{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,7,3]]，“日期-时间”：“2024-07-03T05:55:22Z”，“时间戳”：1719986122706}，“引用-计数”：39，“发布者”：“MDPI AG”，“问题”：“15”，“许可证”：[{“开始”：{“日期-零件”：[2019,7,27]]，2019-07-27T00:00:00Z“，“时间戳”：1564185600000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100000038”，“name”：“加拿大自然科学与工程研究委员会”，“DOI-asserted-by”：“publisher”，“award”：[“RGPIN-2014-03815”]}，{“DOI”：”10.13039\\501100003400“，”name“：“安大略省研究、创新和科学部”，“doi-asserted-by”：“publisher”，“award”：[“ER14-10-159”]}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[”Sensors“]，“abstract”：“穿戴式机器人支架有可能改善肌肉骨骼（MSK）患者的康复治疗。理想情况下，健康的定量评估将纳入康复设备中，以监测患者的康复情况。本研究的目的是基于肌电图（EMG）数据建立一个模型来区分肘部创伤患者的健康手臂和受伤手臂。对30名肘部创伤患者的健康和受伤肢体进行10次上肢运动时的表面肌电图记录。从数据中提取了42个特征和5个特征集。特征选择的目的是改进类分离并降低特征集的计算复杂度。测试了以下分类器：线性判别分析（LDA）、支持向量机（SVM）和随机森林（RF）。分类器用于区分两种健康水平：健康和受伤（50%基线准确率）。最大分形长度（MFL）、肌脉百分比率（MYOP）、功率谱比（PSR）和尖峰形状分析特征被确定为肘部肌肉健康分类的最佳特征。LDA分类模型的多数票提供了82.1%的交叉验证准确性。本文描述的工作表明，可以区分MSK肘关节损伤患者的健康肢体和受伤肢体。进一步的评估和优化可以提高分类模型的一致性和准确性。这项工作是首次通过可穿戴康复设备确定肌肉健康评估的肌电图指标<\/jats:p>“，”DOI“：”10.3390\/s19153309“，”type“：”journal-article“，”created“：{”date-parts“：[[2019,7,29]]，”date-time“：”2019-07-29T07:06:58Z“，”timestamp“：1564384018000}，”page“：“10.3390”，“音量”：“19”，“作者“：[{”given“：”Emma“，”Farago“，”sequence“：”first“，”affiliation“：[[{“name”：”Western University，London，ON N6A 5B9，Canada“}]}，{“given”：“Shrikant”，“family”：“Chinchalkar”，“sequence”：“additional”，“affiliance”：[{'”name“：”St。Joseph\u2019s Health Care，London，ON N5V 3A1，Canada“}]}，{”ORCID“：”http://\/ORCID.org\/0000-0002-9258-8619“，”authenticated-ORCID“：false，”given“：“Daniel J.”，“family”：“Lizotte”，“sequence”：“additional”，“affiliation”：[{“name”：“加拿大，ON N6A 5B9，伦敦，西部大学计算机科学系”}，”{“name”：“”西方大学流行病学和生物统计系，伦敦，ON N6A 5B9，加拿大“}]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-3616-2891”，“authenticated-ORCID”：false，“given”：”Ana Luisa“，“family”：“Trejos”，“sequence”：“additional”，“affiliation”：[{“name”：“加拿大ON N6A 5B9伦敦西部大学电气与计算机工程系“}，{“name”：“加拿大ON N6 A 5A5伦敦西部大学生物医学工程学院”}]}]，“member”：“1968”，“published-online”：{“date-parts”：[[2019,7,27]]}，“reference”：[{“key”：“ref_1”，“unstructured”：“加拿大肌肉骨骼健康与关节炎研究所（2019年5月28日）。IMHA 2014年战略计划\u20132018。在线获取：http://www.cihr-irsc.gc.ca\/e\/48830.html\/。“}，{”key“：”ref_2“，”doi-asserted-by“：”crossref“，”first-pages“：”3“，”doi“：”10.1186\/1743-0003-11-3“，”article-title“：”上肢康复机器人设备调查“，”volume“：“11”，“author”：“Maciejasz”，“year”：“2014”，“journal-title”：“J.Neuroeng.Rehabil.”}，”{“key”：“ref_3”，“unstructured”：“（2019年5月28日）.肌肉。在线获取：http://\/myomo.com//。“}，{”key“：”ref_4“，”doi-asserted-by“：”crossref“，”first-page“：”363“，”doi“：”10.1016\/j.hcl.2004.06.004“，”article-title“：”肘部创伤修复“，”volume“：“20”，“author”：“Chinchalkar”，“year”：“2004”，“journal-title”：“Hand Clin.”}，”{“key”：“ref_5”，“doi-assert-by”：“Crosref”，“first-page:”S95“，”doi“：”10.1007\/s12306-014-0328-x“，”文章标题“：”创伤病理学中的肘关节康复”，“卷”：“98”，“作者”：“Fusaro”，“年份”：“2014年”，“新闻标题”：“肌肉骨骼”。外科学“}，{”key“：”ref_6“，”doi-asserted-by“：”crossref“，”first page“：“429”，”doi“：”10.2174\/1874325001206010429“，”article-title“：”肘关节骨折后康复实践模式调查“，”volume“:”6“，“author”：“Macdermid”，“year”：“2012”，“journal-title”：“Open Orthop.J.”}，}“key”：“ref_7”，“doi-assert-by”：“crossref.”，“首页”：“1”，“doi”：“10.1016 \/j.compbiomed.2014.04.018“，”article-title“：“使用机器学习工具表征肌电图数据”，“volume”：“51”，“author”：“Yousefi”，“year”：“2014”，“journal-title”：“Compute”。Biol.Med.“}，{”key“：”ref_8“，”doi-asserted-by“：”crossref“，”unstructured“：”Adel，T.，Smith，B.，Urner，R.，Stashuk，D.，and Lizotte，D.J.（2013年1月11日\u201315）。定量肌电图的生成性多站学习模型。第29届人工智能不确定性会议论文集，美国俄勒冈州科瓦利斯。“DOI“：”10.5772\/56033“}，{“key”：“ref_9”，“DOI-asserted-by”：“crossref”，“first page”：：“5”，“DOI”：“10.1016\/S0894-1130（03）80018-2”，“article-title”：“肘关节屈伸期间僵硬和正常肘关节的肌电图活动”，“volume”：”16“，”author“：”page“，“year”：“2003”，“journal-title“：”J.Hand Ther.“}”，{”key“：”ref_10“，“DOI-asserted-by”：“crossref”，“非结构化”：“Nazmi，N.、Rahman，M.A.A.、Yamamoto，S.I.、Ahmad，S.A.、Zamzuri，H.和Mazlan，S.A.（2016）。等张和等长收缩期间肌电信号分类技术综述。传感器，16.“，”DOI“：”10.3390\/s16081304“}，{“key”：”ref_11“，”DOI-asserted-by“：”crossref“，“first page”：“12431”，“DOI”：“10.3390\/s130912431”，”article-title“：”表面肌电信号处理和分类技术“，”volume“：”13“，”author“：”Chowdhury“，”year“：”2013“，”journal title“：serted-by“：”crossref“，”首页“：”4832“，”DOI“：”10.1016\/j.eswa.2013.02.023“，”article-title“：”EMG特征评估以提高肌电模式识别鲁棒性“，”volume“：”40“，”author“：”Phinyomark“，”year“：”2013“，”journal-title”：“Expert Syst。申请。“}，{”key“：”ref_13“，”doi-asserted-by“：”crossref“，”first-page“：”7420“，”doi“：”10.1016\/j.eswa.2012.01.102“，”article-title“：”肌电信号分类的特征简化和选择“，”volume“：“39”，“author”：“Phinyomark”，“year”：“2012”，“journal-title”：“Expert Syst.Appl.”}，”{“key”：“ref_14”，“doi-assert-by”：“crossref.”，“首页”：“146”，“doi”：“10.1016\/j.jneumeth.2006.07.004“，“文章标题”：“不同等长力水平下表面肌电尖峰形状的分析”，“体积”：“159”，“作者”：“加布里埃尔”，“年份”：“2007”，“新闻标题”：《神经科学杂志》。方法“}，{”key“：”ref_15“，”doi-asserted-by“：”crossref“，”first-page“：”1956“，”doi“：”10.1109\/TBME.2008.919734“，”article-title“：”应用于上肢的基于支持向量机的肌电控制分类方案“，”volume“：crossref“，”first page“：”2297“，”DOI“：”10.1073\/pnas.88.6.2297“，”article-title“：”近似熵作为系统复杂性的度量“，”volume“：“88”，“author”：“Pincus”，“year”：“1991”，“journal-title”：“Proc。国家。阿卡德。科学。美国“}，{”key“：”ref_17“，”doi-asserted-by“：”crossref“，”first page“：“11156”，”doi“：”10.1016\/j.eswa.2012.03.039“，”article-title“：”微弱和单通道上肢肌电信号的分形分析特征“，”volume“：y“：”crossref“，”首页“：”82“，”DOI“：”10.1109\/10.204774“，”文章标题“：”多功能肌电控制的新策略“，”卷“：”40“，”作者“：”哈金斯“，”年份“：”1993“，”期刊标题“：“IEEE Trans。生物识别。工程“}，{”key“：”ref_19“，”doi-asserted-by“：”crossref“，”first page“：“H2039”，”doi“：”10.1152\/ajpheart.2000.278.6.H2039“，“article-title”：“使用近似熵和样本熵进行生理时间序列分析”，“volume”：“278”，“author”：“Richman”，“year”：“2000”，“journal-title“：”Am.J.Physiol.Heart Circ.Physiol“}”，{“key”：”ref_20“”，“doi-asserted-by“：”crossref“，”first-pages“：”848“，”doi“：”10.1109\/TBME.2003.813539“，”article-title“：”多功能肌电控制的鲁棒实时控制方案“，”volume“：”50“，”author“：”Englehart“，”year“：”2003“，”journal-title”：“IEEE Trans。生物识别。Eng.“}，{”key“：”ref_21“，”doi-asserted-by“：”crossref“，”first page“：“148”，”doi“：”10.1016\/j.jneumeth.2008.11.015“，”article-title“：”有无非特异性臂痛个体间肌电图棘波形状的差异“，”volume“:”178“，“author”：“Calder”，“year”：“2009”，“journal-title”：“j.Neurosci.Methods”}，”{“key”：“ref_22”，“doi-assert-by”：“crossref”，“非结构化”：“Zhao，J.，Jiang，L.，Cai，H.，Liu，H.和Hirzinger，G.（2006年1月17日\u201320）。基于小波变换和非线性分析方法的新型肌电运动模式分类器。IEEE机器人和仿生国际会议论文集，中国昆明。“，”DOI“：”10.1109\/ROBIO.2006.340150“}，{”key“：”ref_23“，”DOI-asserted-by“：”crossref“，”first page“：“88”，“DOI”：“10.1016\/j.brainesbull.2012.09.012”，“article-title”：“关于表面肌电图信号概率分布函数的注释”，“volume”：“90”，“author”：“Nazarpour”，“year”：“2013”，“journal-title“：”Brain Res.Bull.“}”，{“key”：“ref_24”，“doi-asserted-by“：”crossref“，”first page“：”59“，”doi“：”10.1016\/j.neucli.2005.03.001“，”article-title“：”表面肌电图在神经肌肉疾病中的临床应用“，”volume“：“35”，“author”：“Hogrel”，“year”：“2005”，“journal-title”：“Neurophysical”。临床。“}，{”key“：”ref_25“，”doi-asserted-by“：”crossref“，”unstructured“：”Haddara，R.，Zhou，Y.，Chinchalkar，S.，and Trejos，A.L.（2017年1月17日\u201320）使用肌电描记术的肘关节术后愈合模式：朝着可穿戴机电肘撑的发展方向迈进。IEEE康复机器人国际会议论文集，英国伦敦年份”：“2011年”，“新闻标题”：“IEEE Trans。神经系统。Rehabil.Eng.“}，{“key”：“ref_27”，“doi-asserted-by”：“crossref”，“首页”：“576”，“doi”：“10.1016\/j.compbiomed.2013.01.020”，“article-title”：“使用PSO优化SVM对肌电信号进行分类，以诊断神经肌肉疾病”，“volume”：《43》，“author”：“Subasi”，“year”：“2013”，“journal-title“：”“Compute.Biol.Med.”}，}，“，”非结构化”：“Patel，S.、Hughes，R.、Hester，T.、Stein，J.、Akay，M.、Dy，J.和Bonato，P.（9月，1月31日）。使用可穿戴技术跟踪中风幸存者康复后的运动恢复情况。阿根廷布宜诺斯艾利斯IEEE医学和生物学会工程会议论文集。“｝，｛”key“：”ref_29“，”doi asserted by“：”crossref“，”nonstructured“：”Toledo-P\u00e9rez，D.C.，Mart\u00ednez Prado，M.A.，G\u00f3mez Loenzo，R.A.，Paredes Garc\u00eda，W.J.和Rodr\u00edguez Res\u00e9ndiz，J.（2019）。基于多达4个肌电通道的下肢运动分类研究。电子学，8.“，”doi“：”10.3390\\electronics8030259“｝，｛“key”：“ref_30”，“doi asserted by”：“crossref”，“首页”：“643”，“doi”：“10.1682\/JRRD.2010.09.0177”，“文章标题”：“电动上肢假肢控制的肌电图模式识别：最新技术和临床应用的挑战”，“卷”：“48”，“作者”：“Scheme”，“年份”：“2011”，“期刊标题”：“J.Rehabil.Res.Dev.”｝，｛“key”：“ref_31”，“doi-asserted-by”：“crossref”，“first page”：“777”，“doi”：“10.1007\/s10916-009-9292-7”，《article-title》：“使用时频方法、ICA和神经网络在肌电图中检测肌肉疲劳”，“volume”：”34“，“author”：“Subasi”，“year”：“2010”，“journal-title”：“J.Med.Syst.”}，{“key”：：“De la Pe\u00f1a，S.，Polo，A.，and Robles-Algar\u00edn，C.（2019）.用于检测肌肉疲劳的便携式肌电图原型的实现.电子学，8.”，“DOI”：“10.3390\/electronics8060619”}，{“key”：“ref_33”，“unstructured”：“SENIAM项目（2019年5月28日）.传感器放置。在线获取：http://：“ref_34”，“doi-asserted-by”：“crossref”，“first page”：“427”，“doi”：“10.2478\/v10170-011-0033-z”，“article-title”：“两阶段肌电图发作检测方法”，“volume”：”22“，“author”：“Brzostowski”，“year”：“2012”，“journal-title“：”Arch.Control Sci.“}，{”key“：”ref_35“，”doi-assert-by“：”Crosref“，“first-page”：“489”，“doi“：”10.1007 \/s00421-010-1521-8“，“article-title”：“Teager-Kaiser能量操作员信号调理改善肌电图发作检测”，“volume”：“110”，“author”：“Solnik”，“year”：“2010”，“journal-title:“Eur.J.Appl.Physiol.”}，{“key”：”ref_36“，“doi-asserted-by”：“crossref”，“first page”:“334”，“doi”：“10.1016\/J.bspc.2015.02.009”，“artice-title“：“肌电接口中数字信号处理的现状及相关应用”，“卷”：“18”，“作者”：“Hakonen”，“年份”：“2015”，“日志标题”：“Biomed.signal Process.Control”}，{“键”：“ref_37”，“doi-asserted-by”：“crossref”，“首页”：“324”，“doi”：“10.1109\/86.481972”，“文章标题”：“上肢假肢运动控制的特征评估”，“体积”：“3”，“作者”：“惠勒”，“年份”：“1995”，“期刊标题”：“IEEE Trans.Rehabil.Eng.”}，{“key”：“ref_38”，“doi-asserted-by”：“crossref”，“first page”：”39“，“doi”：“10.1023\/A:1008280620621”，“article-title”：“用RELIEFF克服归纳学习算法的近视”，“volume”：“7”，“author”：“Kononenko”，“year”：“1997”，“journal-title”：“Appl.Intell.”}，{“key”：”ref_39“，”doi-asserted-by“：”crossref“，”first page“：”2408“，”doi“：”10.1152\/jn.00901.2001“，”article-title“：”Handiness：控制肢体动力学的优势“，”volume“：“88”，”author“：”Bagesteiro“，”year“：”2002“，”新闻标题“：”神经生理学杂志“}]，“container-title”：[“Sensors”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“https:\\/www.mdpi.com\/1424-8220\/19\/15\/3309\/pdf”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2024,6,19]]，“date-time”：”2024-06-19T11:14:584 Z“，”timestamp“：1718795698000}，”score“：1，“resource”：{“primary”：}“URL”：“https:\/\/www.mdpi.com\/1424-8220\/19\/15\/3309”}}，“subtitle”：[]，“shorttitle”：“[]，”issued“：{”date-parts“：[[2019,7,27]]}，”references-count“：39，”journal-issue“:{”issue“：”15“，”published-online“：{”date-ports“：[2019,8]}}”，“alternative-id”：[”s19153309“]，“URL”：“http://\/dx.doi.org\/10.3390\/s19153309”，“关系”：{}，“ISSN”：[“1424-8220”]，“issn-type”：[{“value”：“1424-8120”，“type”:“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2019,7,27]]}}