Flexible Capacitive Sensing and Ultrasound Calibration for Skeletal Muscle Deformations

电容感应 可穿戴计算机 步态 声学 校准 流离失所(心理学) 生物医学工程 计算机科学 材料科学 变形(气象学) 生物力学 压缩(物理) 压力传感器 模拟 物理 工程类 机械工程 复合材料 嵌入式系统 心理学 操作系统 热力学 生物 量子力学 生理学 心理治疗师
作者
Jiajie Guo,Chuxuan Guo,Jialei Zhou,Kui Duan,Qining Wang
出处
期刊:Soft robotics [Mary Ann Liebert]
卷期号:10 (3): 601-611 被引量:8
标识
DOI:10.1089/soro.2022.0065
摘要

Skeletal muscles are critical to human-limb motion dynamics and energetics, where their mechanical states are seldom explored in vitro due to practical limitations of sensing technologies. This article aims to capture mechanical deformations of muscle contraction using wearable flexible sensors, which is justified with model calibration and experimental validation. The capacitive sensor is designed with the composite of conductive fabric electrodes and the porous dielectric layer to increase the pressure sensitivity and prevent lateral expansions. In this way, the compressive displacement of muscle deformation is captured in the muscle-sensor coupling model in terms of sensor deformation and parameters of pretension, material, and shape properties. The sensing model is calibrated in a linear form using ultrasound medical imaging. The sensor is capable of measuring muscle strain of 70% with an error of <3.6% and temperature disturbance of <5.6%. After 10K cycles of compression, the drift is only 3.3%. Immediate application of the proposed method is illustrated by gait pattern identification, where the K-nearest neighbor prediction accuracy of squats, level walking, stair ascent/descent, and ramp ascent is over 97% with a standard deviation below 2.6% compared to that of 94.61 ± 4.24% for ramp descent, and the response time is 14.37 ± 0.52 ms. The wearable sensing method is valid for muscle deformation monitoring and gait pattern identification, and it provides an alternative approach to capture mechanical motions of muscles, which is anticipated to contribute to understand locomotion biomechanics in terms of muscle forces and metabolic landscapes.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ubiqutin完成签到,获得积分20
2秒前
大马猴发布了新的文献求助10
4秒前
刘晓倩完成签到,获得积分10
4秒前
4秒前
搜集达人应助传统的鹏涛采纳,获得10
4秒前
ubiqutin发布了新的文献求助10
5秒前
耶耶耶耶耶完成签到,获得积分10
5秒前
石文发布了新的文献求助10
8秒前
huazhijiyi发布了新的文献求助10
9秒前
9秒前
研友_VZG7GZ应助NCNST-shi采纳,获得10
9秒前
11秒前
11秒前
12秒前
zyw完成签到,获得积分10
12秒前
石文完成签到,获得积分10
13秒前
养恩完成签到,获得积分10
13秒前
XZXZJ完成签到,获得积分10
13秒前
jie发布了新的文献求助50
14秒前
chenzq完成签到,获得积分10
14秒前
15秒前
16秒前
踏实的之瑶完成签到,获得积分10
16秒前
haixia发布了新的文献求助10
17秒前
zyw发布了新的文献求助10
18秒前
白柏完成签到,获得积分10
19秒前
ggn发布了新的文献求助10
19秒前
NCNST-shi发布了新的文献求助10
21秒前
23秒前
Jia77发布了新的文献求助10
25秒前
25秒前
小咸鱼完成签到 ,获得积分10
26秒前
26秒前
26秒前
NexusExplorer应助haixia采纳,获得10
26秒前
slin_sjtu发布了新的文献求助10
27秒前
27秒前
希望天下0贩的0应助白柏采纳,获得10
28秒前
碧蓝问安发布了新的文献求助30
28秒前
乐乐乐乐乐乐应助zzz采纳,获得30
28秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
Research on managing groups and teams 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3329654
求助须知:如何正确求助?哪些是违规求助? 2959247
关于积分的说明 8594980
捐赠科研通 2637718
什么是DOI,文献DOI怎么找? 1443719
科研通“疑难数据库(出版商)”最低求助积分说明 668843
邀请新用户注册赠送积分活动 656278