Estimación de señales IMU a partir de EMG de superficie utilizando redes neuronales informadas por la física y...

Área de la Ciencia:

• Ingeniería Biomédica
• Aprendizaje Automático
• Biomecánica

Sus antecedentes:

• La estimación de la cinemática del cuerpo humano a partir de señales de electromiografía de superficie (EMG) es un desafío debido a la relación compleja y no lineal entre la actividad muscular y el movimiento.
• Los métodos existentes a menudo requieren ajuste o reentrenamiento específico del dominio para diferentes tareas, lo que limita su generalización.

Objetivo del estudio:

• Desarrollar una arquitectura de red neuronal informada por la física y adaptativa al dominio para la estimación robusta de la cinemática corporal a partir de señales EMG en dominios de tareas humanas heterogéneas.
• Abordar el problema de mapeo inverso biomecánico prediciendo directamente las salidas de la unidad de medición inercial (IMU) a partir de señales EMG sin adaptación específica de la tarea.

Principales métodos:

• Un extractor de características convolucionales compartido seguido de dos ramas: una cabeza de regresión para la predicción de señales IMU y una cabeza de clasificación de dominio adversarial que utiliza una capa de inversión de gradiente.
• Incorporación de un término de pérdida informada por la física que penaliza la derivada de la aceleración predicha (jerk) para garantizar la plausibilidad biomecánica.
• Evaluación utilizando datos EMG-IMU en cinco categorías de tareas distintas con configuraciones de sensores variadas.

Principales resultados:

• Se logró un error cuadrático medio de 0,42 ± 0,11 m/s² para la aceleración y 6,38 ± 1,1°/s para las salidas del giroscopio en 57 canales IMU.
• El modelo demostró una precisión de predicción de dominio de casi el 75%, lo que indica un aprendizaje efectivo de representaciones invariantes a la tarea.
• Las métricas de rendimiento variaron según la complejidad del dominio y la superposición en los patrones EMG/movimiento.

Conclusiones:

• La red neuronal informada por la física y adaptativa al dominio propuesta estima eficazmente la cinemática corporal a partir de señales EMG en diversas tareas sin reentrenamiento.
• La arquitectura aprende representaciones generalizables al tiempo que impone restricciones biomecánicas, lo que ofrece un enfoque prometedor para el análisis del movimiento.
• Este método avanza el potencial para el seguimiento de movimiento no invasivo y preciso en diversas aplicaciones.