文献

J-GLOBAL ID：202202259716459203   整理番号：22A0778872

電動義足を用いた大腿義足に対する人工ニューラルネットワークのリアルタイム適応【JST・京大機械翻訳】

Real-Time Adaptation of an Artificial Neural Network for Transfemoral Amputees Using a Powered Prosthesis

著者 (4件)： Woodward Richard (Center for Bionic Medicine, the Shirley Ryan Ability Lab, Chicago, IL, USA) ,  Simon Ann (Center for Bionic Medicine, the Shirley Ryan Ability Lab, USA) ,  Seyforth Emily (Center for Bionic Medicine, the Shirley Ryan Ability Lab, USA) ,  Hargrove Levi (Center for Bionic Medicine, Shirley Ryan Ability Lab, USA)
資料名： IEEE Transactions on Biomedical Engineering  (IEEE Transactions on Biomedical Engineering)
巻： 69  号： 3  ページ： 1202-1211  発行年： 2022年 
JST資料番号： C0236A  ISSN： 0018-9294  CODEN： IEBEAX  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： 目的:著者らは,機械学習と適応を用いて,被験者訓練時間を減らしながら,動力付き人工脚に対する制御精度を改善する2段階法を評価した。方法:まず,3つの経大腿アンプルからの情報をグループ分けし,その後,4人の被験者(ユーザ独立分類)からのデータを用いてテストされたベースライン制御システムを作成した。第2に,オンライン適応を研究し,第4の被験者のデータをリアルタイムでベースライン制御システムを改善するために使用した。結果を,ユーザ独立分類およびユーザ依存分類(同じ被験者で集めたデータおよびテストされたデータ)に対して,適応の有無で比較した。結果:ユニークな個人のデータに基づくリアルタイム適応とユーザに依存しない分類器の組合せは,個々の個人からの初期訓練データの収集を必要とせずに,1.61%[平均(SEM)]の0.15標準誤差の低い分類誤差率を生成した。被験者自身のデータ(ユーザ依存分類)を用いた訓練/テストは,適応と組み合わせて,0.9%[0.12 SEM]の分類誤差率をもたらし,それは,訓練セッションの付加的7.52時間[0.92 SEM]を平均で,有意に異ならなかった(P>0.05)。結論と意義:ユーザに依存しないデータセットと適応の組み合わせが,ユーザ依存データセットと有意に異なる誤り率をもたらすことを見出した。さらに,この方法は,個々の訓練セッションの必要性を除去し,データ収集時間の多くの時間を節約する。Copyright 2022 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： 時間 ,  データ ,  分類 ,  *義足 ,  *ニューラルネットワーク ,  アンプル ,  適応 ,  利用者 ,  データ収集 ,  基準線 ,  機械学習
準シソーラス用語： 被験者 ,  訓練データ ,  実時間 ,  オンライン , 【Automatic Indexing@JST】

分類 (2件)： 生体計測  (EL03020C) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： 義足 ,  大腿義足 ,  人工ニューラルネットワーク ,  リアルタイム ,  適応