HD-sEMGベースの手の位置推定のための人工ニューラルネットワーク：被験者間および被験者内の変動への対応

科学分野:

• 生体医工学
• リハビリテーション技術
• ヒューマンコンピュータインタラクション

背景:

• 高密度表面筋電図（HD-sEMG）は、リハビリテーションおよび支援デバイスの制御に可能性を提供します。
• 現在のHD-sEMG制御システムは、電極シフト、皮膚の状態変化、および被験者変動により、堅牢性が欠如しています。
• これは、筋肉コンピューターインターフェースの信頼性の高い展開を実世界のシナリオで制限します。

研究 の 目的:

• 高密度電極アレイ（HDE-Array）システムを備えた再帰型補綴制御ネットワーク（RPC-Net）の堅牢性を評価すること。
• 電極の再配置や被験者間の一般化を含む、現実的な使用条件下でのシステムパフォーマンスを評価すること。
• 変動をトレーニングに組み込むことがシステムパフォーマンスを向上させるかどうかを判断すること。

主な方法:

• RPC-Net/HDE-Arrayシステムは、静的トレーニング条件と実生活の使用をシミュレートする条件でテストされました。
• トレーニング中に電極の再配置を考慮した場合としなかった場合でパフォーマンスが評価されました。
• 複数の被験者からのデータでトレーニングすることにより、被験者間の一般化が評価されました。

主要な成果:

• RPC-Net/HDE-Arrayシステムは、静的にトレーニングした場合、電極の再配置と皮膚の変動に対して高い感度を示しました。
• トレーニングデータに電極シフトなどの現実的な変動を含めると、堅牢性が大幅に向上しました。
• テストされた被験者を除外したトレーニングプールに被験者が増えると、パフォーマンスが向上し、被験者固有のパターンの依存性を示唆しました。

結論:

• RPC-Net/HDE-Arrayシステムは、現実的な条件下でトレーニングされた場合、異なるセッションや被験者間で堅牢なパフォーマンスを達成できます。
• パフォーマンス低下を軽減するには、変動を伴うトレーニングが不可欠です。
• この研究は、筋肉コンピューターインターフェースの実用的な応用に向けた重要な進歩です。