DualMyo：用于肌电信号数字分类的多通道双流 Transformer 架构

内容形式：摘要译文

表面肌电（sEMG）是一种稳健的非侵入式人机交互模态，但其应用仍主要局限于抓握或旋转等粗大运动任务。精细运动技能，尤其是书写动作的解码，仍是一个具有挑战性的问题，并可能对假肢控制和自然通信接口具有重要意义。在本研究中，我们探索了一种基于Transformer的经典信号处理流程替代方案，将多通道sEMG信号视为复杂时间序列。我们提出DualMyo，一种专门设计的模型，融合了块嵌入（Patch Embeddings）和旋转位置嵌入（Rotary Positional Embeddings，RoPE），以捕捉肌电活动复杂的时空动态。实验结果显示，该模型在会话内具有较强的性能。此外，我们还应对了跨会话应用中信号漂移和传感器移位所带来的固有挑战。我们表明，仅需进行10个epoch的轻量级微调，DualMyo即可有效适应会话间的变化，在每个数字使用两个样本的条件下达到约91%的准确率。这些发现为自适应的基于sEMG的手写交互界面迈出了有前景的一步，尽管仍需针对实时部署、多受试者部署以及神经肌肉控制开展进一步验证。

关键词：表面肌电 · 手写动作识别 · 多通道Transformer · 跨会话适应 · 人机交互

原文链接：https://www.biorxiv.org/content/10.64898/2026.08.20.745897v1?rss=1