The effect of accelerometer location on the classification of single-site forearm mechanomyograms
Notice bibliographique
Résumé
BACKGROUND: Recently, pattern recognition methods have been deployed in the classification of multiple activation states from mechanomyogram (MMG) signals for the purpose of controlling switching interfaces. Given the propagative properties of MMG signals, it has been suggested that MMG classification should be robust to changes in sensor placement. Nonetheless, this purported robustness remains speculative to date. This study sought to quantify the change in classification accuracy, if any, when a classifier trained with MMG signals from the muscle belly, is subsequently tested with MMG signals from a nearby location. METHODS: An arrangement of 5 accelerometers was attached to the flexor carpi radialis muscle of 12 able-bodied participants; a reference accelerometer was located over the muscle belly, two peripheral accelerometers were positioned along the muscle's transverse axis and two more were aligned to the muscle's longitudinal axis. Participants performed three classes of muscle activity: wrist flexion, wrist extension and semi-pronation. A collection of time, frequency and time-frequency features were considered and reduced by genetic feature selection. The classifier, trained using features from the reference accelerometer, was tested with signals from the longitudinally and transversally displaced accelerometers. RESULTS: Classification degradation due to accelerometer displacement was significant for all participants, and showed no consistent trend with the direction of displacement. Further, the displaced accelerometer signals showed task-dependent de-correlations with respect to the reference accelerometer. CONCLUSIONS: These results indicate that MMG signal features vary with spatial location and that accelerometer displacements of only 1-2 cm cause sufficient feature drift to significantly diminish classification accuracy. This finding emphasizes the importance of consistent sensor placement between MMG classifier training and deployment for accurate control of switching interfaces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».