MétaCan
Menu
Retour à la cohorte
Enregistrement W2166525069 · doi:10.1186/1475-925x-10-79

A preliminary investigation assessing the viability of classifying hand postures in seniors

2011· article· en· W2166525069 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBioMedical Engineering OnLine · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFlexor Carpi UlnarisExtensor Carpi UlnarisGestureElectromyographySupport vector machineUlnar deviationForearmPhysical medicine and rehabilitationComputer scienceRoot mean squarePattern recognition (psychology)Isometric exerciseArtificial intelligenceSpeech recognitionMedicinePhysical therapyEngineeringWristAnatomy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Fear of frailty is a main concern for seniors. Surface electromyography (sEMG) controlled assistive devices for the upper extremities could potentially be used to augment seniors' force while training their muscles and reduce their fear of frailty. In fact, these devices could both improve self confidence and facilitate independent leaving in domestic environments. The successful implementation of sEMG controlled devices for the elderly strongly relies on the capability of properly determining seniors' actions from their sEMG signals. In this research we investigated the viability of classifying hand postures in seniors from sEMG signals of their forearm muscles. METHODS: Nineteen volunteers, including seniors (70 years old in average) and young people (27 years old in average), participated in this study and sEMG signals from four of their forearm muscles (i.e. Extensor Digitorum, Palmaris Longus, Flexor Carpi Ulnaris and Extensor Carpi Radialis) were recorded. The feature vectors were built by extracting features from each channel of sEMG including autoregressive (AR) model coefficients, waveform length and root mean square (RMS). Multi-class support vector machines (SVM) was used as a classifier to distinguish between fifteen different essential hand gestures including finger pinching. RESULTS: Classification of hand gestures both in the pronation and supination positions of the arm was possible. Classified hand gestures were: rest, ulnar deviation, radial deviation, grasp and four different finger pinching configurations. The obtained average classification accuracy was 90.6% for the seniors and 97.6% for the young volunteers. CONCLUSIONS: The obtained results proved that the pattern recognition of sEMG signals in seniors is feasible for both pronation and supination positions of the arm and the use of only four EMG channel is sufficient. The outcome of this study therefore validates the hypothesis that, although there are significant neurological and physical changes occurring in humans while ageing, sEMG controlled hand assistive devices could potentially be used by the older people.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,842
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,242
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle