MétaCan
Menu
Retour à la cohorte
Enregistrement W2586482082 · doi:10.3389/fbioe.2017.00003

Robustness of Frequency Division Technique for Online Myoelectric Pattern Recognition against Contraction-Level Variation

2017· article· en· W2586482082 sur OpenAlexaff
Bahareh Tolooshams, Ning Jiang

Notice bibliographique

RevueFrontiers in Bioengineering and Biotechnology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueMuscle activation and electromyography studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésElectromyographyComputer scienceContraction (grammar)Pattern recognition (psychology)Robustness (evolution)Speech recognitionArtificial intelligenceMathematicsPhysical medicine and rehabilitationMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Contraction-level invariant surface electromyography pattern recognition introduces the decrease of training time and decreases the limitation of clinical prostheses. This study intended to examine whether a signal pre-processing method named frequency division technique (FDT) for online myoelectric pattern recognition classification is robust against contraction-level variation, and whether this pre-processing method has an advantage over traditional time-domain pattern recognition techniques even in the absence of muscle contraction-level variation. Eight healthy and na¨ıve subjects performed wrist contractions during two degrees of freedom goal-oriented tasks, divided in three groups of type I, type II, and type III. The performance of these tasks, when the two different methods were used, was quantified by completion rate, completion time, throughput, efficiency, and overshoot. The traditional and the FDT method were compared in four runs, using combinations of normal or high muscle contraction level, and the traditional method or FDT. The results indicated that FDT had an advantage over traditional methods in the tested real-time myoelectric control tasks. FDT had a much better median completion rate of tasks (95%) compared to the traditional method (77.5%) among non-perfect runs, and the variability in FDT was strikingly smaller than the traditional method (p < 0.001). Moreover, the FDT method outperformed the traditional method in case of contraction-level variation between the training and online control phases (p = 0.005 for throughput in type I tasks with normal contraction level, p = 0.006 for throughput in type II tasks, and p = 0.001 for efficiency with normal contraction level of all task types). This study shows that FDT provides advantages in online myoelectric control as it introduces robustness over contraction-level variations.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,017
Tête enseignante GPT0,222
Écart entre enseignants0,206 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Bioengineering and BiotechnologyMême sujetMuscle activation and electromyography studiesTravaux en français237 207