HDsEMG的可概括的手势分类使用在多个个体中平均的肌肉体积表示
Jonathan Lundsberg1, Anders Björkman2,3, Nebojsa Malesevic4
1Department of Biomedical Engineering, Faculty of Engineering, Lund University, Lund, Sweden. jonathan.lundsberg@bme.lth.se.
Scientific reports
|November 21, 2025
概括
本研究介绍了使用电肌图 (EMG) 进行手势分类的3D肌肉模型. 该模型通过识别个体肌肉活动来简化手势识别,改善人机界面.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 神经科学是一个神经科学.
背景情况:
- 人手的手势涉及复杂的肌肉协调,这给基于电肌图 (EMG) 的手势分类在人机界面带来了挑战.
- 由于肌肉激活的组合性质,现有的方法难以分类人类手势的广泛表达.
研究的目的:
- 开发和评估一个通用的3D肌肉模型,用于使用EMG数据对手势进行分类.
- 通过关注个体肌肉活动而不是复杂的手势模式来简化手势分类.
主要方法:
- 创建了一个3D模型,代表个别的数字延伸肌肉,在多个参与者中平均.
- 从高密度表面EMG数据中提取时间域峰值,并将其定位在3D模型中.
- 使用单标签和多标签方法生成并测试了一种手势分类方案,并采用一个离开一个的交叉验证策略.
主要成果:
- 单一标签分类实现了单位数字扩展的真实阳性率在61.9%至95.1%之间,虚假阳性率在0%至24.1%之间.
- 多标签测试证明了对新的手势作文的概括性,即使在使用留下一个方法来进行跨主体概括时也是如此.
结论:
- 拟议的3D肌肉模型提供了一个从EMG数据中对手势分类的通用方法,减少了对个体特定模型的需求.
- 这种方法有可能通过在各种个人和手势组合中实现强大的手势识别来改善人机界面.
