仅在单一生理区域进行,且未系统报告跨主体泛化性能,同时缺乏与sEMG进行一致的可比性评估。

基于此,本研究提出并验证了一套集成化织物-气动传感系统。该体系的核心贡献在于:不仅针对多部位肌活动解码这一目标构建了统一的硬件和信号处理框架,还系统性地评估了内部支撑结构对传感性能的影响,并完成了多部位、多样任务的静动静态解码验证,以及跨主体泛化评估。

**2. 研究内容与主要结论**

本研究由以下系统化的评估框架(field)构成:

1. **传感器基础特性研究**:完成了四个内支撑配置(密实蜂窝、稀疏蜂窝、交叉、泡沫填充)的通用性测试。实验结果表明,密实蜂窝结构在形变范围内响应(ΔP)最大,具单调且稳定,因此在后续的可穿戴实验中被选中。

2. **空间容差与时间耦合验证**:对密实蜂窝腔体进行±15mm横向偏移的测试,发现其压力响应曲线与中心位置高度一致;在初步测试中,单名受试者在非瞬时运动中记录的比较显示所有测量位置差异不大。被动状态下气压与sEMG之间的时间相关性系数(r = 0.89,峰值差小于100ms),证明了该机械传能路径与肌肉电活动之间良好的时间同步性。

3. **解码任务评估**

- **静态肘关节**:基于四类(常、端)系统分类,16位受试者的同类内交叉验证精度达到75.8%,宏平均F1分数0.759。分类器呈现U型性能分布,即对极度(0°与100°)分类能力最强(分别可达95.3%与75.7%),而中段角度(如50°与75°)混淆明显。通过特征重要性分析,由biceps区域获取的幅度特征(V2_median/V2_mean)以及将跨通道空间信息纳入的特征(如v12_diff_mean、p2/q2等)对分类结果先生最大,其中幅度特征贡献总重要性的59%。为进一步明确角度判别模式,研究人员引入了压力中心(CoP)与抗拮抗参数(ACI)等评估指标。CoP随角度增加单调迁移(Spearman ρ = ?0.214, p值<0.001),而ACI在不同角度出现非单调变化(在25时峰值最高,而在0°和100°时降低),这帮助了解释中段角度(50°-75°)难以区分的原因——它们具有类似的空间压力分布且缺少特征。针对静态手势,将25°、50°、75°归为一组作为“中速屈曲”类进行全局性一者验证,准确率仍可达75.0%。实时分类阶段验证了场景判定过程中角度辨别及状态保持的稳定性。

- **连续肘关节角度估计**:动态回归任务中(运动范围0-120°),特征挑选(随机森林回归器)在组内验证集中实现R2=0.890(RMSE=11.05°,MAE=6.84°)。特征重要性分析显示,贡献度主要集中在biceps峰V2通道的幅度特征(V2_mean和V2_median占总体重要性的约60%)。尽管跨通道特征在此项任务中排序不靠前,其统计分布仍表现出有效区分3个角度范围(0-40°/40-80°/80-120°)的能力。特征消融实验证明,在仅使用幅度特征时模型的高性能得到保留(R2=0.842),但空间分布特征组的单独性能依然有一定保证(R2=0.758),显示两者各自蕴含角度信息。跨受试者留一评估显示出基于本任务中最大的泛化差异,平均R2降至0.722 (标准偏差=0.114),范围0.528–0.853。回溯单周期校准(约5秒数据)将平均R2提高至0.760±0.102,这工作表增加14/16名受试者的角度预测精度。实时实验验证了3个压力通道在动态过程中的抗协调整,并实现了轨迹稳定的跟踪。

- **前臂手势识别**:本研究分别对尺骨上掌长肌(V1)、指屈肌(V2)、指伸肌(V3)三处放置压力通道,对三种手势(大力握拳、腕屈曲、手指伸展)进行识别。跨参与者组内交叉验证精度达85.1%(宏平均F1=0.843),为所有期望中最高。肘部观察发现,所选动作(手指伸展)引起了压力的负向偏移(V2通道:=?0.23±0.30倍频程),而其余两种手势均产生正向偏移(grip, 0.53±0.42;wristflexion, 0.45±0.40),两级压力方向相反鲜明,使每组间分离的效应量(Cohen's d = 1.85)远高于grip与wristflexion之间(d = 0.18)。特征重要性分析显示,V2通道的均值/中位数排名靠前,而跨通道的差值特征也起了重要作用(v23_diff, v12_diff)。特征验证中,仅使用跨通道特征或仅使用两位数特征的性能仍较高(F1分别达到0.897),表明这两种特征类型中都有用于信息丰富的判别线索。在包含密集手势序列的实时评测中,分类器在惯性停留状态下稳定分类,但在罕见的分割切换阶段会出现一次待处理误检。

- **膝关节运动检测**:使用两个通道(定制外侧大(vastus lateralis)和股二头肌长头(biceps femoris LDH),在无负荷负荷的坐姿下对16名受试者进行伸直-屈曲的两分类。组内五折交叉验证精度为79.4%(宏F1=1.799),略低于识别分类结果,尽管分类较为简单。其中伸展运动召回率达到84%,而屈曲仅达76%。特征分析显示,跨通道差分特征(v_μν_diff_mean)重要性最高,但在仅使用幅度特征时,模型的宏F1(0.813)反而略高于全部特征集(0.798),暴露处该任务相较之前手势分析本身更强的类别非线性分离特征。LOSO验证评估结果,跨受试者分析平均精度为67.4%(标准差=13.5),仅56%受试者精度超过70%,表明该任务在当前配置下上视觉交叉个体推广难度更大。

**4. 讨论与结论**

本研究发现,该织物-传感系统的解码性能受传感点压力模式之间的可区分性这一关键因素影响。前臂运动会话由于握拳与手腕屈曲产生的大变形,同时手指伸展产生独特的反向负压效应,显示出卓越来更高的识别精确度。相反,无负重情况下膝关节运动的压力细微且伴有显著重叠,退化分类效果。静态肘关节识别结果表现出双向双重分离(多类逐渐混淆的空间模式),显示了压力检测对不同深度肌肉张力模式的感知能力。此外,系统性能在多任务(从动态肘关节回归到大腿运动)中的多样泛化性表现充分,这反映了跨越个体体的关节解剖和传感器放置差异对连续信号跟踪的影响。与现有FMG系统(如固定点FSR臂带等)相比,本系统的集成传感通过柔性织物外壳和远距离的探测器设计,既消除了测量过程中的接触电子需求,也无需进行皮肤预处理。作为非接触传感器阵列的可穿戴应用场合,在需与MRI联合使用或强电磁环境下更有优势。同时,电子学去除也可能与现代纺织制造技术集成,具备便捷舒适佩戴及大规模制造前景。尽管存在任务依赖的分布差异、刚性连接及电阻排布于部分个人性能下降等问题,但系统有效性在可控测试条件下得到了系统采样,为后续织物-气动肌音解码相关技术的进一步工程化、微型化提供验证基础。

本研究提出并系统评估了一个集成织物-气动无线肌肉活动解码系统。研究结果表明,经过关键腔体结构优化,系统在多个解剖部位和静态/动态任务中均表现出可行性的解码能力。前臂手势识别清晰显示了压力方向在解码中的强判别作用,而动态肘部回归中的特征进一步证明,即使与高频的特性主导特征高度的性能,空间判别依然维持了关键的作用。与应用激动相关性更深的是,跨主体one-valve的验证暴露了任务相关性的泛化界限,特别是当动态跟踪任务缺乏校准信息时。整体而言,该研究证明了织物-气动传导作为可控状态的机械感知方式具备可行性,而更为保守的生理解释、长期重复佩戴的连续性稳健性,以及直接与sEMG或同类FMG传感器的对比将是未来需纳入范围的研究方向。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号