Personalized EMG preprocessing and normalization for musculoskeletal simulation

doi:10.1177/09287329261432854

Personalized EMG preprocessing and normalization for musculoskeletal simulation

2026-05-01

0

PRE

AI

Kristina Daunoravičienė

DOI：10.1177/09287329261432854

原文链接

原文求助

摘要

En 中文

背景准确解释肌电图（EMG）信号对于生物力学和康复应用中可靠控制骨骼肌（MS）模型至关重要。传统预处理方法可能无法考虑受试者特定的信号特征和任务相关的肌肉功能。目的本研究旨在开发并验证一种自适应且个性化的EMG预处理流程，以增强在肘关节屈伸任务期间EMG驱动的骨骼肌模型的生理准确性。方法使用Delsys系统记录了六块上肢肌肉的EMG信号，同时参与者进行肘关节屈伸运动。采用个体化频谱滤波和双阶段归一化方法对信号进行预处理。首先，应用基于动态最大自主收缩（MVC）的min-max归一化来标准化信号幅度。其次，采用功能加权方法，根据每块肌肉对运动的生物力学贡献来缩放其激活程度。处理后的信号被用作OpenSim肘关节模型的输入，并将产生的关节运动学数据与Xsens系统捕捉的参考运动数据进行比较。结果 EMG驱动的OpenSim模型与Xsens数据表现出强一致性，相关系数超过0.98，均方根误差（RMSE）值低于8度。虽然观察到轻微的系统偏差，但关节角度轨迹在试验中保持一致且生理上合理。结论提出的受试者特定的EMG预处理流程增强了生物力学模型的准确性和可解释性。未来的研究应探索自适应信号对齐技术和基于AI的处理方法，以在动态和可穿戴场景中提高模型的鲁棒性。

Keyword:

musculoskeletal simulation

EMG

signal normalization

OpenSim

muscle weighting

adaptive filtering

Personalized EMG preprocessing and normalization for musculoskeletal simulation

摘要

期刊

机构

引用论文