文献

J-GLOBAL ID：201702254163470207   整理番号：17A0998994

動的訓練プロトコルはPRベース筋電制御のロバスト性を改善する【Powered by NICT】

Dynamic training protocol improves the robustness of PR-based myoelectric control

著者 (5件)： Yang Dapeng (State Key Laboratory of Robotics and System, Harbin Institute of Technology, Heilongjiang 150081, PR China) ,  Gu Yikun (State Key Laboratory of Robotics and System, Harbin Institute of Technology, Heilongjiang 150081, PR China) ,  Jiang Li (State Key Laboratory of Robotics and System, Harbin Institute of Technology, Heilongjiang 150081, PR China) ,  Osborn Luke (Department of Biomedical Engineering, Johns Hopkins University, Baltimore, MD 21211, USA) ,  Liu Hong (State Key Laboratory of Robotics and System, Harbin Institute of Technology, Heilongjiang 150081, PR China)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 31  ページ： 249-256  発行年： 2017年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： パターン認識(PR)に基づく筋電制御方式では,分類器は一般的に理想的な実験室条件で訓練した分類精度は力の変動,肢位置,および不注意による筋電図(EMG)活性化のような交絡因子の影響を受ける可能性に起因していた。多くの努力はごく少数の独立因子を考慮した新しい訓練プロトコルを採用することによりこの効果を緩和するために提案されている。本注記において,筆者らは,改善された汎化能力をもつ分類器を訓練するために,データ収集における複数の筋電図変化を含んだ,動的プロトコルを提案した。全四訓練プロトコルを検討した,上肢運動,収縮レベルおよび不注意によるEMG活性化のような影響因子は,別々に考慮した。受信者動作特性(ROC)解析に基づいて,異なる訓練プロトコルにより得られた分類器の精度とロバスト性を直接,ROC面積率(RAR),新しい性能計量を見出した。著者らの結果は,他の三つのプロトコルと比較して,動的肢姿勢と動的筋収縮(DPDEと呼ばれる)プロトコルは最高のRAR(73.3%,分散の分析,p<0.005)が得られることを示す。著者らの結果は,ロバストなEMGパターン認識を受けるための訓練プロトコルの各筋電図変化を統合する必要があることを示唆した。多自由度義手をマニピュレートする三つの切断を用いたオンライン制御実験もまた筆者らの研究成果を検証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 汎化 ,  パターン認識 ,  *プロトコル ,  オンライン制御 ,  データ収集 ,  制御方式 ,  筋収縮 ,  筋電図 ,  義手 ,  *ロバスト性
準シソーラス用語： 多自由度 ,  上肢運動 ,  分類精度 ,  *筋電信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： 経橈骨動脈補綴 ,  表面筋電図(sEMG) ,  筋電制御 ,  訓練プロトコル ,  パターン認識

分類 (2件)： 疫学  (GB03000E) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： 訓練 ,  プロトコル ,  Pr ,  筋電 ,  ロバスト性