EMG Pattern Recognition Control of the DEKA Arm: Impact on User Ratings of Satisfaction and Usability
Notice bibliographique
Résumé
The DEKA Arm has multiple degrees of freedom which historically have been operated primarily by inertial measurement units (IMUs). However, the IMUs are not appropriate for all potential users; new control methods are needed. The purposes of this study were: 1) to describe usability and satisfaction of two controls methods-IMU and myoelectric pattern recognition (EMG-PR) controls-and 2) to compare ratings by control and amputation level. A total of 36 subjects with transradial (TR) or transhumeral (TH) amputation participated in the study. The subjects included 11 EMG-PR users (82% TR) and 25 IMU users (68% TR). The study consisted of in-laboratory training (Part A) and home use (Part B). The subjects were administered the Trinity Amputation and Prosthesis Experience satisfaction scale and other usability and satisfaction measures. Wilcoxon rank-sum tests compared the differences by control type. The differences were compared for those who did and did not want a DEKA Arm. The preferences for features of the DEKA Arm were compared by control type. The comparisons revealed poorer ratings of skill, comfort, and weight among EMG-PR users. The TR amputees using IMUs rated usability more favorably. TH amputees rated usability similarly. The TR amputees using EMG-PR were less satisfied with weight, pinch grip, and wrist display, whereas the TH amputees were less satisfied with the full system, wires/cables, and battery. Usability and satisfaction declined after Part B for EMG-PR users. Overall, we found that the IMU users rated the DEKA Arm and the controls more favorably than the EMG-PR users. The findings indicate that the EMG-PR system we tested was less well accepted than the IMUs for control of the DEKA Arm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».