Uso de electromiografía de superficie para estimar la fuerza del punto final en sistemas redundantes: comparación entre enfoques lineales
Autores: Borzelli, Daniele; Gurgone, Sergio; De Pasquale, Paolo; Lotti, Nicola; d"Avella, Andrea; Gastaldi, Laura
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Uso de electromiografía de superficie para estimar la fuerza del punto final en sistemas redundantes: comparación entre enfoques lineales
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Estimación
Fuerza
EMG
Músculos
Dispositivos robóticos
Regresión
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
La estimación de la fuerza ejercida por los músculos a partir de su actividad electromiográfica (EMG) puede ser útil para controlar dispositivos robóticos. La aproximación de las fuerzas en el punto final como una combinación lineal de las actividades de múltiples músculos que actúan sobre una extremidad puede llevar a una estimación inexacta debido a la dependencia entre las señales de EMG, es decir, la multicolinealidad. Este estudio comparó la estimación del mapeo de EMG a fuerza realizada con regresión lineal múltiple estándar y con tres algoritmos diseñados para reducir diferentes fuentes de los efectos perjudiciales de la multicolinealidad: Regresión Ridge, que realiza una regularización L2 a través de un término de penalización; regresión lineal con restricciones de límites anatómicos preconocidos, derivados de un modelo musculoesquelético; regresión lineal de un número reducido de grados de libertad musculares a través de la identificación de sinergias musculares. Se utilizaron dos conjuntos de datos, recopilados durante la realización de fuerzas isométricas submáximas a lo largo de múltiples direcciones con la extremidad superior. Uno incluía datos recopilados en cinco sesiones y el otro durante la realización simultánea de fuerza y generación de diferentes niveles de co-contracción. La precisión y consistencia de los mapeos de EMG a fuerza fueron evaluadas para determinar las fortalezas y debilidades de cada algoritmo. Cuando se aplicó a múltiples sesiones, la Regresión Ridge logró una mayor precisión (R = 0.70) pero las estimaciones basadas en sinergias musculares fueron más consistentes (diferencias entre los vectores de tracción de los mapeos extraídos de diferentes sesiones: 67%). En contraste, la implementación de restricciones anatómicas fue la mejor solución, tanto en términos de consistencia (R = 0.64) como de precisión (74%), en el caso de diferentes condiciones de co-contracción. Estos resultados pueden ser utilizados para la selección del mapeo entre EMG y fuerza a implementar en dispositivos robóticos controlados mioeléctricamente.
Descripción
La estimación de la fuerza ejercida por los músculos a partir de su actividad electromiográfica (EMG) puede ser útil para controlar dispositivos robóticos. La aproximación de las fuerzas en el punto final como una combinación lineal de las actividades de múltiples músculos que actúan sobre una extremidad puede llevar a una estimación inexacta debido a la dependencia entre las señales de EMG, es decir, la multicolinealidad. Este estudio comparó la estimación del mapeo de EMG a fuerza realizada con regresión lineal múltiple estándar y con tres algoritmos diseñados para reducir diferentes fuentes de los efectos perjudiciales de la multicolinealidad: Regresión Ridge, que realiza una regularización L2 a través de un término de penalización; regresión lineal con restricciones de límites anatómicos preconocidos, derivados de un modelo musculoesquelético; regresión lineal de un número reducido de grados de libertad musculares a través de la identificación de sinergias musculares. Se utilizaron dos conjuntos de datos, recopilados durante la realización de fuerzas isométricas submáximas a lo largo de múltiples direcciones con la extremidad superior. Uno incluía datos recopilados en cinco sesiones y el otro durante la realización simultánea de fuerza y generación de diferentes niveles de co-contracción. La precisión y consistencia de los mapeos de EMG a fuerza fueron evaluadas para determinar las fortalezas y debilidades de cada algoritmo. Cuando se aplicó a múltiples sesiones, la Regresión Ridge logró una mayor precisión (R = 0.70) pero las estimaciones basadas en sinergias musculares fueron más consistentes (diferencias entre los vectores de tracción de los mapeos extraídos de diferentes sesiones: 67%). En contraste, la implementación de restricciones anatómicas fue la mejor solución, tanto en términos de consistencia (R = 0.64) como de precisión (74%), en el caso de diferentes condiciones de co-contracción. Estos resultados pueden ser utilizados para la selección del mapeo entre EMG y fuerza a implementar en dispositivos robóticos controlados mioeléctricamente.