文献

J-GLOBAL ID：201702272964729769   整理番号：17A1353932

ベクトル自己回帰階層的隠れMarkovモデル(VARHHMM)を用いた表面筋電図信号からの個々の指運動の復号化【Powered by NICT】

Decoding of individual finger movements from surface EMG signals using vector autoregressive hierarchical hidden Markov models (VARHHMM)

著者 (6件)： Malesevic Nebojsa (Dept. of Biomedical Engineering, Lund University, SE-221 00 Lund, Sweden) ,  Markovic Dimitrije (Chair for Neuroimaging, Department of Psychology, Technische Universitat Dresden, 01069 Dresden, Germany) ,  Kanitz Gunter (The BioRobotics Institute, Scuola Superiore Sant’Anna, Pisa, Italy) ,  Controzzi Marco (The BioRobotics Institute, Scuola Superiore Sant’Anna, Pisa, Italy) ,  Cipriani Christian (The BioRobotics Institute, Scuola Superiore Sant’Anna, Pisa, Italy) ,  Antfolk Christian (Dept. of Biomedical Engineering, Lund University, SE-221 00 Lund, Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICORR  ページ： 1518-1523  発行年： 2017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,表面筋電図(EMG)からの個々の指運動を予測するための新しい方法を示した。法は多機能義手装置のリアルタイム器用な制御を意図している。EMGデータは,健康な参加者の前腕上に配置した16シングルエンドチャネルを用いて記録した。EMG記録と同時に,被験者は視覚キューに基づく連続指運動を行った。このアルゴリズムは,次の段階で記述することができた:分類器としての分類のための特徴,EMG特徴動力学の区分的線形モデル,線形モデル間の遷移を捕捉するために階層的隠れMarkovモデル(HHMM)の実装,およびBayes推論の実装として使用されるEMGの平均値(MAV)を抽出する。分類器の性能は,通常使用される実時間分類器に対して評価した。結果は,現在のアルゴリズム装置は,試験した分類器の中で最良のと同様にが等しいか少ない計算複雑性を用いてEMGデータを分類することを示した。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： 視覚 ,  *復号化 ,  *隠れMarkovモデル ,  待ち行列 ,  義手 ,  Bayes推定 ,  前腕 ,  アルゴリズム ,  計算量
準シソーラス用語： 線形モデル ,  被験者 ,  健康 ,  実時間 ,  多機能 ,  *表面筋電図 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： ベクトル自己回帰 ,  隠れMarkovモデル ,  表面筋電図 ,  指 ,  運動 ,  復号化