在健康监测和人机交互领域，肌肉活动的检测一直是一个重要的研究方向。传统的肌电图（EMG）设备虽然能够检测肌肉活动，但由于信号弱、稳定性差和空间分辨率低，限制了其应用。最近，一项发表在《自然电子学》杂志上的研究成果，为我们提供了一种全新的解决方案——可穿戴超声肌电图（EcMG）系统。
这项研究的核心在于开发了一种基于单一换能器的可穿戴EcMG系统，该系统能够准确、长期地无线监测肌肉活动。研究团队通过将超声技术与深度学习算法相结合，实现了对手部13个关节的精确跟踪，平均误差仅为7.9°。这一成果不仅在技术上具有创新性，而且在健康监测和人机交互领域具有广泛的应用前景。
研究中使用的EcMG系统由定制的单一换能器、无线电路和内置电池组成。换能器包含压电层和背面层，负责发射和接收超声波波。系统设计了两种不同几何形状的换能器，以适应不同的监测目标，如膈肌和前臂肌肉。无线电路部分包括模拟前端（AFE）和数字前端（DFE），负责驱动换能器、放大接收到的射频（RF）信号，并无线传输数据至计算机。
研究中还开发了深度学习算法，将单一换能器的RF信号与前臂肌肉的分布相关联，以识别复杂的手部手势。通过收集和训练大量的RF信号和手部手势数据，深度学习模型能够准确地预测手部的动态运动。
研究结果表明，这种可穿戴EcMG系统在监测膈肌活动和识别手部手势方面具有高度的准确性和稳定性。与传统的EMG设备相比，EcMG系统提供了更高的信号稳定性和空间分辨率，且不受电极大小的限制。此外，该系统还能够区分不同的呼吸模式，对于慢性阻塞性肺病（COPD）患者的呼吸模式监测具有潜在的临床应用价值。
这项研究不仅为肌肉活动的监测提供了一种新的技术手段，也为未来的人机交互技术发展开辟了新的道路。随着技术的进一步发展和完善，我们有理由相信，这种可穿戴EcMG系统将在医疗健康监测和人机交互领域发挥越来越重要的作用。
出处
本文参考的研究论文为：Xiaoxiang Gao, Xiangjun Chen, Muyang Lin, et al. "A wearable echomyography system based on a single transducer." Nature Electronics, https://doi.org/10.1038/s41928-024-01271-4.
