Investigating Feedback-Informed Screen-Guided Training to Enhance Myoelectric Control and Predictability
Notice bibliographique
Résumé
Screen-guided training is a widely used method for calibrating myoelectric prostheses, wherein users follow visual prompts. However, this approach often fails to capture the complexities of real-world usage when the user is actively engaging with the controller. This study, therefore, aimed to develop an alternative training protocol that promotes more robust pattern recognition-based myoelectric control. In an experiment with 20 participants, we compared three training methods: conventional screen-guided training without feedback, real-time visual feedback of principal component analysis (PCA)-based projections of EMG activity, and real-time classification feedback with intentionally corrupted classifier outputs. After training, participants completed a Fitts' law-style target acquisition task in a virtual environment, repeating it at three different difficulty levels. We then evaluated how offline accuracy and metrics, particularly Bhattacharyya Distances computed from combinations of the PCA projections, correlated with online control performance. Our findings indicate that training with feedback yielded the best performance, with PCA-based visual feedback providing the most effective calibration environment. Additionally, projecting the EMG data collected with PCA-based feedback into the PCA space derived from the no-feedback data improved the correlation between offline separability metrics and the online Fitts' Law throughput. Interestingly, this correlation was stronger for the easy difficulty level. Nevertheless, the benefits of PCA-based feedback were consistent across the three different difficulty levels of the Fitts' law task, it as a beneficial and robust approach worthy of further exploration.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».