下肢截肢者行走意圖識別方法研究進展

王蕾 王輝 黃品高 林闖 鄭悅 魏月 郭欣 李光林

長期以來,因遭受工傷、交通事故、戰(zhàn)爭、自然災害(地震等)、疾病(糖尿病、癌癥等)、天生出生缺陷等意外造成下肢截肢的殘疾人口眾多[1].根據第二次全國殘疾人抽樣調查,我國有肢體殘疾人2412萬,占殘疾人總數的29.07%,其中下肢截肢者158萬人,約占截肢者總數的70%,并且近年來下肢截肢者的絕對數量和相對比例還在不斷增長[2].

假肢是截肢者重要的運動功能替代工具,是為彌補截肢者肢體缺損,代償肢體功能而制造、裝配的人工肢體[3?5].下肢假肢是下肢截肢者恢復行走功能的唯一手段,下肢假肢基本能達到對人體缺失功能的代償,使患者生活自理,甚至參加工作回歸社會,技術的發(fā)展也得到眾多研究者的關注[6].

下肢截肢者行走意圖識別方法起源于上肢截肢者動作意圖識別研究,發(fā)展落后于上肢[6].行走意圖識別是在下肢截肢者和假肢系統(tǒng)之間搭建控制接口,通過這個“人機”控制接口,使用者可以將自己的行走意圖自動“傳達”給假肢系統(tǒng)[7?8];而假肢系統(tǒng)將根據使用者的行走意圖提供相應的控制策略和行走動力,從而使截肢者能夠通過直覺操控假肢實現(xiàn)行走功能.因此,研究下肢截肢者行走意圖識別方法有巨大的意義.

國內外學者對行走意圖識別方法進行了深入的研究.按照依賴的生物信號源的不同,下肢行走意圖識別方法主要可以分為基于生物力學信號和生物電學信號兩種[9?10],基于生物力學信號的下肢行走意圖識別是通過采集下肢生物力學信號,如關節(jié)角度、角速度、三軸加速度、足底壓力信息、電容信息等識別下肢運動信息[11?13];基于生物電學信號的下肢行走意圖識別方法,是通過采集人體肌電、腦電等生物電信號識別下肢運動意圖[14].

本文對下肢截肢者行走意圖識別的內涵,基于不同信號源與不同策略的下肢行走意圖識別方法等方面的研究進展做簡要的回顧和討論.

1 人體下肢行走意圖識別的內涵

人體下肢運動通常用行走來描述,人體下肢行走不是簡單的機械運動,而是膝關節(jié)彎曲、伸展交替變化,雙足與地面交替接觸的周期性、對稱性和穩(wěn)定性的過程[5,15].人體下肢運動研究主要包括行走模式、相位周期和步態(tài)事件等內容,下肢行走模式主要指步行、上樓梯、下樓梯、上斜坡、下斜坡等動作[16];相同的行走模式下,按照周期特點劃分為多個步態(tài)周期[17],每個步態(tài)周期根據膝關節(jié)角速度值在正負區(qū)間分布,又可劃分為站立彎曲相、站立伸展相、擺動彎曲相、擺動伸展相[18?19]四個相位周期.根據雙足與地面交替接觸又劃分為腳跟觸地(Heel strike,HS)、全足著地(Foot flat,FF)、足跟離地(Heel off,HF)、腳尖離地 (Toe off,TO)、腳尖觸地(Toe strike,TS)[16]五個步態(tài)事件.表1是人體下肢行走意圖識別的內涵,在下肢行走意圖識別研究中,步行模式的準確快速識別是核心問題,相位周期的識別是基礎,步態(tài)事件識別是步行模式識別后實現(xiàn)假肢精細控制的前提.

表1 人體下肢行走意圖識別的內涵Table 1 The connotation and extension of locomotion intension of lower-limb human body

2 基于不同信息源的截肢者行走意圖識別方法

下肢肢體截肢主要分為膝下截肢、膝上截肢和髖關節(jié)離斷三種方式,截肢的程度越高,殘留的肢體肌肉越少,需要恢復的肢體動作越多(如圖1(a)所示).可用于行走意圖(模式)識別的信號源主要有生物力學信號、肌電信號(Electromyography,EMG)、腦電信號(Electroencephalogram,EEG)和生物力學信號與肌電信號的融合信號等.生物力學信號是目前下肢截肢者行走意圖識別的主要信號源,由于生物力學信號具有穩(wěn)定性好,不易被干擾等優(yōu)點,現(xiàn)有商業(yè)化的下肢假肢均采用生物力學信號作為主要控制信號源.肌電信號已經廣泛應用于上肢假肢控制中,在步行模式切換識別中具有一定的優(yōu)勢,目前開始逐步應用于下肢假肢;腦電信號和外周神經電信號有實現(xiàn)真正的人體直覺控制潛力,但是其他信號模式復雜,還停留在實驗室研究中[9],多信息源的截肢者行走意圖識別原理示意圖如圖1(b)所示.健肢側信息映射到假肢側是一種采集健康腿步態(tài)運動信息(肌電信息和生物力學信息),并將其映射到假肢側進行假肢側行走意圖識別的控制方法.該方法提供了更多的運動信息,避免從有限的殘肢端提取信息的問題,使用的傳感器種類和數量少,計算量小.但在實際應用中健側步態(tài)會模仿、適應患側步態(tài)和行走姿勢,使截肢者的行走越發(fā)困難[5].因此本文對基于健側信息映射的行走意圖識別研究不做詳細討論.

2.1 利用生物力學信息進行截肢者行走意圖識別

生物力學信息分為運動學信息和動力學信息.下肢假肢的運動學信息是指采集髖、膝、踝關節(jié)速度、加速度、軌跡等信息;動力學信息是指采集髖、膝、踝角度、關節(jié)力矩、足底壓力等信息[9].建立相應的運動學、動力學模型,進行行走信息預處理、特征提取等,最后通過算法分析不同行走模式識別[20](如圖2所示).

圖1 基于不同信息源的下肢截肢者行走意圖識別Fig.1 Lower-limb locomotion intent recognition based on several signal sources

圖2 基于生物力學信息的截肢者行走意圖識別原理示意圖Fig.2 Lower-limb locomotion intent recognition based on biomechanical signals

現(xiàn)有商品化的假肢產品均采用生物力學信號進行下肢截肢者行走意圖識別,例如德國Otto Bock公司的C-leg智能仿生腿,英國英中耐公司的靈思下肢和冰島Ossur公司的Power knee下肢假肢[21?23].

隨著近年來國內外學者對生物力學信號進一步研究發(fā)現(xiàn),截肢者行走意圖識別受傳感器的安裝位置、數量、性能參數等因素影響.在傳感器的位置選擇方面,王人成等[24]利用紅外光點運動捕捉系統(tǒng)采集下肢截肢者運動軌跡都在不同程度上表明髖、膝、踝關節(jié)生物力學信號可以判斷假肢的擺動情況.在傳感器的數量使用方面,文獻[6,12,25]通過結合多傳感器數據融合,提高了行走意圖識別的準確率,減少了截肢者假肢的使用負擔.在傳感器性能選擇方面,文獻[26]提出一種自動配置假肢傳感器控制參數的自適應控制器(Adaptive dynamic programming,ADP),使用仿真方法,結果表明,配置ADP的下肢截肢者步態(tài)延遲時間短、運動軌跡更接近理想步態(tài),行走過程也更加安全有效.王啟寧課題組研發(fā)了基于電容傳感器的下肢假肢運動意圖識別,2013年該組的Zheng等將兩個電容環(huán)分別緊貼于截肢者的大腿和小腿位置,電容環(huán)內多個電極和人體形成多個耦合電容,通過腿部肌肉收縮使電容信號變化.采集12名健康受試者的11種不同運動模式,取4種時域特征值,使用線性模式分類算法,結果平均運動識別準確率為95%[27].2014年Zheng等[28]改進電容接觸方式,提出了非接觸式的電容傳感方法.將金屬電極置于假肢接受腔內,使用電容信號監(jiān)測殘肢端肌肉收縮和殘肢端與接受腔作用力的改變.選擇6名膝下截肢者的6種不同的行走步態(tài),取6種時域特征值,使用基于相位的二次分類方法,結果擺動相識別率為96.3%,站立相識別率為94.8%.電容式傳感器從接觸式到非接觸式的轉變,是在保證識別準確率的前提下解決了常用的傳感器、電極與皮膚長時間接觸造成移位和皮膚損傷等問題.使用相關傳感器采集生物力學信號進行下肢截肢者行走模式識別已經達到較高的識別準確率,Varol等[29]首先對膝上截肢患者的假肢側實時識別三種模式(坐、站立、行走),采集與生物力學相關的關節(jié)角度和人機交互力,使用有限狀態(tài)機和阻抗控制的方法控制假肢關節(jié)驅動器,平均準確率分別達到100%,但存在500ms的延遲.Gazzoli等[30]提出將一種新型的低功耗的壓力傳感器(2個)置于假肢接受腔內(腔部低端平面的中側和后側),識別三種不同模式之間的轉換(平地行走、跑和爬),結果表明,輸入的人機交互力和輸出的電壓顯示出良好的線性關系,可以有效地識別三種模式間的轉換.

但是單純基于生物力學信息不能獲取直接的下肢行走意圖.生物力學信息具有難以監(jiān)測使用者的神經肌肉狀態(tài),無法實現(xiàn)截肢者對假肢的直覺控制,且對下肢運動信息識別存在延遲等問題.而且該方法還需要特殊的觸發(fā)方式(如夸張的臀部伸展或向前/向后搖擺假肢等)來實現(xiàn)不同運動模式之間的切換,這給使用者帶來了很大的心理和精神負擔[29,31?33].

2.2 利用肌電信息進行截肢者行走意圖識別

使用肌電信號(EMG)進行截肢者行走意圖識別研究主要包括表面肌電(Surface electromyography,sEMG)信息解析、運動單元動作電位序列及目標肌肉神經功能重建(補充肌電信號源)三個方面.

肌電信號是眾多肌纖維中運動單元動作電位在時間和空間上的疊加,是與運動模式密切相關的并能反映步行者自主行走意圖的生理電信號[34?36],如圖3所示.利用表面肌電信息進行下肢截肢者行走意圖識別的研究主要涉及傳感器的安放位置、EMG信號的特征組合及分類方法對截肢者行走意圖識別準確率的影響等方面.

圖3 基于肌電信息識別截肢者行走意圖原理示意圖Fig.3 Lower-limb locomotion intent recognition based on sEMG signals

EMG是直覺控制的信號源[37],表面肌電采集具有無創(chuàng)傷、安全、使用方便等優(yōu)點[19];在肢體運動實際開始前就被檢測到[38],能反映肌力大小和殘端肌肉疲勞狀態(tài)等人體相應的肌肉功能[39?40].與肢體運動直接相關,有利于識別不同的行走模式,實現(xiàn)不同運動模式之間的及時、自然無縫轉換.對sEMG信號進一步研究,同樣發(fā)現(xiàn)截肢者行走意圖識別受傳感器的安裝位置因素影響.

在傳感器的位置選擇方面,Miller等[41]對5個膝下截肢患者和5個健康人(根據殘肢端肌肉剩余情況選擇3～4塊肌肉,健康組選擇4塊肌肉,每塊肌肉貼放兩個電極)進行7種步態(tài)模式識別,對比sEMG電極貼放于肌肉位置和相對肌肉移位3cm位置的識別準確率,結果表明,每塊肌肉的運動意圖識別率都會降低,其中腓腸肌下降最明顯,患者組識別準確率下降46.3%,健康組識別準確率下降67.6%.侯增廣課題組的Peng等[42]在受試者下肢肢體選取8塊主動肌和拮抗肌肌群(髖關節(jié)和膝關節(jié)附近),穿戴自行研發(fā)的iLeg(8通道的肌電采集裝置)完成規(guī)定的圓形軌跡運動,結果表明,選取的8塊肌肉位置采集的sEMG信號可以實時監(jiān)測運動起始點,解決了機械信號的判斷起始點的延遲性問題.

但是單純基于sEMG信息不能獲取充足、直接的下肢行走意圖.下肢的運動涉及神經、肌肉、骨骼等多方面的相互作用,單純的肌電信號無法精確反映人體協(xié)調步速、適應路況等復雜任務;此外,截肢者截肢程度越高,殘留肢體肌肉越少,肌電信號源越少,加之sEMG的個體差異性和時變特性[43],無法為下肢高位截肢者提供充足、穩(wěn)定(易受肌肉阻抗、皮膚汗液、表皮毛發(fā)及外部電磁干擾)的信息[38,44?45],實現(xiàn)行走意圖的精確識別是sEMG存在的問題.目前的研究大部分停留在實驗室水平和理論研究階段,距離應用還有一定差距[6].

2.2.1 運動單元動作電位序列作補充的肌電信息

對于sEMG信號源不足、表現(xiàn)不穩(wěn)定的特點,豐富肌電信號源的研究主要包括基于運動單元動作電位序列的下肢運動意圖識別(Motor unit action potential trains,MUAPt)和下肢目標肌肉神經分布重建方法(Target muscle rehabilitation,TMR).

MUAPt是檢測運動神經信號的最直接手段.MUAPt在肌肉纖維中傳播形成電流場,EMG信號測量置于該電流場中電極檢測到的電位差[46?48].肌電分解是sEMG形成的逆過程,即將采集的sEMG信號分解成各組成分量MUAPt,根據MUAPt結果,可以得到不同運動單元的募集與發(fā)放信息,有利于從更微觀的尺度,分析運動產生及肌肉控制機理[49].不同肢體動作在特定肌肉上產生EMG的特征值形態(tài)相似,但是募集的運動單元個數以及發(fā)放模式卻有很大區(qū)別.因此研究EMG的分解算法,通過表面或肌內肌電實時的分離出多個MUAPt[50?54],利用MUAPt不同的募集發(fā)放模式組合,可以從微觀層面獲取關聯(lián)動作的豐富信息,進而精確識別出不同肢體動作[55?56].圖4是運動單元脈沖序列驅動的肌肉骨骼模型(單個運動單元神經細胞、肌肉纖維、肢體肌肉骨骼、全身肌肉骨骼系統(tǒng)).目前比較成熟的CKC(Convolution kernel compensation)方法盲源分離EMG[57].

圖4 運動單元脈沖序列驅動的肌肉骨骼模型Fig.4Musculoskeletal geometry model driven by MUAPt

但是采集MUAPt進行下肢截肢者行走意圖識別的計算量龐大,怎樣用最少的運動單元進行精準的動作分類目前處于理論的探索階段[50].

2.2.2 目標肌肉神經功能重建作補充的肌電信息

目標肌肉神經分布重建(TMR)是將殘余的外周神經通過外科手術移植到功能代替肌肉(目標肌肉)內.這些移植的神經將在目標肌肉中生長和分布,形成新的神經網絡,從而重建因截肢所失去的肌電信息源[58].TMR提供附加神經信息,解決了下肢截肢者sEMG不足的問題[59?64].TMR技術由美國芝加哥康復研究院首先提出,該研究院Kuiken等[58]2009年在Journal of the American Medical Association雜志上發(fā)表文章,使經肱骨截肢者重建因截肢失去的肌電信息源.將上肢截肢者的殘余臂叢神經植入同側胸大肌后,利用胸大肌作為目標肌肉.經過一段時間恢復,對實施過TMR手術的3例肱骨截肢者,使用12通道sEMG電極(手臂9個,手部3個),通過虛擬設備執(zhí)行10個不同的肘、腕和手部動作,提取四個時域特征值,使用線性模式分類算法實時分類,經計算,肘部腕部動作識別率為96.3%,手部動作識別率為86.9%.該實驗驗證了目標肌肉產生的肌電信號可以在皮膚表面測量到,并能用于假肢手控制(如圖5(a)所示).Hargrove等[65]2013年在New England上發(fā)表文章,對一名膝上截肢男子實施了下肢TMR手術(使失支配的坐骨神經的腓總神經和脛骨神經分別重新支配到目標肌肉股二頭肌和半腱肌),以未進行TMR手術截肢患者做對照組,使用96個sEMG(均勻貼附在殘肢端),使用虛擬系統(tǒng)分別完成兩個自由度運動(膝關節(jié)彎曲和伸展、踝關節(jié)跖屈和背屈)和四個自由度運動(膝關節(jié)彎曲和伸展、踝關節(jié)跖屈和背屈、脛骨旋轉、股骨旋轉),結果在截肢者目標肌肉上采集到穩(wěn)定的肌電信號,相比沒有進行TMR手術的截肢患者,TMR手術患者在兩個自由度運動和四個自由度的運動實時識別錯誤率分別降低了43%和39%;進一步,該患者穿戴動力型下肢假肢(由美國范德比爾特大學提供)采集殘肢端和附加的肌電信息,患者可以自由完成5個運動模式以及模式間的無縫切換;此外該研究組在肌電信息的基礎上又引入了13個機械傳感器進行模式識別(動態(tài)貝葉斯),TMR手術患者實時誤差錯誤率為1.8%,比沒有進行TMR手術患者降低了0.4%.如圖5(b)所示.

為解決高位截肢患者肌電信息源缺失和不足的問題,本課題組在國內首次提出并成功完成目標神經肌肉代替術(Hybrid reinnervation of targeted nerves and muscles,HR-TNM)[66].利用神經與神經吻合技術對TMR進行優(yōu)化及改良,提出一種新的神經功能重建方法–目標神經功能代替術(Targeted nerve functional replacement,TNFR),并采用TMR與TNFR相結合的方式(HR-TNM),對一位男性經肱骨截肢者實施了HR-TNM 手術,重建了因截肢而喪失的肌電信息.具體地,在上肢神經功能重建過程中,對受試者上肢正中神經采用TMR技術,將神經植入相應的目標肌肉中,實現(xiàn)目標肌肉的神經再分布以及功能再支配;對橈神經與尺神經則采用目標神經功能代替(TNFR)方法,重建橈神經和尺神經神經功能.經過8個月的康復,選擇128通道sEMG電極(高密度肌電采集設備),使用虛擬設備完成7個動作(肘、腕、手部各2個動作和放松動作),經肌電分析,術后動作識別率較術前有顯著提高,所有動作識別錯誤率均低于3%,圖5(c)是本項目組完成的上肢截肢患者神經功能重建手術示意圖和實驗過程展示.然而TMR和HR-TNM技術在實際應用中也存在一些問題,手術中重建神經目標肌肉無法與殘留神經纖維相連接或手術后目標肌肉重建的神經生長過緩造成目標肌肉的萎縮,會導致TMR或HR-TNM術后提供附加的肌電信息效果欠佳.

圖5 利用TMR技術重建截肢者的運動神經功能Fig.5 The neurological redirection to innervate accessory muscles by TMR

2.3 利用神經機器接口信息進行截肢者行走意圖識別

神經機器接口技術是通過直接采集人體中樞或外周神經信號,通過神經信息解碼,實現(xiàn)人對外部機器的直覺控制.使用神經機器接口信息進行截肢者行走意圖研究主要包括基于腦電信息的神經機器接口技術和基于周圍神經信息的神經機器接口技術兩種方法(如圖6所示).

圖6 基于神經機器接口的截肢者行走意圖識別示意圖Fig.6 Lower-limb locomotion intent recognition based on different neural-machine interfaces

腦電信號(EEG)是中樞神經元電生理活動在大腦皮層或頭皮表面的總體反映,經自發(fā)腦電或誘發(fā)腦電信號,通過特征提取、模式識別等方法可以識別人體下肢的運動意圖[67?70].EEG的研究最早起始于上肢動作分類的研究.1999年,Chapin課題組首次使用大鼠動物模型驗證腦皮層的神經信號可以操控機械手臂獲取水[71].近年來直接使用腦機接口技術測量EEG作為下肢截肢者的控制信號識別運動意圖[72?73],通過有效地提取EEG和分類行走模式達到截肢者行走識別的目的[74].Wieser等[75]和Wagner等[76]分別研究EEG信號在時間、空間模式上的特征和最大熵獨立成分分析、聚類分析的方法分析在有輔具條件下下肢行走意圖識別,發(fā)現(xiàn)EEG信號的特征在主動運動、輔助運動和被動運動三種不同步態(tài)階段大腦皮層活動存在很大的差異,可用于步行運動的識別.朱向陽、張定國等應用EEG信號分析、解碼及外刺激輔助的增強式人機接口技術和假肢的感知功能再造技術設計了多自由度假肢的欠驅動機構設計方法,能夠較好地模擬正常人上肢運動的關節(jié)軌跡[77?78].與sEMG信號相比,EEG是非平穩(wěn)信號,對肢體運動意圖的分辨性較低,有更大的隨機性,表情、情緒、注意力的改變等都會輕易影響到大腦產生的EEG信號[79],當前實用化研究多用于輪椅控制[80],基于EEG的下肢假肢行走意圖識別與實用化還有一定距離.

基于周圍神經信號(Peripheral nerve signal,PNS)的下肢截肢者行走意圖識別方法是通過植入電極,直接測量周圍神經電信號,并傳輸到體外作為下肢假肢的控制信號.但該方法存在有創(chuàng)性,信號采集難度高,以及電極植入體內后因電極周圍神經組織纖維化造成電極測量失效,電極長期植入的生物兼容性等問題,目前的大部分研究都仍處于實驗室階段.

2.4 利用生物力學信息與肌電信息的融合信息進行截肢者行走意圖識別

使用單一的生物力學信號或表面肌電信號作為控制信號源進行下肢行走意圖識別均存在明顯不足.生物力學信號無法監(jiān)測截肢者的肌肉生理功能狀態(tài),表面肌電信號不夠穩(wěn)定,單純依賴肌電模式識別方法無法實現(xiàn)魯棒的高精度下肢行走意圖識別.因此,專家學者嘗試同時采集截肢者生物力信號和表面肌電信號,通過sEMG信號和生物力學信號的融合信號源進行行走意圖識別,可以有效提高步態(tài)模式識別的精度并減少步態(tài)模式轉換的延遲[6](如圖7所示).

孫廣彬等[81]結合足底壓力和足底sEMG信號檢測足底壓力的中心位置和踝關節(jié)過零矩點的移動位移,并使用人體相似性原理優(yōu)化機器人的運動數據,有效預測了步態(tài)中壓力點位置,提高了機器人實時模仿人類行走穩(wěn)定性;Huang等[10]提出了神經肌肉–生物力學信號融合的下肢運動意圖識別方法,在穩(wěn)定期識別準確率超過99%,在擺動期識別準確率為95%;Hargrove等[65]在2013年使用生物力學信息和生物力學信息與肌電信息的融合信息兩種方式對5例下肢截肢患者(1例TMR術后,4例未做TMR手術)的5種步態(tài)模式及模式轉換進行行走意圖識別,結果發(fā)現(xiàn)在兩種方式下截肢患者都可以完成動作任務,加入肌電信息可提高識別精度(在未實施TMR手術患者中,實時誤差率下降10.7%,實施TMR手術患者中,實時誤差率下降11.1%);2015年,Hargrove對8例下肢截肢者(6例膝上截肢,1例膝關節(jié)離斷,1例髖關節(jié)離斷經歷TMR術后)融合肌電信號(9通道)和生物力學信號(13通道)使用基于歷史信息方法的實時行走意圖識別,TMR術后的患者平均分類誤差為1.8%,比未經歷TMR手術患者誤差降低6.1%,此外TMR術后患者的方差誤差值也較未經歷TMR手術患者降低[72].

圖7 基于生物力學信息和肌電信息的多信息源融合的截肢者行走意圖識別原理Fig.7 Lower-limb locomotion intent recognition based on biomechanical signals and sEMG signals

表2 利用不同信息源進行行走意圖識別的性能比較Table 2 A comparison with several methods based on different signal sources

基于融合的生物力學信號與肌電信號意圖識別,相比基于單純的生物力學信號的研究,可以顯著提高截肢者行走意圖識別準確率.

3 存在的問題及未來的發(fā)展方向

決定下肢行走意圖識別效果的關鍵是信號源,來源直接、信息充足、穩(wěn)定的信號源可以有效提高識別的準確率和假肢的操控性能.本文結合當代下肢假肢行走意圖識別方法的發(fā)展歷程,介紹了下肢截肢者運動的不同內涵,從信號源的角度進行下肢截肢者行走意圖識別方法討論.生物力學信號是當前產品化的下肢假肢中所應用的信號源,EMG,MUAPt,TMR,HR-TNM和EEG是實現(xiàn)人體直覺控制智能下肢假肢不可或缺的信號源.表2是基于不同信息源的下肢截肢者行走意圖識別方法優(yōu)缺點及其應用場景的性能比較.克服這些問題還存在很多技術困難.在未來開展基于不同信息源的下肢截肢者行走意圖識別方法研究時,需要重點關注以下可能的技術突破點.

1)肢體缺失后運動神經功能的重建技術和方法.由于高位截肢患者肌電信息源存在缺失和不足的問題,需要附加的肌電信息源進行行走意圖識別.現(xiàn)有的運動功能重建技術應根據患者殘肢端具體情況設計多種可靠的靶向肌肉神經吻合方案,并且開展加速術后肌肉神經生長的方法,保證運動神經功能肌電信息的高性能測量.

2)提高截肢者行走意圖識別的準確率.sEMG是反映運動意圖的直覺信號源,在當前假肢控制系統(tǒng)中占主導地位,但是sEMG在實際應用中容易出現(xiàn)電極移位、脫落等不穩(wěn)定因素造成系統(tǒng)的原始輸入數據部分丟失或錯誤,因此在假肢系統(tǒng)中添加必要的容錯機制使得模型在sEMG輸入部分丟失/錯誤情形下,仍能保持一定的精度繼續(xù)工作.此外,融合一些新型傳感器(電容傳感器,壓力傳感器和加速度傳感器等),通過閉環(huán)回路反饋和校正輸入的信息,不僅能提高運動意圖的識別精度,還能保證人機交互過程的自然、流暢,實現(xiàn)多種信息源的融合下的優(yōu)勢互補.但是多類傳感器的融合,需要考慮多源信息同步融合及系統(tǒng)實時性問題,以防出現(xiàn)操作延時現(xiàn)象.

3)利用下肢假肢控制穩(wěn)定性的方法實現(xiàn)下肢截肢者更加平穩(wěn)、自然的行走.保證控制方法的多樣化,發(fā)展自適應、自組織和自學習功能的智能控制技術,特別是具有實時和快速學習性能的智能控制技術,用于提高同一步態(tài)模式的識別準確率,保證不同步態(tài)模式間自然、無縫切換,降低不同路況條件,不同速度條件下的用戶摔倒風險,實現(xiàn)真正意義上的人、機器、環(huán)境三者之間的相互適應.

總之,基于不同信息源的下肢截肢者運動意圖識別和下肢假肢控制的研究已成為國際神經工程和康復技術領域的研究熱點.新成果的不斷涌現(xiàn)必將開啟假肢技術發(fā)展應用的新篇章.