对于神经技术人机接口的电子肌图打字手势分类数据集.
Jonathan Eby1,2, Moshe Beutel3, David Koivisto1,2
1KITE Research Institute, Toronto Rehabilitation Institute - University Health Network, Toronto, Ontario, M5G 2A2, Canada.
Scientific data
|March 15, 2025
概括
这项研究引入了新的表面电肌图 (sEMG) 数据集,以改善人机交互. 在会议内发现了高精度,但在会议和个人之间概括仍然是肌电控制的一个重大挑战.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 人与计算机的交互
背景情况:
- 神经技术接口能够与神经信号直接相互作用.
- 表面电肌图 (sEMG) 对于肌电控制系统至关重要,主要用于康复.
- 现有的sEMG应用程序往往缺乏跨不同用户和时间点的通用性.
研究的目的:
- 为了引入一个新的,细粒度的sEMG数据集用于人机交互研究.
- 为了促进先进的肌电接口的开发超出了康复.
- 评估使用sEMG用于打字时按键的分类的可行性.
主要方法:
- 从19名参与者收集了16个频道的双边sEMG录音和相应的关键日志.
- 每个人的数据都是在两个单独的会议中获取的.
- 使用基线机器学习模型进行性能评估.
主要成果:
- 在单个会议中实现了高分类准确性.
- 会议间和学科间分类的准确性明显较低.
- 性能下降表明,将肌电控制模型概括为一个挑战.
结论:
- 开发的sEMG数据集为推进肌电接口提供了宝贵的资源.
- 在不同会议和个体之间将肌电控制概括为未来研究的一个关键领域.
- 需要进一步发展,以克服现实世界的局限性,适应的人机交互系统的适应性.
更多相关视频
07:30The Muscle Cuff Regenerative Peripheral Nerve Interface for the Amplification of Intact Peripheral Nerve Signals
Published on: January 13, 2022
2.0K
08:09Multifunctional Setup for Studying Human Motor Control Using Transcranial Magnetic Stimulation, Electromyography, Motion Capture, and Virtual Reality
Published on: September 3, 2015
10.8K