Investigation of Fatigue Using Different EMG Features
Notice bibliographique
Résumé
Rehabilitative exercise for people suffering from upper limb impairments has the potential to improve their neuro-plasticity due to repetitive training. Our study investigates the usefulness of Electroencephalogram and Electromyogram (EMG) signals for incorporation in humanrobot interaction loop. Twenty healthy participants recruited who performed a series of physical and cognitive tasks, with an inherent fatiguing component in those tasks. Here we report observed effects on EMG signals. Participants performed a Biceps curl repetitions using a suitable dumbbell in three phases. In phase 1, the initial weight was set to achieve maximum voluntary contraction (MVC). Phase 2 followed with 80 % MVC and phase 3 had 60% MVC. After each phase, they had a break around 3 minutes. EMG data were acquired from Biceps, Triceps, and Brachioradialis muscles. Different EMG features were explored to inform on muscle fatigue during this interaction. Comparing EMG during the first and last dumbbell of each phase demonstrated that the muscle fatigue had caused an increase in the average power (94% of cases) and amplitude (91%) and a decrease in the mean (80%) and the median frequency (57%) of EMG, which was more noticeable in Biceps. The results from integrated EMG showed a continuous rise in all three muscles which was more pronounced in Biceps muscle. Given these results, we identify EMG average power as the most reliable feature for informing on muscle fatigue.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».