一个平行和高效的变压器深度学习网络,用于从电肌图信号中持续估计手动力学
Chuang Lin1, Xifeng Zhang2, Chunxiao Zhao2
1Dalian Maritime University, Dalian, 116026, China. linchuang_78@126.com.
Scientific reports
|October 16, 2025
概括
一个新的轻量级模型,PET,有效地将表面电肌图 (EMG) 信号分解为人机交互的手关节角度. PET实现了最先进的精度,降低了延迟,内存和功耗,使其成为可穿戴设备的理想选择.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 机器学习 机器学习
背景情况:
- 表面电肌图 (EMG) 提供了非侵入性人机交互,但在当前模型中面临着高延迟,内存和功耗等挑战.
- 基于变压器的架构虽然有效,但其注意力机制的时间复杂性很高,增加了连续运动估计的推断时间和功率需求.
研究的目的:
- 引入PET (平行高效变压器),一种轻量级的平行变压器模型,旨在克服现有的表面EMG分析方法的局限性.
- 为了使表面EMG信号能够实时分解为手关节角度,显著减少延迟,内存足迹和功耗.
主要方法:
- 为PET开发了一种新的自下而上的架构,专注于并行处理和高效的动力机制.
- 在具有挑战性的数据集 (Ninapro DB2,DB7,FMHD,SEEDS) 上,对PET与最先进的方法 (SVR,TCN,LSTM,GRU,LE-LSTM,LE-ConvMN,Transformer,Bert,MAFN,Conformer) 的性能进行了评估.
主要成果:
- PET在各种指标上表现出卓越的表现,包括相关系数,RMSE,NRMSE和AME,超过了所有比较的架构.
- 在Ninapro数据集上达到0.85±0.01的PET相关系数,在FMHD和SEEDS数据集上达到0.81-0.82.
- 与现有方法相比,显著降低端到端延迟和功耗,而不会影响准确性.
结论:
- 聚乙烯 (PET) 提供了一个非常准确和高效的解决方案,用于实时地表EMG信号分解为手关节角度.
- 由于PET的轻量级和平行架构,它适合在临床边缘和公共可穿戴设备上部署.
- 聚乙烯 (PET) 代表了非侵入性人机交互的重大进步,特别是在假肢和康复工程中的应用.
