Híbrido de convolución y transformador de visión para el reconocimiento robusto de gestos de mano sEMG de bajo canal:...

Área de la Ciencia:

• Ingeniería Biomédica
• Aprendizaje Automático
• Tecnología de Rehabilitación

Sus antecedentes:

• La electromiografía de superficie (sEMG) es crucial para el control protésico y la interacción humano-máquina.
• Los estudios de sEMG existentes a menudo utilizan grabaciones de alta densidad o conjuntos de gestos extensos, lo que limita los datos sobre sistemas de bajo canal y gestos reducidos.
• Los sistemas sEMG compactos requieren modelos de clasificación eficientes para aplicaciones protésicas prácticas.

Objetivo del estudio:

• Evaluar comparativamente una red neuronal convolucional (CNN) clásica con un transformador de visión convolucional (CViT) para la clasificación de gestos de mano en sistemas sEMG de bajo canal.
• Evaluar el rendimiento del modelo en conjuntos de datos de no amputados y amputados de transradial.
• Determinar las capacidades de robustez y generalización de las arquitecturas CNN y CViT en condiciones sEMG desafiantes.

Principales métodos:

• Se utilizaron dos conjuntos de datos: un conjunto de datos propietario de Myo de 8 canales y un subconjunto de 12 canales de NinaPro DB3 de amputados de transradial.
• Tanto los modelos CNN como CViT se entrenaron utilizando preprocesamiento estandarizado idéntico, segmentación y ventanas equilibradas.
• Se comparó la precisión del modelo en los conjuntos de datos, centrándose en el rendimiento en escenarios de señales sEMG heterogéneas y de bajo canal.

Principales resultados:

• La CNN logró una precisión del 94,2 % en el conjunto de datos Myo, pero mostró variabilidad (precisión del 92,0 %) en el conjunto de datos de amputados NinaPro.
• El modelo CViT igualó o superó consistentemente el rendimiento de la CNN, logrando una precisión del 96,6 % en Myo y del 94,2 % en NinaPro.
• El análisis estadístico indicó diferencias significativas en el rendimiento en el conjunto de datos Myo, y CViT demostró resultados superiores.

Conclusiones:

• El transformador de visión convolucional (CViT) ofrece una mayor robustez y generalización en comparación con las CNN clásicas para la clasificación de gestos de mano sEMG de bajo canal.
• El rendimiento de CViT es particularmente ventajoso en condiciones de señal heterogéneas, como las encontradas con grabaciones de amputados.
• Estos hallazgos resaltan la idoneidad de CViT para el desarrollo de sistemas de control protésico avanzados y compactos.