6 条结果 关键词:表面肌电 ×

Identification of the Biomechanical Response of the Muscles That Contract the Most during Disfluencies in Stuttered Speech.

Sensors (Basel, Switzerland) 2024 Marin E, Unsihuay N, Abarca VE, Elias DA

口吃影响约1%全球人口,是显著影响生活质量的复杂言语障碍。既往利用肌电图(EMG)研究口吃者口面部肌肉活动的结果不一致,提示口吃发作期间神经肌肉反应存在变异性。本研究纳入55名口吃者和30名非口吃者,年龄18–40岁,在言语任务中记录5块面部和颈部肌肉的EMG信号,并分析平均幅度及5–15 Hz频带活动以识别显著差异。结果显示,在5...

Validity and reliability study of a novel surface electromyography sensor using a well-consolidated electromyography system in individuals with cervical spinal cord injury.

Spinal cord 2024 Jayaraman C, Mummidisetty CK, Jayaraman A, Pfleeger K 等 9 人

本研究为一项非干预性、横断面试点研究,旨在评估 BioStamp nPoint 生物传感器在颈脊髓损伤(SCI)个体中测量表面肌电(sEMG)的有效性与可靠性,并以 Delsys Trigno 无线肌电系统作为参照。研究从 Shirley Ryan AbilityLab 注册库招募 18–70 岁颈 SCI 受试者,在两天内完成两次...

An Ultra-Low Power Surface EMG Sensor for Wearable Biometric and Medical Applications.

Biosensors 2021 Wu YD, Ruan SJ, Lee YH

近年来,表面肌电(EMG)信号受到广泛关注,可用于分析肌肉活动或评估患者肌肉状态。然而,商用表面 EMG 系统价格昂贵且功耗较高。因此,本文旨在实现一种支持高采样和超低功耗测量的表面 EMG 采集系统。本文对 EMG 采集电路的各部分进行了分析与优化,并将微控制器(MCU)与低功耗蓝牙(BLE)相结合。在 MCU 省电方法方面,系统...

可穿戴生物传感器 表面肌电EMG低功耗蓝牙低功耗

Biosensor vital sign detects multiple sclerosis progression.

Annals of clinical and translational neurology 2021 Krysko KM, Akhbardeh A, Arjona J, Nourbakhsh B 等 7 人

本研究旨在评估一种小型可穿戴多传感器设备能否区分进展型与复发缓解型多发性硬化(MS),并在短随访期内捕捉肢体功能进展。研究前瞻性纳入 68 名 MS 患者,在约每 6 个月一次的常规门诊随访中,患者佩戴 MYO-band 完成手指和足趾敲击任务。该设备集成加速度计、陀螺仪和表面肌电(sEMG)传感器。作者对原始信号进行去噪、敲击事件...

Effective low-power wearable wireless surface EMG sensor design based on analog-compressed sensing.

Sensors (Basel, Switzerland) 2014 Balouchestani M, Krishnan S

表面肌电(sEMG)是一种无创测量骨骼肌电活动的方法,但现有系统难以实时监测、处理速度慢且功耗高,不适合无线医疗。本文提出一种基于模拟压缩感知(CS)的可穿戴无线 sEMG 生物传感器架构,包含三个新算法。发射端在模数转换(ADC)前采用两个算法实现模拟压缩:利用随机感知矩阵对稀疏 sEMG 进行随机线性测量,并通过 Gilbert...

A new approach to improve the quality of biosensor signals using Fast Independent Component Analysis: feasibility study using EMG recordings.

Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference 2013 Naik GR, Guo Y, Nguyen H

本文提出一种基于快速独立成分分析(Fast ICA)的生物传感器信号质量改善方法,用于表面肌电(sEMG)等生物电记录的预处理,以去除串扰和伪迹。生理信号记录中常混入非目标肌肉电活动、心电、呼吸等干扰,且多通道记录中活跃源数量难以确定。传统拒迹、滤波、门控、回归等方法存在数据丢失、频谱重叠、不连续或依赖参考通道等局限。由于 sEMG...