文献

J-GLOBAL ID：201702281440111853   整理番号：17A1721559

改良された筋電パターン認識のための時間-空間記述子に基づく特徴抽出の枠組み【Powered by NICT】

A Framework of Temporal-Spatial Descriptors-Based Feature Extraction for Improved Myoelectric Pattern Recognition

著者 (4件)： Khushaba Rami N. (Faculty of Engineering and Information Technology, University of Technology at Sydney, Ultimo, NSW, Australia) ,  Al-Timemy Ali H. (Biomedical Engineering Department, Al-Khwarzmi College of Engineering, University of Baghdad, Baghdad, Iraq) ,  Al-Ani Ahmed (Faculty of Engineering and Information Technology, University of Technology at Sydney, Ultimo, NSW, Australia) ,  Al-Jumaily Adel (Faculty of Engineering and Information Technology, University of Technology at Sydney, Ultimo, NSW, Australia)
資料名： IEEE Transactions on Neural Systems and Rehabilitation Engineering  (IEEE Transactions on Neural Systems and Rehabilitation Engineering)
巻： 25  号： 10  ページ： 1821-1831  発行年： 2017年 
JST資料番号： W0560A  ISSN： 1534-4320  CODEN： ITNSB3  資料種別： 逐次刊行物 (A)
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： 筋活性の正確で効率的な記述子の抽出は,義手の筋電制御の挑戦的な問題に取り組む上での重要な役割を果たしている。本論文で著者らは,個別ストレスと複合筋電図(EMG)チャネルから抽出される情報量を増加させることにより筋活動の強化された表現を与えることを目的とした新しい特徴抽出フレームワークを提案した。EMG信号パワースペクトル特性を推定するための時間領域記述子(TDD)を用いることを提案し計算能力を保存する段階スペクトル特徴の構築に必要である。,TDDは,プロセスが使用されている。1)各分析時間窓から抽出したTDDと同じEMGチャネルを横切るの非線形マッピングバージョンを追跡次第にによるEMG信号の時間発展を表現し,2)異なるEMGチャンネルの間の空間的コヒーレンスを代表する,これはチャネルの対とそれらの非線形マッピングバージョンのすべての可能な組合せの違いから抽出したTDD間の相関を計算することにより達成した。提案した時空間記述子(TSD)は多数の手と指の動きを行う無傷肢と切断者の数から採取した複数スパースと高密度(HD)EMGデータ集合上で検証した。分類結果は他の方法と比較して達成された誤り率の有意な減少を示し,全ての被験者にわたって平均で少なくとも8%の改善であった。さらに,提案したTSDは窓長50msを用いて全ての被験者にわたって平均分類誤差<5%のHD-EMGの問題で有意に達成した。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： 筋電図 ,  情報量 ,  義手 ,  *パターン認識 ,  *特徴抽出 ,  チャネル ,  誤り率 ,  時間発展
準シソーラス用語： 被験者 ,  空間コヒーレンス ,  非線形マッピング ,  時間窓 ,  スペクトル特徴 ,  筋活動 ,  *筋電信号 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 筋電 ,  パターン認識 ,  記述子 ,  特徴抽出 ,  枠組み