CN113573665A - 用于指导外假肢用户的肌电图控制系统和方法 - Google Patents

Abstract

描述了用于指导用户完成对肌电假肢控制器的成功校准的系统和方法。所述系统和方法包含和/或利用硬件和软件组件来输入和分析与移动相关联的基于肌电图（EMG）的信号并且校准和输出关于所述信号的反馈。所述硬件进一步包含用于检测EMG信号的设备、假肢、指示器和用户界面。所述软件进一步包含用户界面、模式识别组件、校准程序和反馈机制。所述系统和方法促进肌电控制器的校准并且向所述用户提供关于所述校准的反馈，所述反馈包含信号输入和输出的信息以及关于所连接硬件和如何优化信号数据的消息。

Description

用于指导外假肢用户的肌电图控制系统和方法

相关申请

本申请要求如于2019年2月19日提交的美国临时申请第62/807,306号的权益。前述临时申请的整个内容通过引用并入本文。

技术领域

本发明（例如，肌电图控制系统）总体上涉及肌电图（EMG）领域和对外假肢用户的指导，并且更具体地涉及通过使用肌电图控制系统对这些用户进行指导。

背景技术

在最初设置用于假肢的控制系统时，需要基于用户所产生的EMG信号来对控制进行校准。而且，在肌电外假肢的正常日常使用期间，对假肢的控制可能会降级。此降级可能由许多不同来源发生，如肌肉疲劳、湿度或假肢套移位。由于这些经常变化的变量，因此肌电假肢用户需要用于重新获得对其装置的准确控制的方式。传统上，当肌电假肢用户需要对其系统进行初始设置或重新校准时，需要去看假肢师并具有本人预约，这可能需要很多小时来确保系统对其EMG信号做出正确响应。这并不总是可能的并且对用户来说非常不方便。

出于前述原因，需要用于指导外假肢用户的肌电图控制系统和方法。

发明内容

对本公开的发明的需要源于具有用于快速指导用户进行对肌电假肢控制器的成功校准的方法的必要性。本文所述的实施例描述了允许肌电假肢用户在运行中快速重新校准他或她的肌电假肢控制器，而无需去看专家。另外，本文所述的肌电图控制系统和方法允许用户接收关于他或她的校准的反馈，这允许用户对其装置进行最准确的控制。本公开的肌电图控制系统和方法可以用于这些和本文所述的其它实施例，因为此类肌电图控制系统和方法指导用户快速且准确地（并且初始地）校准和重新校准肌电假肢控制器和/或肌电假肢控制系统。在本文所述的各个实施例中，在给定校准会话期间，肌电图控制系统和方法引导用户完成过程以对由其肌肉移动产生的用于与肌电假肢控制系统一起使用的EMG信号进行校准，并且然后可以提供关于从校准会话中采集的信息的反馈。对由用户的肌肉移动产生的EMG信号进行校准包含以下中的任何一种或多种：改变、更改、添加、移除或增强特定移动，以提高由肌电假肢控制系统接收到的信号的质量。对由用户的肌肉移动产生的EMG信号进行校准还可以包含识别用户的EMG信号内的特性以确定用户何时进行特定运动的假肢控制系统使用模式识别能力。在各个实施例中，基于从校准会话接收到的信息的质量，用户可以接收反馈，告诉用户他或她已经成功地校准了所有方面，或者另外或可替代地，以调整某些参数并重新校准。在一些实施例中，使用所公开肌电图控制系统和方法进行校准的整个程序可能需要不到5分钟，并且可以一天执行许多次，这使得其对假肢用户更加有利。

本发明的代表性实施例提供了优于对肌电假肢控制系统的常用方法的许多优点。本发明的一般目的是提供一种用于肌电假肢控制系统的简单且快速的重新校准和训练的方法。在各个实施例中，所描述的许多新颖特征产生了一种用于快速指导用户完成对用户的肌电控制系统的成功校准程序的新方法。

为了达到这一点，本发明通常包括一种用于通过对肌电假肢控制系统进行设置和校准来指导用户的系统。在一些实施例中，所公开系统可以进一步包含一种用于输入来自多个电极的信号数据的系统。在仍另外的实施例中，所述所公开系统还可以进一步包含一种按钮，所述按钮包含外壳、指示器和触觉界面。另外，所述所公开系统还可以进一步包含一种软件组件，所述软件组件包含用户界面和模式识别组件。

在各个实施例中，所述所公开系统可以收集来自多个电极的输入的信号数据。这些电极可以由导电材料制成。所述多个电极可以以实现所述信号数据的传送的方式耦接到所述软件组件。

在仍另外的实施例中，可以包括所述系统的一部分的按钮上的指示器可以向用户发出指示。此指示可以显示为视觉刺激、听觉刺激和/或触觉刺激。按钮的触觉界面允许用户启动校准程序，例如，当用户手动按下组件以启动校准程序或当用户激活加速计以启动校准程序时。

在各个实施例中，系统的软件组件可以包含用于向用户提供信息反馈的用户界面（UI）。此信息反馈可以包含用于标识校准质量的客观水平的质量度量和/或标识不良信号数据的一个或多个可能原因的消息。所述消息还可以含有用作对非最优信号数据输入的原因的指示的数据，以及用于优化信号数据输入的所推荐程序。用户界面还可以含有校准程序的信息，以及用于引导用户完成校准程序的一组指令。用户还可以利用用户界面来实时监测信号数据。所述用户界面允许用户选择假肢的各种组合，选择假肢所支持的各种移动，并提供对信号数据输入和输出的指示。与允许用户选择各种假肢和移动一起，所述用户界面为用户提供了对所连接硬件以及所连接硬件的状态的标识。在一些实施例中，所述用户界面显示为虚拟应用。此应用可以容纳在智能手机或计算机上，并且使用来自互联网的内容或来自物理磁盘或驱动器的可上传内容进行安装。安装方法与大多数数字操作系统具有兼容性。所述软件组件还包括用于启动来自虚拟应用的校准程序的方法。

在各个实施例中，系统软件的组件可以包含模式识别组件。模式识别组件可以用于接收、分析和输出信号数据。在一些实施例中，模式识别组件还含有用于识别用户独特信号数据的自适应机器学习系统。此自适应机器学习系统识别用户的独特信号数据，并将其参考用户所执行的特定运动。其提供了对信号数据和运动的标识，并对此信息进行归类。在一些实施例中，模式识别组件可以耦接到用户界面以用于向用户传送所归类信号数据。在一些实施例中，自适应机器学习系统对用户体验数据的节段进行归类以确定特定运动是否需要与其它运动相比更多的校准事件。在机器学习系统或组件可以提示或启动新解决方案或要求用户的新运动或由用户进行新运动以提高特定运动的校准质量的实施例中。

根据以上并且利用本文的公开，至少因为本公开描述了可以用为其相应用户提供对假肢装置的校准和更准确的控制的所公开肌电图控制系统和方法来改进或增强例如假肢装置和其相关各种组件，所以本公开包含对计算机功能的改进或对其它技术的改进。也就是说，因为所公开肌电图控制系统和方法通过引入用户重新校准程序以纠正非最优EMG信号数据，以消除缺乏此类系统和方法的假肢装置通常会随着时间的推移而经历的误差和故障来改进并增强假肢装置的操作，并且降低误差率，所以本公开描述了在假肢装置本身或“任何其它技术或技术领域”（例如，肌电图领域）的功能方面的改进。这比现有技术有所改进，至少因为此类先前系统因为其缺乏快速指导用户完成对用户的肌电控制系统的成功校准程序的能力而容易有误差。

另外，本公开包含与特定机器，例如肌电假肢控制器、假肢装置、按钮和/或如本文所述的其它硬件组件一起或通过使用特定机器应用如本文所述的各种特征和功能。

此外，本公开包含实现将特定物品转变或减少到不同状态或事物，例如，将假肢装置的校准和/或操作从非最优或误差状态转变或减少到最优或经校准状态。

仍进一步地，本公开包含除了本领域中众所周知的、例行的、常规的活动之外的具体特征，或者添加在各个实施例中展示特定有用应用，例如用于指导外假肢用户的肌电图控制系统和方法的非常规步骤。

对于本领域的普通技术人员来说，根据以下对已经通过说明的方式示出和描述的优选实施例的描述，优点将变得更加明显。如将认识到的，本发明实施例可以具有其它和不同的实施例，并且可以在各个方面对其细节进行修改。因此，附图和说明书将在本质上被视为是说明性的而非限制性的。

附图说明

当结合附图考虑时，通过参考以下公开内容将更容易理解本发明和另外的实施例的目的、特征和优点，在附图中在各个视图中使用相同的附图标记来标识相同组件。

下文描述的附图描绘了本文公开的系统和方法的各个方面。应当理解，每个附图描绘了所公开系统和方法的特定方面的实施例，并且附图中的每个附图旨在符合其一个或多个可能的实施例。进一步地，只要有可能，以下描述参考以下附图中所包含的附图标记，其中多个附图中描绘的特征由一致的附图标记表示。

在图中示出了当前讨论的布置，然而应当理解，本实施例不限于所示的精确布置和工具，在附图中：

图1图示了示例流程图，其表示根据本文公开的各个实施例的用于指导用户完成校准程序和肌电图信号的反馈的肌电图控制系统的使用和操作。

图2图示了根据本文公开的各个实施例的展示了电极连接性、校准质量和虚拟臂和/或假肢模式切换的虚拟用户界面的示例表示。

图3图示了根据本文公开的各个实施例的展示了每个所连接装置、多个运动的校准强度以及图1的用于指导外假肢用户的系统，包含消息和训练提示的虚拟用户界面的示例表示。

图4A图示了图1的具有假肢手腕和手的用户与电极以及用于访问图2和/或3的一个或多个虚拟用户界面的两个单独模态并且根据本文公开的各个实施例的示例表示。

图4B图示了根据本文公开的各个实施例的图4A的具有假肢手腕和手的用户连同如附接到用户的电极的另外的示例表示。

图5A图示了根据本文公开的各个实施例的来自校准的由用户接收到并且由图1的用于指导外假肢用户的系统分析的信号数据的示例表示。

图5B图示了图5A的信号数据的另外的示例表示，其包含根据如图5A所示的所指示运动对信号数据的归类。

图6A图示了根据本文公开的各个实施例的图1和4A的系统的包含外壳、指示器和触觉界面的电子按钮的表示。

图6B图示了根据本文公开的各个实施例的与图1和4A的系统一起示出的图6A的按钮的实施例。

附图仅出于说明的目的描绘了优选实施例。在不脱离本文所述的本发明的原理的情况下，可以采用本文图示的系统和方法的替代实施例。

具体实施方式

虽然本发明可以有多种不同形式的实施例，但在附图中示出并且将在本文详细描述其具体示例性实施例，应理解本公开将被视为对本发明的原理的举例说明，并且并不旨在将本发明限制于所图示的特定实施例。在此方面，在详细解释与本发明一致的至少一个实施例之前，应当理解，本发明不将其应用限于构造细节和上文和下文阐述的在附图中图示或如实例中所述的组件的布置。与本发明一致的方法和设备能够有其它实施例并且能够以各种方式实践和执行。而且，应当理解，本文所采用的措辞和术语以及下面包含的摘要是出于描述的目的并且不应被视为限制。

如在本文的各个实施例中所公开的，系统100被描述为用于指导外假肢用户。系统100在本文中还可被称为“系统”和/或“肌电图控制系统”。系统100通常包含用于输入和分析与用户（例如，用户123）的移动相关联的基于EMG的信号并且用于校准和输出关于信号的反馈的硬件和软件组件。系统100和其部分，包含其各种硬件和软件组件，在本文中通过所提供的附图图示。

例如，图4A图示了具有假肢手腕和手（例如假肢装置124）的用户（例如，用户123）与电极122以及用于访问图2和/或3的一个或多个虚拟用户界面125和126的两个单独模态（例如，图2的计算机125a和图3的移动装置126a（未示出））并且根据本文公开的各个实施例的示例表示。

另外，图4B图示了图4A的具有假肢手腕和手（例如，假肢装置124）的用户与如附接到用户123的电极122并且根据本文公开的各个实施例的另外的示例表示。

如至少图4A、4B和6B所图示的，系统100包括耦接到假肢装置124的多个电极122、按钮128和软件组件136。例如，系统100可以经由有线或无线硬件和/或软件组件（例如，经由连接模块132、基于移动应用的UI 126、移动装置126a等）通信地耦接到假肢装置124。例如，如图6B所示，连接模块132可以包含表示为无线通信组件132c的硬件组件132c，如经由蓝牙、WIFI或其它基于无线电的通信标准通信的基于USB的无线发射器。假肢装置124耦接到系统100，其中可以从多个电极122收集例如本文所示的图5A和5B的信号数据127。在各个实施例中，电极122可以被配置为EMG电极。例如，如针对图1（118）和图5A（117、118）所示出的，信号数据127可以将信号数据（例如，随时间推移用户移动的EMG信号数据）表示、定义或分类为“不一致”、“提离”、“嘈杂”、“安静”、“不清楚”、“相似”、“早”、“晚”、“弱”或“强”等中的任何一个或更多。例如，图5A图示了用户123从校准接收到的并且由用于指导外假肢用户的系统100分析的信号数据127的示例表示。所述多个电极122可以收集信号数据127并将其传递给软件组件136。

图1图示了表示用于通过校准程序和肌电图信号的反馈来指导用户的系统100的使用和操作的示例流程图。如图1所示，按钮128可以被实施为按钮用户界面103。另外，如针对图6A所示出的，按钮128可以包括指示器129（例如，LED或视觉指示器），其中可以通过听觉、触觉或视觉刺激通知用户123信号数据127的质量。按钮128可以耦联到假肢装置124以供用户123交互。

图6B展示了与系统100和各种组件一起示出的图6A的按钮的实施例，包含电极122、到假肢装置124的连接器、按钮128、按钮外壳131和连接模块132（例如，其中图6B的实施例被图示为包含各种硬件组件132a、132b和132c）。在各个实施例中，可以被配置或校准成控制假肢装置124的肌电假肢控制器可以包含在硬件组件132a和/或132b中。在一些实施例中，按钮128可以包括触觉界面130，其中用户123可以与系统100交互并控制假肢装置124（110）的校准，如本文针对图1所述。例如，图1图示了系统100的用户校准110，其中用户（例如，用户123）校准用于对假肢装置（例如，假肢装置124）进行EMG控制的系统100。触觉界面130耦接到输入/输出连接模块132，通过所述模块可以在按钮128与软件组件136之间传送信息。在一些实施例中，按钮128的组件可以被封闭在基本上刚性材料的外壳131（例如，按钮外壳）内。

软件组件136可以包含用户界面（例如，如图2所图示的基于计算机的用户界面125和/或如图3所图示的基于移动应用程序的用户界面126）以及如图1-3、5A和5B所图示和所述的分析（111）模式识别算法。在各个实施例中，用户界面（例如，基于计算机的UI125和/或基于移动应用的UI126）通过开始（101）用于使用假肢装置124的过程来访问。如针对图1所示出的，图示了使用用于指导外假肢用户的肌电图控制系统（系统100）的启动（101）。例如，在各个实施例中，首先，用户123必须决定他或她是否将通过按钮用户界面（103）或虚拟用户界面（102）启动校准（例如，经由重置校准程序（104）或校准协议（109））。

一旦选择了界面的方法，用户123必须决定是否重置其假肢装置124的校准数据（104），完全校准（105）装置（例如，假肢装置124）或校准装置的单个部分（106）（例如，假肢装置124）。如图1所示，用户123可以经由按钮用户界面103启动用户的校准数据（104）的重置。在一些实施例中，经由按钮用户界面103重置用户的校准数据（104）可以描绘肌电图控制系统（系统100）的会话或使用的结束（108）。另外或可替代地，用户123可以经由按钮用户界面（103）或虚拟用户界面（102）启动对用户的信号数据的完全校准（105）。仍另外地，另外或可替代地，用户123可以经由虚拟用户界面（102）启动对用户的信号数据的单个运动（106）的校准。为了引导用户123，用户123然后可以决定是否受假肢装置124（例如，外假肢装置）、虚拟用户界面125、126或假肢装置124和虚拟用户界面125、126两者的引导（107）。例如，如针对图2所示的，用户123可以选择用于引导的方法（107），所述方法用于通过外假肢校准经由假肢臂引导训练、虚拟臂引导训练或假肢臂和虚拟臂引导训练两者来引导用户。

另外，图2图示了虚拟用户界面102的示例表示，其展示了电极连接性（例如，经由表明电极122连接到系统100的一个或多个用户界面指示器119）、校准质量（例如，经由数据质量度量114）以及虚拟臂和/或假肢模式切换（例如，经由引导107）。在一些实施例中，虚拟用户界面102可以包含一个或多个用户界面指示器119可以指示某个电极122连接还是未连接到系统100。如针对图2所示出的，如果电极未连接，则虚拟用户界面102可以显示关于所连接电极122的状态（例如，“无信号接触”）的用户界面指示器120。

一旦用户123选择了用于引导的方法107，则肌电图控制系统（系统100）将开始或启动校准协议109。用户123然后可以经历生成信号数据127并校准系统100的一系列选择运动，即校准类别，如所指示运动134，包含如图3所图示的并且如由校准协议109通过引导的所选方法107提示的肘部运动（“挠曲”和/或“伸展”）、手腕运动（“旋前”和/或“旋后”）和/或手部运动（“打开”、“关闭”、“工具使用（tool）”、“键入（key）”和/或“夹紧”）中的任何一个或多个。例如，在各个实施例中，系统100（例如，通过软件组件136和/或通过模式识别组件）可以分析（111）来自校准协议109的与假肢装置124（例如，外假肢装置）和每个所提示运动（例如，图3所图示的肘部运动（“挠曲”和/或“伸展”）、手腕运动（“旋前”和/或“旋后”）和/或手运动（“打开”、“关闭”、“工具使用”、“键入”和/或“夹紧”））相关的信号数据127（例如，EMG数据）。系统100然后可以对信号数据127进行归类并且准备用户123的作为关于校准质量的有意义反馈（112）的信号数据。以此方式，系统100提供信号数据反馈（112）。

参考图1，可以通过系统100（例如，通过软件组件136和/或由模式识别组件）分析（111）信号数据以确定其用途和质量。如果信号数据127通过系统100（例如，通过软件组件136和/或通过模式识别组件）被确定为对于假肢124使用充足（113）（例如，图1、2、3、5A和/或5B中的任一个所图示的有用和高质量），则可以不向用户123提供消息（115），并且可以结束对外假肢系统的校准（108），这可以描述肌电图控制系统（系统100）的当前使用或会话的结束。也就是说，系统100（例如，通过软件组件136和/或通过模式识别组件）确定信号数据充足并且不向用户提供消息（115）。在一些实施例中，如图2所图示的，系统100可以向用户提供用于指示信号数据127充足的数据质量度量114（例如，“中等”质量度量和/或三星评级）。作为另外的实例，如图3所图示的，系统100可以向用户提供用于指示信号数据127充足的数据质量度量114（例如，对于任何所指示运动134，例如“挠曲”、“伸展”、“旋前”、“旋后”、“关闭”、“工具使用”、“键入”、“夹紧”等的高（例如，五）星评级中的任一个）。

然而，如果信号数据127被确定（例如，通过软件组件136和/或分析模式识别算法）为不充足（116）（例如，如图1、2、3、5A和/或5B中的任一个所图示的确定的不良校准），则可以通过按钮用户界面103或虚拟用户界面102向用户123提供不良校准（116）的指示。即系统100（例如，通过软件组件136和/或通过模式识别组件）可以确定信号数据127不充足（116）并且可以向用户提供不良校准的指示或消息。例如，如针对图1所示出的，系统100可以经由按钮用户界面103/按钮128向用户提供指示不充足/不良校准的光、声音或战术反馈。作为另外的实例，如针对图3所示出的，系统100经由虚拟用户界面102向用户提供数据质量度量114（例如，针对“打开”的所指示运动收集的信号数据127的三星级质量度量），所述数据质量度量在一些情况下可以表示捕获的信号数据127不充分（116）。

在各个实施例中，信号数据127可以通过系统100（例如，通过软件组件136和/或通过模式识别组件）被确定为不充足，因为其被定义或分类为如针对图5A（117、118）和图1（118）所图示的“嘈杂”、“安静”或“不一致”等，例如，在给定时间段内。例如，不充足或非最优信号数据127（例如，针对图5A或图1（118）所示出的“嘈杂”、“安静”或“不一致”等）中的任何一个或多个可能产生于电极122与用户123的不良电极-皮肤接触（或其它接触），从而导致信号质量不充足或不良，以及因此信号数据127不充足和校准不充足。例如，如图3所指示的，电极-皮肤接触的显著丢失可以通过系统100检测到，其中系统100可以依赖于一致的电极-皮肤接触以获得最优性能。

在任一情况下（即，校准充足或校准不充足），如图1、2和/或3中的任一个所图示的，基于所收集信号数据127向用户123提供质量度量114。例如，图5B图示了图5A的信号数据127的示例表示，包含根据图5A的示例所指示运动134对EMG信号数据的归类。例如，如图5B所图示的，系统100的软件组件136可以包含模式识别组件。模式识别组件可以用于接收、分析和输出信号数据127。在一些实施例中，模式识别组件还可以含有用于识别用户独特信号数据127的自适应机器学习系统或模型。自适应机器学习系统可以识别用户（例如，用户123）的独特信号数据127并将其参考由用户执行的特定运动（例如，校准类别）（例如，针对图5A和5B所示出的“打开”、“旋前”、“关闭”和/或“旋后”中的任一个）。模式识别组件可以给出对信号数据127和相关运动（例如，所指示运动134）的标识，并且对此信息进行归类或分组（127a），例如跨给定用户特有的独特信号数据127值，如图5B所表示的。模式识别组件可以耦接到用户界面（例如，125或126），以供经由一个或多个消息向用户123传送所分类信号数据127。

在各个实施例中，模式识别组件（或者，替代地并且更一般地，如本文所述的肌电图软件组件）被配置成在校准期间根据EMG信号数据确定统计以用于提供如本文所述的推荐。例如，基于EMG信号数据（例如，信号数据127）的统计分析，可以标识常见用户误差（例如，“提离”），并建议解决方案。通过模式识别组件确定和分析的统计可以包含时域特征的协方差、信号幅度、随时间推移信号幅度的变化、运动类别之间的分离指数、电极提离的频率以及各种其它。另外或可替代地，可以对这些统计应用模糊逻辑以指示具体但又广泛地观察到的误差何时可能发生，例如，由用户误差和/或用户与电极122的接触引起的。在此类实施例中，模糊逻辑可以应用于每个统计。另外或可替代地，可以通过指定指示统计在预期范围之外的置信度的随机值将由EMG信号数据生成的统计转化成与模糊逻辑兼容的值。这些值（例如，针对图5B所述的）可以通过模式识别组件针对指示常见问题（例如，“提离”）的具体组合进行分析。例如，此类问题可以包含信号清晰度的问题、表现出记录期间的肌肉收缩、过度劳力和不良电极连接的问题、校准期间的计时问题、噪声问题和信号相似性问题，例如，本文针对图1（118）、图5A（117、118）和/或表1-6所述和所示的。每个问题可以对应于一个校准类别，所述校准类别一起或单独地指定一个评级（例如，数据质量度量114）以如所描述的向用户显示。通常，模式识别组件分析每个常见问题的严重度以及给定问题是控制不良的根本原因的置信度，以便选择哪些消息类型或另外消息要发送给用户。如本文所述，此类消息包含指示预期性能的评级（例如，数据质量度量114），以及指示检测到什么以及可以做什么来纠正后续校准中的错误的定向消息（例如，消息117）。

可以相对于以下表1-5对通过模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）对用户的EMG信号数据127的分析进行进一步描述，所述表描述了信号数据收集、所导出特征（统计）、模糊逻辑缩放、模糊逻辑实施以及评级和问题选择。

数据收集

例如实施校准质量算法的模式识别组件（或可替代地且更一般地，如本文所述的肌电图软件组件）需要来自校准会话任务的输入EMG信号数据127来进行分析。此数据可以用于构建模式识别组件的分类器，而可以收集其它数据以用于实施校准质量算法。另外或可替代地，对于单类别校准（例如，校准仅一个类别），将仅需要来自相关类别的一些数据，而无论如何都将需要来自所有类别的其它数据。下面的表1提供了可以如本文所述的收集、确定或另外接收的数据或数据类型（例如，EMG信号数据127）的实例。应当理解，以下表中的数据或数据类型仅通过举例提供并且是非限制性的。可以利用与本文的公开一致的另外的或不同的数据、大小等。

表1（数据收集）

在以上表1中，K是分类器所识别的类别的总数量（例如，通常K = 2到20），k是用于校准的类别的数量（例如，通常为1或K），f是每通道的所测量数据特征的数量（例如，7个标准），c是通道的数量（例如，8个通道），所述数量可以与电极122和/或经由电极122接收到的EMG信号数据127相关联，并且B是字节的数量（在存储器中，如本文所述），其中每个值可以是浮点数或单元32（例如，每个4个字节）。如以上“大小”列所示出的，例如实施校准质量算法的模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）需要最少量的存储器（例如，在一些情况下为几个字节的信息），从而允许在具有最少存储器和/或处理资源的装置上实施模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）。此数据中的每个数据可以在本文所述的校准会话广告期间收集。

所导出特征（统计）

关于校准质量算法的另外的部分，模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）可以处理EMG信号数据127以生成所导出数据特征，例如，包含如通过本文所述的模糊逻辑实施方案使用的统计。

表2（所导出特征（统计））

在以上表2中，并且与表1类似，K是分类器所识别的类别的总数量（例如，通常K =2到20），k是用于校准的类别的数量（例如，通常为1或K），k_m是运动类别（例如，用于在校准中检测如图3所图示的运动（例如“打开”、“关闭”、“工具使用”、“键入”和/或“夹紧”）的类别）的数量（通常为0 m、1或K-1），并且B是字节的数量（在存储器中，如本文所述），其中每个值可以是浮点数或单元32（例如，每个4个字节）。

如表2（项7）所述，分离指数可以由模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）利用以下公式计算：

。

模糊逻辑转化

关于校准质量算法的另外的部分，模式识别组件（或者可替代地且更一般地，如本文所述的肌电图软件组件）可以转化EMG信号数据127，包含EMG信号数据127中的任何一个或多个，包含表I的数据和/或表II的特征数据。转换准备用于一个或多个模糊逻辑实施方案的数据，如本文进一步所述的。通常，模糊逻辑可以依赖于介于0与1（包含0和1）之间的所有变量，这启发式地表示给定特征适用的可能性、置信度或严重度。在一些情况下，两个极性相反的特征可以用介于-1与1之间的一个变量来表示，其中0表示任何特征都不适用。转化可以通过分段线性函数来实施，包含例如以下函数：

。

在以上函数中，a是下限，并且b是上限。下面的表3表示模式识别组件的校准质量算法可以使用的模糊特征：

表3（模糊逻辑转化）

在以上表3中，并且与表1和2类似，K是分类器所识别的类别的总数量（例如，通常K= 2到20），k是用于校准的类别的数量（例如，通常为1或K），k_m是运动类别（例如，用于在校准中检测如图3所图示的运动（例如“打开”、“关闭”、“工具使用”、“键入”和/或“夹紧”）的类别）的数量（通常为0 m、1或K-1），s是分离指数缩放因子（表2的项8），并且B是字节的数量（在存储器中，如本文所述），其中每个值可以是浮点数或单元32（例如，每个4个字节）。

模糊逻辑实施

关于校准质量算法的另外的部分，模式识别组件（或者可替代地且更一般地，如本文所述的肌电图软件组件）可以通过对表3的模糊特征实施模糊逻辑运算来确定数据信号中普遍存在的常见问题（例如，“太弱”）。模式识别组件（或者可替代地且更一般地，如本文所述的肌电图软件组件）可以跨表3的模糊特征实施以下模糊逻辑运算：

这些模糊逻辑运算的实施产生以下模糊特征结果和相关结论（针对给定所指示运算）。这些模糊特征结果和相关结论通常对应于如本文所述的图1（118）和图5A（117、118）的分类。

表4（模糊逻辑实施）

评级和问题选择

关于校准质量算法的另外的部分，模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）可以选择显示什么。对于每个类别，信号将从模式识别组件（或者，可替代地且更一般地，如本文所述的肌电图软件组件）发送到软件组件136，所述软件组件可以如本文所述的在用户界面（例如，图2所图示的基于计算机的用户界面125和/或图3所图示的基于移动应用程序的用户界面126）上呈现或显示结果、评级（值或评级1到5）（例如，数据质量度量114））和/或一个或多个消息。

虽然可以如上所述经由模糊逻辑实施来标识每个问题，但在一些实施例中，一些问题或类别可以被确定或设置为比其它问题或类别更严重。在此类实施例中，模式识别组件可以将问题或类别乘以缩放因子以确定其最终优先级和最大评级惩罚。缩放因子和惩罚缩放的实例在下面的表5中图示。表5的模糊特征和项对应于表4中的那些，其中缩放因子和/或惩罚缩放适用于表4的模糊特征的输出值。应当理解，可以使用另外的和/或不同的此类缩放因子和惩罚缩放。

表5（评级和问题选择）

通常，每个消息（例如，针对本文的表6以及图1（118）和图5A（117和118）所描述的）具有其自身的评级和问题阈值。如果如以上针对表5和6所述的模糊特征的值（如在有或没有优先级和/或惩罚缩放的情况下确定的）跨消息的评级阈值和问题阈值，则所述消息由软件组件136显示，所述软件组件如本文所述可以在用户界面（例如，图2所图示的基于计算机的用户界面125和/或图3所图示的基于移动应用的用户界面126）上呈现或显示结果（评级（值或评级1到5）（例如，数据质量度量114）和/或一个或多个消息）。

表4和5的模糊特征中的每个模糊特征通常对应于如本文所述的图1（118）和图5A（117、118）的分类，使得如关于表1-5所述的分析的信号数据127可以最终将信号数据（例如，随时间推移用户的移动的EMG信号数据）表示、定义或分类为“不一致”、“提离”、“嘈杂”、“安静”、“不清楚”、“相似”、“早”、“晚”、“弱”或“强”等中的一个或多个。

在各个实施例中，如果用户123接收到校准不良的指示（116），则将基于所分析和所分类信号数据127对用户123生成消息118。例如，基于信号数据127的系统100可以向用户123提供与信号数据127相关的一个或多个消息（117）。消息118是在系统100确定收集的信号数据127不充分（116）之后将向用户123提供的一个或多个可能消息类别的列表。如图1的实施例所图示的，消息118可以是以下消息118中的一个或多个：“不一致”、“提离”、“嘈杂”、“安静”、“不清楚”、“相似”、“早”、“晚”、“弱”、“强”和/或“脱离类别（class-off）”（未示出）。每个消息118可以基于对信号数据127的分析生成并且通过虚拟用户界面102以反馈（112）形式提供给用户123。例如，图3图示了根据本文公开的各个实施例的展示了每个所连接假肢装置（121）、用于指导外假肢用户的系统100的多个运动（例如，所指示运动134，即所提示动作）的校准强度，包含消息和训练提示的虚拟用户界面102的示例表示。例如，图3图示了系统100的每个所连接假肢装置（121）的用户界面指示器，其中对于图3的实施例，所述假肢装置包含假肢装置，例如假肢装置124的“肘部”、“手腕”和“手”中的每一个。用于校准的EMG信号数据可以在由虚拟用户界面102上的一个或多个橙色（或其它颜色）圆圈指示的时间段或校准会话期间测量，其中请求用户在黄色圆圈出现的时间段期间做出所指示运动/所提示动作或另外在虚拟用户界面102上完成其动画。

虚拟用户界面102可以将信号数据127表示为数据质量度量114，其中消息118可以与用于优化133的所推荐程序一起提供给用户123。例如，如针对图3所示出的，消息118（117）可以包括指示“检测到电极-皮肤接触的显著丢失”的“提离消息”。下面在表6中展示了与图1的消息118（以及相关问题、描述、推荐和提示）相对应的提离消息和另外的示例消息。

表6（校准质量度量和消息）

在以上表6中，不同所指示运动/所提示动作（例如，图3所图示的肘部运动（“挠曲”和/或“伸展”）、手腕运动（“旋前”和/或“旋后”）和/或手运动（“打开”、“关闭”、“工具使用”、“键入”和/或“夹紧”）提供给“[X]”、“[Y]”和/或“[Z]”或由其表示，其中各个所指示运动/所提示动作可以填充到消息中（通过作为占位符位置的“[X]”、“[Y]”和/或“[Z]”）并呈现给用户。另外，如以上表6所示的消息类型（校准问题类别类型）中的每个消息类型可以与数据质量度量114惩罚相关联，其中当检测到消息类型（校准问题类别类型）时可以减少或另外改变或更新数据质量度量114。例如，对TOO_WEAK消息类型（校准问题类别类型）的检测可能导致高达4个数据质量度量114的丢失，例如这可能导致如在如本文所述的用户界面（例如，125或126）上所显示的高达4星评级的丢失。作为另一个实例，对MISSING_LATE消息类型（校准问题类别类型）的检测可能导致高达2个数据质量度量114的丢失，例如这可能导致如在如本文所述的用户界面（例如，125或126）上所显示的高达2星评级的丢失。应当理解，可以基于如对应消息类型（校准问题类别类型）所指示的用户的不充分校准会话对用于校准的EMG数据的收集和/或假肢装置，例如假肢装置124自身的所产生的校准引起的严重度或另外的影响来调整或另外设置数据质量度量114/星评级的改变。

消息118可以进一步包含用于优化133信号数据127的所推荐程序。用于优化133的给定所推荐程序对应于与系统和其相关所指示运动134连接的每个所连接假肢装置（121）。例如，如针对图3所示出的，优化的所推荐程序是校准（例如假肢装置124的）“手”假肢装置（121）和其相关“打开”所指示运动134，因为“手”装置的“打开”运动的信号数据127质量或质量度量114最低（例如，三星的质量度量）。仍进一步地，如针对图3所示出的，用于优化的所推荐程序133可以是或导致生成基于消息类别的提示。例如，如图3所示出的，消息类别是“提离”，其中给用户123的提示被生成和/或显示为：“在电极-皮肤接触问题解决之前，不应期望良好的控制性能……”。

如针对图1所示出的，系统100然后可以结束（108）校准协议109。用于优化133的所推荐程序可以记录在系统存储器135（例如，假肢装置124、计算机125a、移动装置126a、连接模块132、肌电假肢控制器或系统100的其它部分等计算或电子装置的系统存储器或如通信地耦接到计算或电子装置的系统存储器）中，因此用户123可以在稍后日期访问用于优化的所推荐程序133，并且查看与如本文所示和所述和/或如本文的图中的任何图所图示的给定假肢或所指示运动134相关的其所收集信号数据127。

公开的方面

1. 一种用于指导外假肢用户的系统，所述系统包括：用于收集信号数据的设备；按钮；以及软件组件。

2. 一种用于输入信号数据的系统，所述系统包括：多个电极。

3. 一种按钮，其包括：外壳；指示器；以及触觉界面。

4. 一种软件组件其包括：用户界面；以及模式识别组件。

5. 方面2的用于输入信号数据的系统，其中所述多个电极包括导电材料的组合物。

6. 方面2的用于输入信号数据的系统，所述系统进一步包括：用于将所述信号数据传送到方面4的所述软件组件的方法。

7. 方面3的按钮，其中所述指示器包含：用于视觉刺激的设备；用于听觉刺激的设备；和/或用于触觉刺激的设备。

8. 方面4所述的软件组件，其中所述用户界面进一步包括：用于向所述用户反馈信息的系统。

9. 方面8的所述用户界面，其中用于反馈对所述用户的信息的所述系统进一步包括：质量度量，所述质量度量标识校准质量的客观水平；和/或消息，所述消息标识不良信号数据的可能原因。

10. 方面9的用于对所述用户反馈信息的系统，其中所述消息进一步包含：对非最优信号数据输入的原因的指示；以及用于优化所述信号数据输入的所推荐程序。

11. 方面4的软件组件，其中所述用户界面进一步包含：可以与所述用户交互的虚拟应用。

12. 方面4的软件组件，其中所述用户界面进一步包含：校准程序；以及用于引导所述用户完成所述校准程序的指令集。

13. 方面4所述的软件组件，其中所述用户界面进一步包含：假肢连接的选择；一个或多个移动的选择；对信号数据输入的指示；或对信号数据输出的指示。

14. 方面13的用户界面，其中所述对信号数据输入的指示进一步包含：对所连接硬件的标识；以及对所连接硬件的状态的标识。

15. 方面4的软件组件，其中所述用户界面进一步包含：用于所述用户的以实时直接监测所述信号数据的系统。

16. 方面4的软件组件，其中所述模式识别组件进一步包括：用于接受信号数据的系统；用于分析信号数据的系统；以及用于输出信号数据的系统。

17. 方面4的软件组件，其中所述模式识别组件进一步包括：自适应机器学习系统，所述自适应机器学习系统用于识别用户独特信号数据。

18. 方面17的模式识别组件，其中所述自适应机器学习系统进一步包括：用于识别用户的独特信号数据的参考所述用户的特定运动的系统。

19. 方面4的软件组件，其中所述模式识别组件进一步包括：用于对来自用户的信号数据进行标识和归类的系统。

20. 方面4的软件组件，其中所述模式识别组件进一步包括：用于向所述用户传送所述所归类信号数据的系统。

21. 方面11的用户界面，其中所述虚拟应用进一步包括：涉及从网络下载内容的安装方法；涉及可从物理磁盘或驱动器上载内容的安装方法； 以及与数字操作系统具有兼容性的安装方法。

22. 方面3的按钮，其中所述触觉界面进一步包括：从所述假肢启动方面12的所述校准程序的系统。

23. 方面11的用户界面，其中所述虚拟应用进一步包括：从所述虚拟应用启动方面12的校准程序的系统。

本公开的前述方面仅是示例性的并且不旨在限制本公开的范围。

公开的另外的方面

1. 一种肌电图控制系统，其被配置成指导假肢用户校准假肢装置，所述肌电图控制系统包括：肌电假肢控制器，所述肌电假肢控制器被配置成控制假肢装置；肌电图软件组件，所述肌电图软件组件通信地耦接到与用户肌电接触的多个电极，其中所述肌电图软件组件被配置成执行对所述用户的肌电图（EMG）信号数据的分析，所述EMG信号数据是从所述多个电极接收的；以及用户界面，所述用户界面被配置成基于所述对所述EMG信号数据的分析，向所述用户提供关于所述EMG信号数据的校准质量的反馈指示，其中所述用户界面被配置成启动校准程序以校准所述肌电假肢控制器，并且其中所述用户界面包括以下中的至少一个：（i）包含校准按钮的按钮用户界面；或（ii）虚拟用户界面，所述虚拟用户界面被配置成将所述反馈指示显示为以下中的至少一个：（a）对应于所述EMG信号数据的所述校准质量的质量度量；或（b）对应于所述EMG信号数据的所述校准质量的消息。

2. 另外的方面1的肌电图控制系统，其中所述消息包括以下中的至少一个：（a）对所述EMG信号数据的非最优信号数据输入的原因的指示；或（b）用于优化信号数据输入的所推荐程序。

3. 另外的方面1或2中任一项的肌电图控制系统，其中所述校准程序是在校准会话期间启动的，其中所述虚拟用户界面提供用于优化信号数据输入的所推荐程序，并且其中在另外的校准会话期间从所述用户界面启动另外的校准程序以基于所述所推荐程序来重新校准所述肌电假肢控制器。

4. 另外的方面3的肌电图控制系统，其中所述另外的校准会话被配置成促进以下中的至少一个：（a）删除对应于一个或多个数据集或移动的EMG信号数据；（b）添加对应于一个或多个数据集或移动的EMG信号数据；（c）用新EMG信号数据替换对应于一个或多个数据集或移动的EMG信号数据。

5. 先前另外的方面中任一项的肌电图控制系统，其中所述肌电假肢控制器被校准成基于所述EMG信号数据来控制所述假肢装置。

6. 先前另外的方面中任一项的肌电图控制系统，其中所述校准按钮被配置成通过听觉刺激、触觉刺激或视觉刺激中的至少一个来提供所述反馈指示。

7. 先前另外的方面中任一项的肌电图控制系统，其中虚拟用户界面实时显示所述EMG信号数据的可视化。

8. 先前另外的方面中任一项的肌电图控制系统，其中所述校准程序包括指示所述用户执行与所述假肢装置相关的一个或多个所指示运动的所述虚拟用户界面，并且其中所述一个或多个所指示运动产生如从所述多个电极接收到的所述EMG信号数据。

9. 另外的方面8的肌电图控制系统，其中所述虚拟用户界面被配置成接收一个或多个指示所述用户执行的所述一个或多个所指示运动中的至少一个的选择。

10. 先前另外的方面中任一项的肌电图控制系统，其中所述肌电图软件组件进一步包括模式识别组件，所述模式识别组件被配置成分析所述用户的所述EMG信号数据，所述模式识别组件被进一步配置成基于由所述用户执行的特定运动来标识所述用户的所述EMG信号数据或对所述信号数据进行归类。

11. 另外的方面10的肌电图控制系统，其中所述模式识别组件包括自适应机器学习组件，所述自适应机器学习组件被配置成基于所述用户的所述EMG信号数据来确定由所述用户执行的所述特定运动。

12. 另外的方面11的肌电图控制系统，其中所述自适应机器学习组件被进一步配置成基于所述用户的所述EMG信号数据来确定适当的反馈指示。

13. 先前另外的方面中任一项的肌电图控制系统，其中所述用户界面被配置成重置所述用户的校准数据以校准所述肌电假肢控制器。

14. 一种用于指导假肢用户校准假肢装置的肌电图控制方法，所述肌电图控制方法包括：由通信地耦接到与用户肌电接触的多个电极的肌电图软件组件从所述多个电极接收肌电图（EMG）信号数据；由所述肌电图软件组件分析所述用户的所述EMG信号数据；基于分析所述EMG信号数据，向用户界面提供对所述用户的关于所述EMG信号数据的校准质量的反馈指示；以及基于所述EMG信号数据的所述校准质量启动校准程序以校准肌电假肢控制器，所述肌电假肢控制器被配置成控制假肢装置，其中所述用户界面包括以下中的至少一个：（i）包含校准按钮的按钮用户界面；或（ii）虚拟用户界面，所述虚拟用户界面被配置成将所述反馈指示显示为以下中的至少一个：（a）对应于所述EMG信号数据的所述校准质量的质量度量；或（b）对应于所述EMG信号数据的所述校准质量的消息。

15. 另外的方面14的肌电图控制方法，其中所述校准程序是在校准会话期间启动的，其中所述虚拟用户界面提供用于优化信号数据输入的所推荐程序，并且其中在另外的校准会话期间从所述用户界面启动另外的校准程序以基于所述所推荐程序来重新校准所述肌电假肢控制器。

16. 另外的方面14或15的肌电图控制方法，其中所述校准程序包括指示所述用户执行与所述假肢装置相关的一个或多个所指示运动的所述虚拟用户界面，并且其中所述一个或多个所指示运动产生如从所述多个电极接收到的所述EMG信号数据。

17. 另外的方面14到17中任一项的肌电图控制方法，其中所述肌电图软件组件进一步包括模式识别组件，所述模式识别组件被配置成分析所述用户的所述EMG信号数据，所述模式识别组件被进一步配置成基于由所述用户执行的特定运动来标识所述用户的所述EMG信号数据或对所述信号数据进行归类。

18. 另外的方面17的肌电图控制系统，其中所述模式识别组件包括自适应机器学习组件，所述自适应机器学习组件被配置成基于所述用户的所述EMG信号数据来确定由所述用户执行的所述特定运动。

19. 一种有形、非暂时性计算机可读介质，其存储用于指导假肢用户校准假肢装置的指令，所述指令当在一个或多个处理器执行时使所述一个或多个处理器：由通信地耦接到与用户肌电接触的多个电极的肌电图软件组件从所述多个电极接收肌电图（EMG）数据；由所述肌电图软件组件分析所述用户的所述EMG信号数据；基于分析所述EMG信号数据，向用户界面提供对所述用户的关于所述EMG信号数据的校准质量的反馈指示；以及基于所述EMG信号数据的所述校准质量启动校准程序以校准肌电假肢控制器，所述肌电假肢控制器被配置成控制假肢装置，其中所述用户界面包括以下中的至少一个：（i）包含校准按钮的按钮用户界面；或（ii）虚拟用户界面，所述虚拟用户界面被配置成将所述反馈指示显示为以下中的至少一个：（a）对应于所述EMG信号数据的所述校准质量的质量度量；或（b）对应于所述EMG信号数据的所述校准质量的消息。

20. 另外的方面19的有形、非暂时性计算机可读介质，其中所述校准程序是在校准会话期间启动的，其中所述虚拟用户界面提供用于优化信号数据输入的所推荐程序，并且其中在另外的校准会话期间从所述用户界面启动另外的校准程序以基于所述所推荐程序来重新校准所述肌电假肢控制器。

本公开的前述另外的方面仅是示例性的并且不旨在限制本公开的范围。

另外的考虑因素

尽管本文的公开阐述了许多不同实施例的详细描述，但是应当理解的是，这一描述的法律范围由在本专利和等效物的结尾处阐述的权利要求书的文字来定义。具体实施方式仅被解释为示例性的，并未描述每个可能的实施例，因为描述每个可能的实施例将是不切实际的。可以使用当前技术或在本专利申请日之后开发的技术来实施许多替代性实施例，所述实施例将仍落入权利要求书的范围内。

以下附加考虑适用于上述讨论。在整个说明书中，多个实例可以实现被描述为单个实例的组件、操作或结构。尽管一种或多种方法的单独操作示出并被描述为单独的操作，但是单独操作中的一个或多个可以同时地执行，并且不需要按照所示顺序执行操作。在实例配置中呈现为独立组件的结构和功能可以实施为组合结构或组件。类似地，呈现为单个组件的结构和功能可以实施为单独组件。这些以及其它变型、修改、添加和改进均落入本文主题的范围内。

另外，本文将某些实施例描述为包含逻辑或多个例程、子例程、应用或指令。这些可以构成软件（例如，在机器可读媒体上或在传输信号中具体化的代码）或硬件。在硬件中，例程等是能够执行某些操作的有形单元并且可以按照某种方式进行配置或布置。在示例实施例中，一个或多个计算机系统（例如，独立的客户端或服务器计算机系统）或计算机系统的一个或多个硬件模块（例如，处理器或一组处理器）可以由软件（例如，应用程序或应用程序部分）配置作为操作来执行本文所述某些操作的硬件模块。

在各个实施例中，硬件模块可以机械地或电子地实施。例如，硬件模块可以包括被永久地配置成执行某些操作的专用电路或逻辑（例如，专用处理器，如场可编程门阵列（FPGA）或专用集成电路（ASIC））。硬件模块还可以包括通过软件被临时地配置成执行某些操作的可编程逻辑或电路（例如，如专用处理器或其它可编程处理器中所包含的）。应当理解，在成本和时间考虑因素的驱动下，可以决定以机械方式在专用且永久配置的电路中或者在临时配置的电路（例如，由软件配置）中实施硬件模块。

因此，术语“硬件模块”或“硬件组件”应被理解为涵盖有形实体，是指被物理地构造、永久地配置（例如，硬连线）或临时地配置（例如，编程）为按照一定方式操作或者执行本文所述的某些操作的实体。考虑到硬件模块被临时配置（例如，编程）的实施例，无需在任何一个时刻配置或实例化每个硬件模块。例如，在硬件模块包括使用软件来配置的通用处理器的情况下，通用处理器在不同时间可以被配置成相应的不同硬件模块。因此，软件可以配置处理器例如以在一个时刻构成特定的硬件模块并且在不同时刻构成不同的硬件模块。

硬件模块可以向其它硬件模块提供信息，并且从其它硬件模块接收信息。因此，所述硬件模块可以被认为是通信地耦接的。在同时存在多个此类硬件模块的情况下，可以通过连接硬件模块的信号传输（例如，通过适当的电路和总线）来实现通信。在其中在不同时间配置或实例化多个硬件模块的实施例中，可以例如通过在多个硬件模块能够访问的存储器结构中存储和检索信息来实现此类硬件模块之间的通信。例如，一个硬件模块可以执行操作并将这种操作的输出存储在其所通信耦接的存储器装置中。然后，另一个硬件模块可以在以后的时间访问这一存储器装置以检索和处理所存储的输出。硬件模块还可以启动与输入或输出装置的通信，并且可以对资源（例如，信息的集合）进行操作。

本文所述的示例方法的各种操作可以至少部分地由被临时配置（例如，通过软件）或永久配置为执行相关操作的一个或多个处理器执行。无论是临时配置还是永久配置，此类处理器都可以构成处理器实施的模块，这些模块运行以执行一个或多个操作或功能。在一些示例实施例中，本文所指的模块可以包括处理器实现的模块。

类似地，本文所述的方法或例程可以至少部分地由处理器实施。例如，一种方法的至少一些操作可以由一个或多个处理器或处理器实施的硬件模块执行。某些操作的性能可以分布在一个或多个处理器之间，不仅驻留在单个机器内，而且可以跨多个机器部署。在一些示例实施例中，一个或多个处理器可以位于单个位置，而在其它实施例中，处理器可以跨多个位置分布。

某些操作的性能可以分布在一个或多个处理器之间，不仅驻留在单个机器内，而且可以跨多个机器部署。在一些示例性实施例中，一个或多个处理器或处理器实施的模块可以位于单个地理位置（例如，在家庭环境、办公室环境或服务器场内）。在其它实施例中，一个或多个处理器或处理器实施的模块可以跨多个地理位置分布。

此详细描述应被解释为仅示范性并且未描述每个可能的实施例，因为描述每个可能的实施例将是不切实际的，即使不是不可能的。本领域的普通技术人员可以使用当前技术或在本申请的提交日期之后开发的技术来实施很多替代实施例。

本领域的普通技术人员将认识到，在不脱离本发明的范围的情况下，可以关于上述实施例做出各种各样的修改、变更和组合，并且此些修改、变更和组合将被视为处于本发明概念的范围内。

在本专利申请的末尾的专利权利要求并不旨在根据35 U.S.C.§112（f）进行解释，除非明确地叙述了传统的手段加功能（means-plus-function）语言，例如在权利要求中明确叙述的“用于……的构件”或“用于……的步骤”。本文中所描述的系统和方法涉及对计算机功能的改进，并改进传统计算机的功能。

Claims (20)

1.一种肌电图控制系统，其被配置成指导假肢用户校准假肢装置，所述肌电图控制系统包括：

肌电假肢控制器，所述肌电假肢控制器被配置成控制假肢装置；

肌电图软件组件，所述肌电图软件组件通信地耦接到与用户肌电接触的多个电极，其中所述肌电图软件组件被配置成执行对所述用户的肌电图（EMG）信号数据的分析，所述EMG信号数据是从所述多个电极接收的；以及

用户界面，所述用户界面被配置成基于对所述EMG信号数据的所述分析向所述用户提供关于所述EMG信号数据的校准质量的反馈指示，

其中所述用户界面被配置成启动校准程序以校准所述肌电假肢控制器，并且

其中所述用户界面包括以下中的至少一个：

（i）包含校准按钮的按钮用户界面；或

（ii）虚拟用户界面，所述虚拟用户界面被配置成将所述反馈指示显示为以下中的至少一个：（a）对应于所述EMG信号数据的所述校准质量的质量度量；或（b）对应于所述EMG信号数据的所述校准质量的消息。

2.根据权利要求1所述的肌电图控制系统，其中所述消息包括以下中的至少一个：（a）对所述EMG信号数据的非最优信号数据输入的原因的指示；或（b）用于优化信号数据输入的所推荐程序。

3.根据权利要求1所述的肌电图控制系统，

其中所述校准程序是在校准会话期间启动的，

其中所述虚拟用户界面提供用于优化信号数据输入的所推荐程序，并且

其中在另外的校准会话期间从所述用户界面启动另外的校准程序以基于所述所推荐程序来重新校准所述肌电假肢控制器。

4.根据权利要求3所述的肌电图控制系统，其中所述另外的校准会话被配置成促进以下中的至少一个：（a）删除对应于一个或多个数据集或移动的EMG信号数据；（b）添加对应于一个或多个数据集或移动的EMG信号数据；（c）用新EMG信号数据替换对应于一个或多个数据集或移动的EMG信号数据。

5.根据权利要求1所述的肌电图控制系统，其中所述肌电假肢控制器被校准成基于所述EMG信号数据来控制所述假肢装置。

6.根据权利要求1所述的肌电图控制系统，其中所述校准按钮被配置成通过听觉刺激、触觉刺激或视觉刺激中的至少一个来提供所述反馈指示。

7.根据权利要求1所述的肌电图控制系统，其中虚拟用户界面实时显示所述EMG信号数据的可视化。

8. 根据权利要求1所述的肌电图控制系统，

其中所述校准程序包括指示所述用户执行与所述假肢装置相关的一个或多个所指示运动的所述虚拟用户界面，并且

其中所述一个或多个所指示运动产生如从所述多个电极接收到的所述EMG信号数据。

9.根据权利要求8所述的肌电图控制系统，其中所述虚拟用户界面被配置成接收一个或多个指示所述用户执行的所述一个或多个所指示运动中的至少一个的选择。

10.根据权利要求1所述的肌电图控制系统，其中所述肌电图软件组件进一步包括模式识别组件，所述模式识别组件被配置成分析所述用户的所述EMG信号数据，所述模式识别组件被进一步配置成基于由所述用户执行的特定运动来标识所述用户的所述EMG信号数据或对所述信号数据进行归类。

11.根据权利要求10所述的肌电图控制系统，其中所述模式识别组件包括自适应机器学习组件，所述自适应机器学习组件被配置成基于所述用户的所述EMG信号数据来确定由所述用户执行的所述特定运动。

12.根据权利要求11所述的肌电图控制系统，其中所述自适应机器学习组件被进一步配置成基于所述用户的所述EMG信号数据来确定适当的反馈指示。

13.根据权利要求1所述的肌电图控制系统，其中所述用户界面被配置成重置所述用户的校准数据以校准所述肌电假肢控制器。

14.一种用于指导假肢用户校准假肢装置的肌电图控制方法，所述肌电图控制方法包括：

由通信地耦接到与用户肌电接触的多个电极的肌电图软件组件从所述多个电极接收肌电图（EMG）信号数据；

由所述肌电图软件组件分析所述用户的所述EMG信号数据；

基于分析所述EMG信号数据，向用户界面提供对所述用户的关于所述EMG信号数据的校准质量的反馈指示；以及

基于所述EMG信号数据的所述校准质量启动校准程序以校准肌电假肢控制器，所述肌电假肢控制器被配置成控制假肢装置，

其中所述用户界面包括以下中的至少一个：

（i）包含校准按钮的按钮用户界面；或

（ii）虚拟用户界面，所述虚拟用户界面被配置成将所述反馈指示显示为以下中的至少一个：（a）对应于所述EMG信号数据的所述校准质量的质量度量；或（b）对应于所述EMG信号数据的所述校准质量的消息。

15.根据权利要求14所述的肌电图控制方法，

其中所述校准程序是在校准会话期间启动的，

其中所述虚拟用户界面提供用于优化信号数据输入的所推荐程序，并且

其中在另外的校准会话期间从所述用户界面启动另外的校准程序以基于所述所推荐程序来重新校准所述肌电假肢控制器。

16. 根据权利要求14所述的肌电图控制方法，

其中所述校准程序包括指示所述用户执行与所述假肢装置相关的一个或多个所指示运动的所述虚拟用户界面，并且

其中所述一个或多个所指示运动产生如从所述多个电极接收到的所述EMG信号数据。

17.根据权利要求14所述的肌电图控制方法，其中所述肌电图软件组件进一步包括模式识别组件，所述模式识别组件被配置成分析所述用户的所述EMG信号数据，所述模式识别组件被进一步配置成基于由所述用户执行的特定运动来标识所述用户的所述EMG信号数据或对所述信号数据进行归类。

18.根据权利要求17所述的肌电图控制方法，其中所述模式识别组件包括自适应机器学习组件，所述自适应机器学习组件被配置成基于所述用户的所述EMG信号数据来确定由所述用户执行的所述特定运动。

19.一种有形、非暂时性计算机可读介质，其存储用于指导假肢用户校准假肢装置的指令，所述指令在由一个或多个处理器执行时使所述一个或多个处理器：

由通信地耦接到与用户肌电接触的多个电极的肌电图软件组件从所述多个电极接收肌电图（EMG）数据；

由所述肌电图软件组件分析所述用户的所述EMG信号数据；

基于分析所述EMG信号数据，向用户界面提供对所述用户的关于所述EMG信号数据的校准质量的反馈指示；以及

基于所述EMG信号数据的所述校准质量启动校准程序以校准肌电假肢控制器，所述肌电假肢控制器被配置成控制假肢装置，

其中所述用户界面包括以下中的至少一个：

（i）包含校准按钮的按钮用户界面；或

（ii）虚拟用户界面，所述虚拟用户界面被配置成将所述反馈指示显示为以下中的至少一个：（a）对应于所述EMG信号数据的所述校准质量的质量度量；或（b）对应于所述EMG信号数据的所述校准质量的消息。

20.根据权利要求19所述的有形、非暂时性计算机可读介质，

其中所述校准程序是在校准会话期间启动的，

其中所述虚拟用户界面提供用于优化信号数据输入的所推荐程序，并且

其中在另外的校准会话期间从所述用户界面启动另外的校准程序以基于所述所推荐程序来重新校准所述肌电假肢控制器。

Images