表面肌电图（sEMG）是一种非侵入性的，基于计算机的技术，可以记录电脉冲。当前的基于模式识别的控制策略可以实现一些肌电控制，但是不如人的手那么平滑。
最近，来自中国科学院深圳先进技术研究所（SIAT）的研究人员提出了一种通过长短期记忆网络（LSTM）对六种日常抓握动作进行连续估计的方法中国机械网okmao.com。
根据发表在《生物医学信号处理与控制》上的一项研究，研究小组设计了一个实验，该实验是根据物体的不同形状和直径选择的六种日常抓握动作。在Cyber??Glove周围分布着22个传感器，用于记录sEMG信号。
为了估计六个抓握运动，研究人员通过三个评估标准进行了测试，这些标准分别是Pearson相关系数（CC），均方根误差（RMSE）和归一化均方根误差（NRMSE）。
然后他们将LSTM与其他两种算法进行了比较，SPGP（使用伪输入的稀疏高斯过程）和RBF（径向基函数神经网络）。结果表明，LSTM在所有6个运动中的表现都更快。
图2.具有LSTM重复模块的链结构。学分：林闯
尽管在某些关节中，SPGP或RBF的性能比LSTM更好，但统计分析表明，LSTM在连续估计20个手指关节角度方面比SPGP和RBF的性能更好。
该研究的通讯作者林闯博士说：“我们的结果显示了LSTM的广阔前景。它可用于生物电信号处理和人机交互。” “应该注意的是，该方法应根据不同的应用进行个性化和优化。”