Muskel-Ruck-Analyse mit Python

(from pixabay)

Muskeltraining-Enthusiasten, die 114514 Mitarbeiter in der IT-Branche haben sollen

Hallo, das ist alf ++.

Heute werde ich über Muskeln sprechen, besonders über die Idioten. Natürlich ist der Code in Python geschrieben. Lassen Sie uns jetzt über Muskeln sprechen.

IT-Ingenieur und Muskel

IT-Ingenieure lieben Muskeltraining sehr. Allerdings versuchen nur wenige Menschen, das Muskeltraining mit IT zu unterstützen. Ich bin sehr traurig. Lassen Sie uns in diesem Artikel das Muskeltraining mit IT unterstützen Zunächst werde ich einen myoelektrischen Sensor vorstellen, der die Stärke und das Timing von Muskelzuckungen und deren Analysemethode quantifizieren kann.

Numerisierung durch Muskelzuckungen und myoelektrische Sensoren

Warum kribbelt der Muskel? Muskeln erhalten Bewegungsbefehle vom menschlichen Gehirn in Form von elektrischen Signalen. Der Muskel zieht sich entsprechend der Stärke dieses elektrischen Signals stark zusammen. Im Gegenteil, es entspannt sich, wenn kein elektrisches Signal vorhanden ist. [^ 1] Daher können Muskelzuckungen quantifiziert werden, indem die an die Muskeln übertragenen elektrischen Signale betrachtet werden.

Glücklicherweise tritt das auf den Muskel übertragene elektrische Signal vom Muskel auf die Hautoberfläche aus Durch Messen dieses durchgesickerten Signals können Sie die Rucke Ihrer Muskeln quantifizieren. Ein Messgerät, das dieses Phänomen anwendet, wird als "myoelektrischer Sensor [^ 2]" bezeichnet. (Zitiert aus Delsys HP [1])

Visualisieren Sie Muskelzuckungen mit Python

Mal sehen, wie die Oberschenkel kribbeln, wenn sie tatsächlich vom Wert des myoelektrischen Sensors gehen. Laden Sie zunächst den Datensatz des myoelektrischen Sensors von der folgenden Site herunter. http://archive.ics.uci.edu/ml/datasets/EMG+dataset+in+Lower+Limb

Visualisieren Sie in diesem Fall 1Nmar.log. Der zu visualisierende Code lautet wie folgt.

VisulizeEMG.py

import matplotlib.pyplot as plt
import pandas

FILE_PATH="../SEMG_DB1/N_TXT/1Nmar.txt"
HEADER_SIZE=6

data=pandas.read_csv(FILE_PATH,skiprows=HEADER_SIZE,sep="\t")
data.columns=["RF","BF","VM","ST","FX"]

plt.plot(data["RF"])
plt.xlabel("Time[ms]")
plt.ylabel("EMG[V]")
plt.show()

Das Ergebnis der Ausführung ist wie folgt.

Die obige Abbildung wird als Elektrokardiogramm bezeichnet. Anstatt es wie einen Schalter ein- und auszuschalten, Es sieht aus wie eine Schallwelle. Tatsächlich ist das an den Muskel übertragene Signal nicht Gleichstrom, sondern Wechselstrom. Daher ist es notwendig, die Sensordaten ein wenig zu verarbeiten, um zu sehen, wie sie sich anfühlen.

Berechnen Sie die Muskelkraft und das Timing mit Python

Bei der Betrachtung der Stärke eines Wechselstromsignals wird häufig die durchschnittliche Quadratwurzel (Root Square Means; RMS) als Index verwendet. Daher wird der Index des Muskelrucks hier unter Verwendung der durchschnittlichen Quadratwurzel berechnet. Der Code ist unten. Beachten Sie, dass sich dieser Code von der üblichen mittleren Quadratwurzel unterscheidet. Der Punkt ist, dass es die Quadratwurzel des gleitenden Durchschnitts verwendet.

VisualizeStrength.py

import matplotlib.pyplot as plt
import pandas

import numpy as np

WINDOW_SIZE=200

#http://stackoverflow.com/questions/8245687/
# numpy-root-mean-squared-rms-smoothing-of-a-signal
#Geändert basierend auf
def window_rms(a, window_size):
  a2 = np.power(a,2)
  window = np.ones(window_size)/float(window_size)
  return np.sqrt(np.convolve(a2, window,"same"))

FILE_PATH="../SEMG_DB1/N_TXT/1Nmar.txt"
HEADER_SIZE=6

data=pandas.read_csv(FILE_PATH,skiprows=HEADER_SIZE,sep="\t")
data.columns=["RF","BF","VM","ST","FX"]

RMS=window_rms(data["RF"],WINDOW_SIZE)

plt.plot(data["RF"],color="lightgray")
plt.plot(RMS)
plt.xlabel("Time[ms]")
plt.ylabel("EMG[V]")
plt.show()

Wenn Sie es also tatsächlich ausführen, wird die folgende Abbildung angezeigt.

Je größer die blaue Linie ist, desto enger ist sie. Weil es in regelmäßigen Abständen zuckt Sie können sehen, wie die Muskeln beim Gehen aussehen.

Beispiel für die Anwendung von Muskelzuckungen auf die IT

Anwendung dieser Analyse zum Beispiel in Abhängigkeit von der Aktivität der Idioten Sie können die Drohne bedienen und so weiter. (Zitiert aus Delsys 'HP [2])

In dieser Studie Rehabilitation als Spiel durchführen Es scheint, dass es entwickelt wird. Ebenfalls im Jahr 2016, dem ersten Jahr der VR Es scheint, dass es auch als Controller verwendet wird, um den Arm des Charakters im VR-Raum zu bedienen. (Klicken Sie hier, um zum Demo-Video auf YouTube zu gelangen.)

Auf diese Weise haben Muskeln endlose Möglichkeiten.

Zusammenfassung

IT-Ingenieure lieben Muskeltraining sehr. Allerdings versuchen nur wenige Menschen, das Muskeltraining mit IT zu unterstützen. Ich bin sehr traurig. Daher werden wir in diesem Artikel die Stärke und das Timing von Muskelzuckungen diskutieren, damit das Muskeltraining von der IT unterstützt werden kann. Ich habe einen myoelektrischen Sensor eingeführt, der quantifiziert werden kann, und eine rudimentäre Analysemethode mit Python. Die Analyse von Python kann auf Benutzeroberflächen und Rehabilitation angewendet werden. Es scheint jedoch nur sehr wenige Beispiele für die Anwendung auf das Muskeltraining zu geben. In Zukunft werden IT-Ingenieure mithilfe von EMG-Sensoren Anwendungen erstellen, die das Muskeltraining verbessern. Ich hoffe aufrichtig, dass Sie es entwickeln werden.

__ Wenn du bisher schreibst, sag mir nicht, dass ich es machen soll __

Verweise

[1] http://www.delsys.com/products/wireless-emg/trigno-lab/ [2] http://www.delsys.com/education/videos/research/serious-games/

[^ 1]: Natürlich können elektrische Signale aus dem Rückenmark kommen, die als Wirbelsäulenreflex bezeichnet werden. Details dürften bei Kandel Neuroscience liegen. [^ 2]: Genau genommen wird es als Oberflächen-EMG-Sensor (sEMG) bezeichnet.