人工神経回路網を用いた筋電図信号に基づく歩行事象検出【JST・京大機械翻訳】

Nazmi Nurhazimah; Nazmi Nurhazimah; Abdul Rahman Mohd Azizi; Yamamoto Shin-Ichiroh; Ahmad Siti Anom

文献

J-GLOBAL ID：201802251434275782 整理番号：18A1939983

人工神経回路網を用いた筋電図信号に基づく歩行事象検出【JST・京大機械翻訳】

Walking gait event detection based on electromyography signals using artificial neural network

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A1939983&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A1939983&from=J-GLOBAL&jstjournalNo=W3347A") }}

著者 (5件)： , , , ,
資料名：
巻： 47 ページ： 334-343 発行年： 2019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)

多くの歩行応用において,焦点イベントは立脚とスイングフェーズである。筋電図信号を用いて歩行イベントを検出することは,外骨格,装具,補綴のような補助装置の開発を助けるが,筋電図信号を用いて,立脚およびスイング位相はまだ観察されていない。本研究のコアは,筋電図信号に基づく立脚とスイング位相の両方の分類システムを提案することである。これは,時間領域特徴から筋電図信号のパターンを抽出し,それらを人工ニューラルネットワーク分類器に供給することにより行うことである。さらに,異なる数の入力特徴と人工ニューラルネットワークの2つの顕著な訓練アルゴリズムを本研究で採用した。本研究に参加した8人の被験者を,学習された(最初の7人の被験者)と学習されていないデータ(残りの1人の被験者)の2つのカテゴリーに分けた。5つの時間領域特徴を有するLevenberg-Marquardtアルゴリズムが,87.4%の分類精度の平均パーセントで,他の特徴より良く機能したことが観察された。このシステムは,学習されたデータと学習されていないデータの筋電図信号によってさらにテストされ,ヒールの衝突と足のタイミングを検出するために,立脚とスイングの位相を同定した。学習データに対する人工神経回路網と足スイッチデータの間の平均絶対値は,それぞれ16±18msと21±18msであった。この場合には,ヒールストライクと足指オフ検出の平均絶対差に有意差は見られなかった(p<0.05)。さらに,学習されていないデータの平均絶対的な異なる値は,許容できることが示され,heぶつかるに対しては35±25ms,足オフに対しては49±15msであった。この実験の終わりまでに,人工神経回路網を用いた筋電図信号による歩行イベントの検討が可能である。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パターン認識

, , ,

前のページに戻る