文献

J-GLOBAL ID：201702286297456473   整理番号：17A0241770

筋電義手のための主成分分析を用いた17随意運動の分類【Powered by NICT】

Classification of 17 voluntary movements using principal component analysis for myoelectric prosthetic hand

著者 (4件)： Nakanishi Emi (Tokyo Denki University / Department of Robotics and Mechatronics, Japan) ,  Jiralerspong Trongmun (Tokyo Denki University / Department of Robotics and Mechatronics, Japan) ,  Kambayashi Asuka (Tokyo Denki University / Department of Robotics and Mechatronics, Japan) ,  Ishikawa Jun (Tokyo Denki University / Department of Robotics and Mechatronics, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SMC  ページ： 001346-001352  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,筋電図(EMG)信号から17随意運動を分類するための信号処理技術を提案した。提案した方法では,EMG信号は六EMGセンサから取得した。随意運動の特徴を主成分分析を用いてこれらのEMG信号から抽出し,後に人工ニューラルネットワーク(ANN)を用いて分類した。提案手法の有効性を評価するために,男性1名,女性1名参加者を行ったオンライン分類実験。各セットはEMG信号の十七の運動を特性化するが,全15のデータセットは,各参加者から取得した。から,五つのデータセットを訓練データとして使用されているが,他の十のデータセットは,オンライン試験のための取得した。同じ実験を異なる日に繰り返した。アルゴリズムの妥当性,両日の平均正確及び不正確分類率に基づいて評価は試験データから計算した。結果は,ANNを訓練するために全ての五訓練データを用いた一つだけの訓練データを用いた場合よりも高い精度を与えることを示した。最良の分類結果は,50%以上の精度と平均不正確な率2%の17運動中10であることを示した。さらに,ANNは異なる日の訓練データを用いて訓練される,分類も行った。結果は,提案したアルゴリズムはせいぜい46%の正解率を達成できることを示した。以上の結果,ユーザが補綴の実際の出力を見ることにより,誤った行動を速やかにできるという事実を考慮することに基づいて,提案したアルゴリズムは6EMGセンサから17随意運動を分類する可能性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： キャラクタリゼーション ,  筋電図 ,  男性 ,  信号処理 ,  女性 ,  *主成分分析 ,  アルゴリズム ,  センサ ,  *随意運動 ,  ニューラルネットワーク
準シソーラス用語： 正解率 ,  試験データ ,  訓練データ ,  オンライン ,  *筋電義手 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  生体計測  (EL03020C)

タイトルに関連する用語 (4件)： 筋電義手 ,  主成分分析 ,  随意運動 ,  分類