高密度表面肌电信号数据集，可用于解析手指运动“密码”
2022-07-01 15:11:56 来源：麦姆斯咨询评论：0 点击：

近日，东南大学生物电子学国家重点实验室宋爱国教授研究团队构建了一个高密度表面肌电信号（HD-sEMG）数据集，包含同步采集的手部内在肌肉和外在肌肉的sEMG信号，可进一步用于自动识别灵巧的手指运动。

表面肌电信号（sEMG）是由肌肉收缩产生并通过表面电极采集到的一种生物信号，可通过非侵入式方式获取。基于sEMG的肌电控制系统目前已在医疗、康复、运动科学、智能机器人等领域得到广泛应用，对实现高灵敏人机交互发挥着重要的作用。然而，表面肌电信号较为微弱，在实际交互应用中易受诸多因素干扰，通过其解码灵巧的手指运动仍然非常具有挑战性。

据麦姆斯咨询报道，近日，东南大学生物电子学国家重点实验室宋爱国教授研究团队构建了一个高密度表面肌电信号（HD-sEMG）数据集，包含同步采集的手部内在肌肉和外在肌肉的sEMG信号，可进一步用于自动识别灵巧的手指运动。该数据集为研究手指运动过程中内外在肌肉的协同机制提供了一个崭新视角，同时也为探索解码手指运动的通用模型提供了数据支撑。相关研究成果已发表于Scientific Data期刊。

研究人员在接近实际应用的场景下，采集了20名被试者手部内在肌肉和外在肌肉的sEMG信号，并研究了基于sEMG识别灵巧手指运动的方法的稳定性和鲁棒性。手部内在肌肉信号通过64通道HD-sEMG网格测量，外在肌肉信号通过可穿戴8通道sEMG传感器阵列测量。此外，数据手套传感器用于测量手指关节角度并将其与sEMG测量同步。采集到的数据主要用于根据sEMG信号对人体手指运动进行自动解码。

用于sEMG数据采集和分析的实验及分析流程

目前，大多数sEMG数据集和基于sEMG的手势预测方法都忽略了重力效应。研究人员采集了被试者在两种步速和三种典型手臂姿势下进行的12组手指动作。分别检测了单指和多指屈曲运动，以及掌骨关节的外展（远离手中心）和内收（朝向手中心）。此外，系统地收集和分析了四个长手指的数据，建立了一个完善的sEMG数据集，可用于分析四个手指的同步运动，保证了研究数据的完整性。

HD-sEMG数据集的结构和特征