基于BTS FreeEMG300设备的表面肌电分析及步态过程评价

随着网联网与传感器技术在医疗领域的不断深入,人体健康以及远程信息实时监测研究对恢复肢体残疾患者的肌理功能研究和智能医疗康复研究具有重要作用。首先设计了基于物联网的表面肌电信号采集系统,在卷积神经网络(Convolutional Neural Network,CNN)数据分类识别算法基础上构建了步态康复评价方案。针对BTS FreeEMG300设备分别对下肢患者与正常人进行了步态康复表面肌电信号采集实验,并对CNN模型识别率进行了验证,对步态过程评价结果进行了分析,最后对患者下肢主要肌群激活特征从三个方面进行了对比。结果表明:CNN模型具有良好的步态动作识别效果,对患者样本具有良好的识别率,评估结果能够达到良好及以上的康复效果;通过对受试者下肢主要肌群在均方根振幅、积分肌电、激活时间三个方面的对比分析,得出患者下肢肌群激活程度整体较好,与正常人比较,肌群累积激活水平具有一定的显著性,下肢肌群患者的持续激活时间均长于正常人。本模型设计对患者表面肌电分析和步态过程评价效果表现良好。