文献

J-GLOBAL ID：201902243749813496   整理番号：19A2116279

SEMG信号に基づくハンドリハビリテーションロボットのための運動認識に関する研究【JST・京大機械翻訳】

Study on Motion Recognition for a Hand Rehabilitation Robot Based on sEMG Signals

著者 (3件)： Guo Shuxiang (Tianjin Key Laboratory for Control Theory & Applications in Complicated Systems and Biomedical Robot Laboratory, Tianjin University of Technology, Binshui Xidao Extension 391, Tianjin, 300384, China) ,  Wang Zhi (Tianjin Key Laboratory for Control Theory & Applications in Complicated Systems and Biomedical Robot Laboratory, Tianjin University of Technology, Binshui Xidao Extension 391, Tianjin, 300384, China) ,  Guo Jian (Tianjin Key Laboratory for Control Theory & Applications in Complicated Systems and Biomedical Robot Laboratory, Tianjin University of Technology, Binshui Xidao Extension 391, Tianjin, 300384, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICMA  ページ： 1061-1066  発行年： 2019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： ロボット支援自己リハビリテーション訓練は,脳卒中患者にとって重要な臨床リハビリテーションの欠点を克服することができる。本論文は,表面筋電図(sEMG)信号に基づくハンドロボットリハビリテーション訓練システムを提案した。本研究では,パターン認識技術と生物医学技術を組み合わせて,脳卒中患者の日常運動のsEMG信号を収集し,次に前処理信号,特徴抽出およびパターン認識分類を行い,患者の運動意図を認識した。手のリハビリテーション訓練に対する手の影響側を助けるために,手のリハビリテーションロボットを通して。オンライン自己リハビリテーション訓練において,分類結果を得るためにパターン認識オフライン訓練分類器に従って,患者の対側によって実行される特定の運動モードを得て,モーター制御ハンドロボットを駆動して,自己リハビリテーション訓練を実現するために対応する運動を実行した。最後に,シミュレーション実験とボランティアリハビリテーション訓練実験を実施した。実験結果は,パターン認識の認識率が93.70%±2.22%に達することを示した。他の文献におけるBPニューラルネットワークと比較して,著者らの提案したウェーブレットニューラルネットワークは,認識分類の精度において8%より良かった。このシステムは自己リハビリテーション訓練の患者を効果的に支援できる。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  パターン認識 ,  *ロボット ,  特徴抽出 ,  *リハビリテーション ,  シミュレーション
準シソーラス用語： ウェーブレットニューラルネットワーク ,  認識率 ,  オフライン ,  オンライン ,  訓練システム ,  表面筋電図 ,  脳卒中患者 ,  *動作認識 ,  *リハビリテーションロボット , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： リハビリテーションロボット ,  運動認識 ,  研究