关于下肢截肢的一些患者，咱们或许能够适配动力型假肢。精确操控这些假肢的前提条件是对患者的步行形式进行精确的分类，如在平地或上楼梯时的步行形式，以及在不同步行形式时的天然的转化。
为了确定在动力型假肢中，在不同步行状况时（平地步行、上下楼梯、上下斜坡和不同步行形式的天然转化）的肌电图数据等信息，来自于美国芝加哥恢复研讨所的 Hargrove 博士等规划了相关研讨，并将研讨成果宣布在 JAMA 2015 年 6 月的在线期刊上。
本研讨为随机穿插盲法研讨，研讨在美国芝加哥恢复研讨所内进行，研讨时刻为 2012 年 8 月至 2013 年 11 月。研讨者纳入了 7 例截肢患者，其间 6 例为单侧膝关节上方截肢，1 例为膝断离截肢患者。在无法供给额定动力的假肢的辅佐下，一切的患者都能在家庭中和社区内步行
研讨者在受试者残肢的肌肉上安放了 9 个电极，并记载步行时的肌电信号，受试者需求完结 20 组平地步行、上下斜坡和上下楼梯的使命。一起，也从安置于假肢内的 13 个机械传感器中同步记载相的信息。
研讨者运用两种实时形式的认知算法对不同的数据进行剖析，一组数据是来自于机械传感器，另一组数据是来自机械传感器的数据和 EMG 数据和既往步态的信息相结合的成果。受试者步行时的假肢驱动装备次序是 1:1 区组随机的，因而受试者和研讨者都不知道运用的是何种驱动形式。
本研讨的首要点评成果为实时操控系统的分类差错，所谓分类差错指的是操控系统过错猜测的步数的百分比。
与仅运用机械感受器数据的实时操控系统比较，运用肌电图数据和既往步态信息的实时操控系统的分类差错明显下降，前者均匀差错步数为 692 步，后者为 683 步，两组间的均匀差异为 6.2%。
本研讨成果指出，在对 7 例截肢患者进行剖析后，肌电信号和空间步态信息将下降步行形式和不同步行形式转化间的分类差错。但这仅是开始的研讨成果，一旦这些成果被证明，则有助于改进对动力型假肢的操控。
