基于新型双输入卷积神经网络的肌电模式识别

作     者：杨诞 阚秀 曹乐 张文艳 孟壮壮 YANG Dan;KAN Xiu;CAO Le;ZHANG Wenyan;MENG Zhuangzhuang

作者机构：上海工程技术大学电子电气工程学院上海201620 

出 版 物：《中国医学物理学杂志》 (Chinese Journal of Medical Physics)

年 卷 期：2022年第39卷第6期

页      面：743-751页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 0836[工学-生物工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61703270) 

主　　题：双臂协同运动 卷积神经网络 差别特征 肌电模式识别 

摘      要：针对双臂协同运动中蕴含的运动信息量大,难以充分解读且识别率不高的问题,提出一种新型的双输入卷积神经网络(ND-CNN)模型。首先,根据双臂运动的特点,分别设计数据整理和模型输入两种策略。然后,利用两个结构相同、参数共享的特征提取层提取信号本身的特征和信号之间的差别特征。最后,利用所提取的两类特征实现双臂协同动作的识别。在自主设计的双臂实验中,将ND-CNN与其余3种先进的神经网络对比。实验结果表明,本文所提的ND-CNN模型在识别精度和可靠性上优于其他网络模型,能够对双臂肌电动作有效识别。