To provide an effective and safe therapy to persons with neurological impairments, accurate determination of their residual volitional ability is required. However, accurate measurement of the volitional ability, through non-invasive means (e.g., electromyography), is challenging due to signal interference from neighboring muscles or stimulation artifacts caused by functional electrical stimulation (FES). In this work, a new model-based intention detection method that combines signals from both surface electromyography (sEMG) and ultrasound (US) sonography to predict isometric volitional ankle dorsiflexion moment is proposed. The work is motivated by the fact that the US-derived signals, unlike sEMG, provide direct visualization of the muscle activity, and hence may enhance the prediction accuracy of the volitional ability, when combined with sEMG. The weighted summation of sEMG and US imaging signals, measured on the tibialis anterior muscle, is utilized as an input to a modified Hill-type neuromusculoskeletal model that predicts the ankle dorsiflexion moment. The effectiveness of the proposed model-based moment prediction method is validated by comparing the predicted and the measured ankle joint moments. The new modeling method has a better prediction accuracy compared to a prediction model that uses sole sEMG or sole US sonography. This finding provides a more accurate approach to detect movement intent in the lower limbs. The approach can be potentially beneficial for the development of US sonography-based robotic or FES-assisted rehabilitation devices.

中文翻译：

---

超声超声和肌电图联合预测踝背屈力矩。

为了向神经系统损伤的人提供有效和安全的治疗，需要准确测定其残余意志力。然而，由于来自邻近肌肉的信号干扰或由功能性电刺激（FES）引起的刺激伪像，通过非侵入性手段（例如，肌电描记法）准确测量意志能力是具有挑战性的。在这项工作中，提出了一种新的基于模型的意图检测方法，该方法结合了来自表面肌电图（sEMG）和超声（US）超声图的信号，以预测等距自愿性踝背屈力矩。这项工作的动机是，与sEMG不同，源自US的信号可直接显示肌肉活动，因此与sEMG结合使用时，可以增强对意志力的预测准确性。在胫骨前肌上测量的sEMG和US成像信号的加权总和被用作预测踝背屈力矩的改良Hill型神经肌肉骨骼模型的输入。通过比较预测和测量的踝关节力矩来验证所提出的基于模型的力矩预测方法的有效性。与使用唯一的sEMG或唯一的美国超声检查的预测模型相比，新的建模方法具有更好的预测准确性。该发现提供了一种更准确的方法来检测下肢的运动意图。该方法对于基于美国超声检查的机器人或FES辅助康复设备的开发可能具有潜在的益处。被用作修正的希尔型神经肌肉骨骼模型的输入，该模型可预测踝背屈力矩。通过比较预测和测量的踝关节力矩来验证所提出的基于模型的力矩预测方法的有效性。与使用唯一的sEMG或唯一的美国超声检查的预测模型相比，新的建模方法具有更好的预测准确性。该发现提供了一种更准确的方法来检测下肢的运动意图。该方法对于开发基于美国超声检查的机器人或FES辅助的康复设备可能具有潜在的益处。被用作修正的希尔型神经肌肉骨骼模型的输入，该模型可预测踝背屈力矩。通过比较预测和测量的踝关节力矩来验证所提出的基于模型的力矩预测方法的有效性。与使用唯一的sEMG或唯一的美国超声检查的预测模型相比，新的建模方法具有更好的预测准确性。该发现提供了一种更准确的方法来检测下肢的运动意图。该方法对于开发基于美国超声检查的机器人或FES辅助的康复设备可能具有潜在的益处。与使用唯一的sEMG或唯一的美国超声检查的预测模型相比，新的建模方法具有更好的预测准确性。该发现提供了一种更准确的方法来检测下肢的运动意图。该方法对于基于美国超声检查的机器人或FES辅助康复设备的开发可能具有潜在的益处。与使用唯一的sEMG或唯一的美国超声检查的预测模型相比，新的建模方法具有更好的预测准确性。该发现提供了一种更准确的方法来检测下肢的运动意图。该方法对于开发基于美国超声检查的机器人或FES辅助的康复设备可能具有潜在的益处。