Reducing the effects of muscle fatigue on upper limb myoelectric control using adaptive LDA
Notice bibliographique
Résumé
Muscle fatigue is considered one of the main causes of sEMG changes during repetitive contractions performed for long periods of time. In the current work we are proposing and evaluating an approach in order to reduce the effects of muscle fatigue on upper limb myoelectric control using adaptive LDA. A dataset of surface EMG signals from nine subjects, including six normally-limbed and three upper limb amputees, was processed. The EMG signal was encoded using four time-domain features and four coefficients of an auto-regressive model. Adaptive and non-adaptive strategies were compared using Accuracy, False Positive Rate, Sensitivity and F1 score. Results obtained with normally-limbed subjects show that in normal scenario while muscle fatigue increases, the recognition accuracy and Sensitivity of the classifier decrease from more than 90 % to less than 58 %; False Positive Rate increases from around 9 % to 36.2 %, and F1-score decreases from 0.9 to 0.6. In contrast, parameters maintain a more stable and higher performance when adaptive LDA is evaluated. Although control in amputees shows a reduction in performance compared with normally-limbed subjects, results show a similar trend. The Wilcoxon sum rank test shows a significant increase in performance of upper limb myoelectric control tasks when adaptive LDA is used. The main limitation of this work is the need of supervision in the adaptation procedure to decide if a trial is adequate for retrain the model, making the proposed method difficult to implement in a real scenario. Future work is needed in order to obtain a parameter that serves to choose the proper trial for model retraining.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».