综述:针对残疾人的基于EMG/EEG的轮椅控制系统综述:人机界面与脑机接口视角
《Journal of Electromyography and Kinesiology》:A comprehensive review of EMG/EEG based wheelchair control systems for individuals with disabilities: HMI and BCI perspectives
【字体:
大
中
小
】
时间:2026年03月07日
来源:Journal of Electromyography and Kinesiology 2.7
编辑推荐:
阿曼普里特·考尔|鲁帕尔·加格|苏克里蒂·普拉萨德印度塔帕尔工程与技术学院ECED摘要人机界面(HMI)和脑机接口(BCI)正在助力提升技术,为残障人士提供更多帮助。这些系统能够让使用者更轻松地控制轮椅,从而提高他们的生活质量。本综述重点探讨了肌电信号(EMG)和脑电信号(EEG
阿曼普里特·考尔|鲁帕尔·加格|苏克里蒂·普拉萨德印度塔帕尔工程与技术学院ECED摘要人机界面(HMI)和脑机接口(BCI)正在助力提升技术,为残障人士提供更多帮助。这些系统能够让使用者更轻松地控制轮椅,从而提高他们的生活质量。本综述重点探讨了肌电信号(EMG)和脑电信号(EEG)在轮椅控制中的应用,这两种信号通常被单独作为控制手段。肌电信号有助于实现肌肉控制,对于那些运动功能受损或肢体功能有障碍的人尤为有用。而基于脑电信号的脑机接口则可通过分析脑电波模式,帮助严重运动障碍患者实现自主导航。本文涵盖了2014年至2024年的相关研究,着重分析了信号采集、过滤、特征提取以及分类技术,同时指出了信号处理、个体差异以及实时优化等方面的挑战。通过对这些研究的分析,本文明确了现有研究中的不足,并提出了未来发展方向,包括将多模态脑电-肌电融合技术作为发展趋势,以开发更具用户导向性和适应性的轮椅系统。引言全球范围内,残疾问题严重影响了人们的生活质量,而疾病、事故及其他因素更是加剧了这一状况。人机界面技术实现了人类与机器之间的沟通与交互(Starck等人,2002年)。它涉及用户界面的设计与应用,使人们能够与机器或计算机系统进行互动、监控及操控(Zhang,2010年)。借助基于人机界面的轮椅,老年人及残障人士的生活得以改善。这类系统帮助行动不便的人群完成日常活动、参与社交生活以及独立出行。将人机界面技术融入轮椅不仅提升了用户体验,还提高了身体残疾人士的生活质量。计算机科学、神经学、人工智能、认知心理学以及人因工程等领域都为人机界面系统的设计与开发做出了重要贡献。在人机界面系统中运用人体工程学原理,可减少职业伤害、疲劳及操作失误,进而提升生活质量(Kaur,2021年;Mahendran,2014年)。脑机接口是一种旨在与大脑交互的系统,它能提取有关大脑复杂功能的宝贵信息,用于工程和医疗领域。脑机接口的主要目标之一就是利用现代技术改善人们的生活质量。其在辅助技术和康复技术中的应用便是典型例证。虽然脑机接口系统通常结构较为简单,但要实现实际应用中的最佳性能仍面临巨大挑战。目前该领域尚未完全成熟,难以从研究阶段过渡到解决现实问题。因此,还需进一步发展,才能充分发挥脑机接口在各类应用中的潜力。本综述介绍了脑机接口与人机界面在工程领域的应用,尤其聚焦于轮椅控制方面。由脑机接口驱动的系统允许用户仅通过神经活动控制轮椅,无需任何物理输入。而人机界面系统则提供了更多输入方式,具有更高的灵活性。脑机接口与人机界面相结合,形成了一种强大且多样的解决方案,有助于人们重获独立能力并提升生活质量。因此,要充分挖掘脑机接口的潜力,仍有许多工作需要开展,它未来有望应用于多种场景。对于那些存在行动障碍的残障人士而言,有一些技术可以帮助他们控制假肢、矫形装置、外骨骼以及其他辅助设备。基于人机界面的轮椅系统则允许用户通过肌肉信号(Chin等人,2008年)、语音指令(Mnassri等人,2024年;Joly等人,2023年)以及眼动追踪(Bissoli等人,2019年)等方式进行操作,从而实现有效的控制与导航。除了轮椅之外,人机界面交互技术还被广泛应用于智能手机、平板电脑、智能手表以及智能家居设备中,通过触摸、语音辅助及手势控制等方式实现操作。在轮椅应用中,将脑机接口与人机界面与传感器及控制技术相结合,能够进一步提升界面性能。基于脑机接口的假肢技术使得这些人工肢体能够模拟人类肢体的复杂功能。尽管这类技术优势显著,但在实时控制及高成本整合方面仍面临诸多挑战。电动轮椅中的人机界面控制系统提供了用户友好的操作界面,便于用户操控和管理轮椅。这类系统可以搭配物理控制器、触摸屏、按钮、语音指令或多种方式组合使用。已有众多研究者报道了不同类型的电动轮椅,包括轻便型、单一功能型、多功能型、部分或完全自主型,还有一些具备折叠功能的轮椅(Lu等人,2024年;Calhoun和Liggett,2023年;Zhang等人,2024年)。借助脑机接口,人们正在研发智能的脑控轮椅,这类轮椅可能对患有运动神经元疾病或脊髓损伤的人士非常有用。它们能够帮助患者掌控自己的行动能力,增强独立性,进而提升大量用户的生活质量。轮椅一般可分为两类:手动控制轮椅和全自动化控制轮椅。全自动化电动轮椅中的人机界面技术旨在改善使用体验,便于用户进行操控。人机界面控制系统的具体功能和设计会因用户需求及系统性能而有所不同。手动轮椅适合轻度残疾人群使用,而那些采用手动操纵杆、肌电信号、眼动信号及脑电信号接口的电动轮椅,则能为重度残疾或瘫痪患者带来更高的效率及更大益处。全自动化电动轮椅中的人机界面系统包含多项核心功能。在针对电动轮椅的人机界面/脑机接口控制系统中,通常需要考虑以下要素:•控制输入功能,让用户能够调节移动速度及其他功能;视觉反馈功能,通过显示屏展示状态信息及操作选项;•自定义设置选项,如灵敏度调节和控制映射功能;安全功能,如紧急停止按钮和障碍物检测功能;连接功能,如蓝牙或Wi-Fi接口,以便连接外部设备;听觉反馈与警报功能,用于向用户提示系统状态或重要信息。不同品牌的电动轮椅,其控制系统的具体功能和设计会因制造商、型号及用户需求而有所差异。因此,为提升用户体验并确保系统可靠性,必须从易用性、安全性及无障碍性等方面对系统进行优化。轮椅控制系统依赖先进的信号处理算法和机器学习技术,这些技术能够准确解读信号并将其转化为轮椅控制指令。目前这些技术仍在发展中,未来的研究重点将是不断改进,以为用户提供可靠的操控方案。随着技术的进步,许多研究致力于探索创新方法,为行动不便的人群提供更多无需身体接触的控制方式(Shahin等人,2019年)。已有研究采用摄像头系统(Sahu,2016年),通过视觉输入而非手动操作来控制轮椅(Wanluk等人,2016年)。还有研究提出利用多种计算机视觉技术,尤其是眼动追踪系统来实现对用户眼睛动作的识别(Desale和Ahire,2013年)。此外,语音识别系统还能将语音指令转换为文字,从而使轮椅实现语音控制,真正做到免动手操作。其他研究方法还包括利用手势控制轮椅(Vora等人,2020年;Phinyomark等人,2011年;Kundu等人,2018年),以及利用生物电信号(肌电、脑电、眼动信号)控制设备(Zhang,2010年),这些技术还被应用于自动泊车系统(Suhr等人,2010年;Zhang,2010年)、动作感应手套及机械手(Soh和Demiris,2015年),以及3D图形和游戏领域(Huang等人,2017年;Yusoff等人,2024年)。还有研究提出通过光纤压力传感器实现异常监测,从而控制轮椅运行(Lopes等人,2017年;González-Cely等人,2024年)。为弥补基于生物信号系统的模型轮椅的不足,研究人员将多种技术以不同形式结合使用,以期获得更好的效果(Salehi等人,2024年;Jiang等人,2024年;Zhang等人,2024a年;Shan等人,2024年;Jamil和Belkacem,2024年)。多传感器集成技术可用于克服单一模型轮椅的缺陷,从而获得更稳定、更可靠的结果(M.U. Iqbal等人,2024年)。他们还提出了一种基于脑电信号和眼动追踪信号的智能电动轮椅。为弥补单一模型轮椅的不足,研究人员也将脑电、肌电及眼动信号技术相结合,以获得更好的效果。本文综述了专为弱势群体设计的基于脑电和肌电信号的轮椅系统。传统上,轮椅由用户直接操控,但这无法满足弱势群体的需求。如今,针对肌电信号和脑电信号,已经开发出了多种控制技术,为人类与机器之间的交互提供了更好的方式(Li等人,2024年;Khan等人;Kumar等人,2024年;Abiraj等人,2024年)。本综述对2014年至2024年间发表的相关研究进行了深入分析,重点关注基于人体生物医学信号的轮椅控制系统。本研究的主要目标如下:(i)分析肌电信号和脑电信号的基本原理及其在轮椅控制系统中的作用;(ii)采用PRISMA方法,系统梳理基于脑电信号和肌电信号的轮椅控制相关研究;(iii)探讨利用人体生物医学信号开发高效人机界面轮椅系统时的方法论及设计要点。本文其余部分的结构如下:第一部分介绍轮椅控制系统,阐述基于脑机接口和人机界面的轮椅的基本概念;第二部分为文献综述,包括通过PRISMA方法筛选出的基于脑电信号和肌电信号的轮椅控制研究的数据库分析结果;第三部分详细分析基于肌电信号的轮椅系统,涵盖信号采集、测量技术、特征提取方法、性能评估及相关挑战;第四至第九部分则聚焦于基于脑电信号的轮椅系统,探讨脑电信号的分析与处理技术、特征提取方法、分类方法、性能评估及实际应用中的挑战;第十部分介绍文献中提到的其他免动手控制方法;第十一部分专门讨论混合脑电-肌电轮椅系统,鉴于相关研究数量较少,这一方向被视为未来的研究热点;最后,第十一部分总结未来研究方向并结束全文。本研究的贡献如下:•本文对基于人机界面和脑机接口的轮椅系统,以及单独的脑电和肌电控制技术进行了全面且最新的系统性综述,有助于深入理解辅助移动设备中的人机交互机制;•以往关于轮椅控制系统的综述往往仅单独探讨基于人机界面或脑机接口的技术,缺乏这两种技术之间的对比分析;•本综述从对比和整合的角度分析了人机界面与脑机接口在轮椅控制中的应用,同时将混合脑电-肌电系统视为未来研究方向,而非主流解决方案;•通过系统分析从Scopus和Web of Science数据库中检索到的210篇文献,本文给出了该领域历年论文发表趋势及主要研究贡献者的量化分析结果。文献综述的方法与数据库分析随着时间的推移,这一领域不断发展,如今已积累了大量相关研究成果。不过,为了聚焦于人机界面和脑机接口轮椅的实际应用,我们采用了系统综述的方法。这种方法使我们能够精心挑选和筛选相关文章。肌电信号分析框架肌电信号分析框架是一套理论体系,包含了多种用于测量和分析肌肉活动的实验与技术。许多领域的专家都在运用这一方法,包括临床研究、康复治疗、运动科学以及辅助技术领域。肌电图技术需要确定合适的肌肉群,选择合适的电极——可以是表面电极,也可以是肌肉内电极——并确定电极的最佳放置位置。根据研究需求,我们会……测量技术图5展示了用于轮椅控制的肌电信号测量与校准的完整流程。概述脑电技术是一种用于记录和分析大脑神经活动的技术。电极被放置在头皮上,用来检测大脑产生的电信号。因此,脑电技术至今仍是治疗各种心理健康问题的重要工具。因此,由于 EEG 具有非侵入性、安全性高以及能够实现持续监测的特点,它在临床和研究领域中是一种极其宝贵的工具(Teplan 等人,2002;Rao 等人,2022)。脑机接口中的 EEG 信号处理:图8展示了脑机接口系统中 EEG 信号的采集与处理流程,从最初的信号捕获,到预处理、特征提取和分类,最终实现设备控制并向人脑反馈信息。EEG 信号的收集主要取决于所使用的电极以及需要监测的大脑区域,而这会影响到 EEG 在社交场合中的实用性。在特征提取和分类方法中,运动想象信号存在于大脑的前额叶区域。特征提取是一个至关重要的过程,它能够识别信号数据中的关键特征,为后续的分析、分类或应用开发做好准备。这一过程能够在减少观测数据量的同时,确保原始信息的内容不受损失。由于它可以将原始的 EEG 数据转化为有用且相关的描述,因此为后续步骤奠定了坚实基础。而特征分类则是对这些特征进行进一步分类的处理。
自动轮椅系统的评估指标:对智能轮椅系统进行评估对于确定其在实际场景中的有效性至关重要。表3、表4、表5和表6展示了用于测试智能轮椅准确度的各种实验结果。实验中有健康人和残疾人参与,这提升了测试结果的可信度。这些表格是根据文中提到的三种测试范式划分的,即运动想象、P300反应以及稳态视觉诱发电位。各测试范式的局限性:运动想象范式要求在实验前进行大量训练,因为人们认为这样能获得更好的测试结果。但由于缺乏预先编程好的模型,这就成了一个难题。对于患有运动神经元疾病的人来说,其运动神经元状态并非恒定,会不断变化,这使得模型训练更加困难。此外,年龄也会影响传递到大脑的信号(Schott,2012)。因此,有人认为应该开发出动态的运动想象模型。
其他免持式接口的对比概述:近年来,辅助技术领域的进展带来了多种免持式人机界面,旨在提升轮椅控制系统的性能。虽然本文主要探讨基于 EEG 和 EMG 的技术,但也需要提到还有其他几种免持式接口方式也被用于轮椅控制,比如基于头部动作、眼动追踪、面部表情、舌头动作以及吸吹机制的系统。每种方式都有其特点。
混合 EEG-EMG 集成模型:如图10所示,所提出的混合 EEG-EMG 集成框架旨在提升康复机器人及辅助系统(如智能轮椅和外骨骼)的控制可靠性和响应速度。该系统通过同时利用大脑皮层活动(EEG)和肌肉活动(EMG),架起了神经意图与身体动作之间的桥梁,为运动功能受损的用户提供了可靠的交互界面。在 EEG 信号流中,可以获取到脑电信号。
脑机接口技术的进步及其与导航系统的整合:根据马萨诸塞州一所研究型大学——伍斯特理工学院开展的研究,大多数使用轮椅的人愿意在日常活动中借助机器人辅助(Sadasivam 等人,2014;Sibli 等人,2023)。传感器反馈和强化学习技术可用于构建用户与轮椅之间的互动模型。强化学习作为一种优化方法,能够优先考虑用户的身体功能与使用动机。
结论:本文综述了两种用于操控轮椅的技术——EMG和EEG。这两种技术非常重要,因为它们能够帮助残障人士更自由、更独立地移动。我们研究了这些系统的运作原理,包括它们如何处理来自身体的信号以及如何进一步提升其性能。这类轮椅能够满足残障人士的需求,确保系统及时响应,从而改善他们的生活质量。
作者贡献说明:Amanpreet Kaur:撰写——综述与编辑、撰写——初稿、软件应用、方法设计、研究实施。Rupal Garg:撰写——初稿、方法设计。Sukriti Prasad:撰写——初稿、方法设计。
从业者总结:这篇综合性综述探讨了基于肌电图和脑电图的轮椅控制系统的最新进展,重点分析了人机界面和脑机接口的相关内容,并总结了各种关键技术方法。
资金支持:本研究未获得任何外部资金支持。
利益冲突声明:作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号