Myoelectric signals recorded with e

Myoelectric signals recorded with electrodes on the skin
surface overlying the residual arm muscles have been
used in control of motorized upper-limb prostheses for
several decades [1-23]. A significant improvement over
the traditional EMG control method in myoelectric
prostheses is the use of EMG pattern recognition based
control strategy, which is grounded on the assumption
that the patterns of EMG signals regarding the intended
movements are consistent and repeatable. Most previous
efforts focused on evaluating the capability of EMG
pattern-recognition algorithms in identifying a number
of motion classes in an ideal laboratory setting. Because
of some disparities between laboratory investigation and
practical use of a myoelectric prosthesis, it should be
required to test the control performance in the conditions
of the clinical setting before the myoelectric prosthesis
systems can be clinically viable. Recently, the
influences of some possible issues associated with clinical
applications on the control performance of a multifunctional
myoelectric prosthesis have come to the
attention. To minimize the effect of unintended movements
caused by motion misclassification during the
real-time EMG pattern-recognition control, Simon et al.
reported the use of decision-based velocity ramp that
could attenuate movement speed after a change in classifier
decision [17]. Their post-processing approach
could provide a finer and smooth transition from
current motion class to next identified one. In clinical
use of a myoelectric prosthesis, misalignment inevitably
occurs during prosthesis donning and doffing, resulting
in a change of electrode locations contacted with skin.
Young et al. investigated how the size of the electrode
detection surface and the electrode orientation affected
the robustness of EMG pattern-recognition based prosthesis
control system with electrode shift [18]. While
these reported progresses have been significantly made
towards the clinical applications of EMG patternrecognition
based control, there are still some important
disparities between the laboratory research results and
the clinical performance that remain to be addressed before
the multifunctional myoelectric prostheses are available
for clinical use.
In most reported studies of EMG pattern recognition
systems for multifunctional prosthesis control, subjects
generally took a seated position with a tested arm resting
on a plate surface such as chair arm or table and multichannel
EMG signals were acquired with a number of
surface electrodes placed on either the muscles of forearm
and hand for an able-bodied subject or the residual
muscles for an upper-limb amputee. One portion of the
acquired EMG data was used to train a classifier and
then remaining portion was loaded into the trained classifier
for calculating the offline classification accuracy in identifying a number of arm and hand movements
[4-18,21-23]. With this experimental setting mode, high
classification accuracies were often achieved since the
training and testing EMG data could be consistently
recorded in a constant position of the tested arm. However,
this procedure would be different from the clinical
application of a multifunctional myoelectric prosthesis,
where the user’s arm position varies when he/she is
going to activities of daily living.
In order to achieve the high classification accuracy of
EMG pattern recognition approach for control of a
multifunctional myoelectric prosthesis, it is required that
the contraction of the targeted muscles could produce
the repeatable EMG patterns for doing a movement.
This is not the case in doing daily activities that would
need the user’s arm position to be various. Keeping arm
in different positions and performing a movement may
require different forearm muscles to be contracted. Thus
when doing identical movements in different arm positions,
the arm muscles may generate disparate EMG patterns.
Therefore, with a classifier trained by EMG
recordings in one specific arm position, the EMG pattern
changes may erode the classification accuracy of
movements. This raises a question: whether does the
variation of arm positions significantly affect the control
performance of multifunctional myoeletric prosthesis? If
the answer is yes, the following question is: how to reduce
the impact of arm position variations?
Most recently, a study has been conducted by a research
group to address these issues [19,20]. Their
results showed that the variations in arm position associated
with the clinical use of a myoelectric prosthesis
could substantially impair the classification performance
of EMG pattern recognition with an increase of average
classification error from 3.8% to 18%. And they also proposed
two possible solutions for reducing the effects of
adverse arm positions on the motion classification accuracy
of EMG pattern recognition. It is important to note
that the reported results were achieved in the subjects
with intact arms. It remains unclear whether the similar
results could be achieved by arm amputees who are the
final users of a myoelectric prosthesis, as no work has
been done with this population. In this study, using
transradial amputees as subjects we investigated the effect
of diverse arm positions on the classification performance
in identifying a number of classes of arm and
hand movements involved in amputated arms. Two
types of signals associated with muscle contractions,
EMG acquired with surface electrodes and ACC-MMG
measured with accelerometers, were used as prosthetic
control signals for classifying motion classes. The sensitivity
of EMG and ACC-MMG based pattern recognition
for motion identification to adverse arm positions was
investigated, respectively. And then three possible solutions were examined for the performance in attenuating
the impact of arm position variation on classification
performance. The outcomes of this study could aid
the future development of practical multifunctional
myoelectric prostheses for arm amputees

ผลลัพธ์ (ไทย) 1:

บันทึกสัญญาณ myoelectric ด้วยหุงตบนผิว
ผิวกล้ามเนื้อแขนที่เหลือเหล่านั้นได้
ใช้ควบคุมเครื่องบนขา prostheses สำหรับ
มาหลายทศวรรษ [1-23] ปรับปรุงอย่างมีนัยสำคัญมากกว่า
วิธีการควบคุมกล้ามดั้งเดิมใน myoelectric
prostheses เป็นการใช้การรู้จำแบบดำรงอยู่
ควบคุมกลยุทธ์ ซึ่งสูตรใน
ที่รูปแบบของสัญญาณกล้ามเกี่ยวกับวัตถุประสงค์การ
เคลื่อนไหวสอดคล้องกัน และทำซ้ำ ก่อนหน้านี้ที่สุด
พยายามเน้นการประเมินความสามารถในการดำรง
อัลกอริทึมการจำแนกลวดลายในการระบุตัวเลข
ของคลาเคลื่อนไหวในห้องปฏิบัติการ เพราะ
ของบางความแตกต่างระหว่างห้องปฏิบัติการตรวจสอบ และ
ใช้กายอุปกรณ์ myoelectric ปฏิบัติ ควรมี
ต้องทดสอบประสิทธิภาพการควบคุมเงื่อนไข
ของคลินิกก่อนกายอุปกรณ์ myoelectric
ระบบสามารถทำงานได้ทางคลินิกได้ ล่าสุด
อิทธิพลของบางปัญหาอาจเกี่ยวข้องกับคลินิก
โปรแกรมประยุกต์ในการควบคุมประสิทธิภาพของการโดย
myoelectric กายอุปกรณ์มา
ความสนใจ เพื่อลดผลของการเคลื่อนไหวโดยไม่ได้ตั้งใจ
เกิดจาก misclassification เคลื่อนไหวระหว่าง
เวลาจริงดำรงการรู้จำแบบควบคุม ไซมอน et al.
รายงานการใช้ความเร็วตามการตัดสินใจทางลาดที่
สามารถ attenuate เคลื่อนไหวเร็วหลังจากการเปลี่ยนแปลงใน classifier
ตัดสินใจ [17] วิธีการประมวลผล
สามารถให้เปลี่ยนปลีกย่อย และเรียบจาก
ปัจจุบันเคลื่อนคลาไประบุหนึ่ง ในทางคลินิก
ใช้กายอุปกรณ์เป็น myoelectric นาน ๆ ย่อม
เกิดระหว่างกายอุปกรณ์สวมใส่ชุด และ doffing เกิด
ในการเปลี่ยนแปลงของอิเล็กโทรดที่ตั้งติดต่อกับผิว
หนุ่มร้อยเอ็ด al. วิธีตรวจสอบขนาดของอิเล็กโทรด
ตรวจพื้นผิวและการวางแนวอิเล็กโทรดที่ได้รับผลกระทบ
เสถียรภาพของดำรงรูปแบบการใช้กายอุปกรณ์
ควบคุมระบบ ด้วยไฟฟ้ากะ [18] ในขณะที่
รายงานเหล่านี้ดำเนินไปได้อย่างมีนัยสำคัญทำ
ต่อโปรแกรมประยุกต์ทางคลินิกของดำรง patternrecognition
ตามควบคุม มียังคงสำคัญบาง
ความแตกต่างระหว่างผลการวิจัยปฏิบัติการ และ
ประสิทธิภาพทางคลินิกที่ยังคงจัดการก่อนที่จะ
prostheses myoelectric โดยมี
สำหรับใช้ทางคลินิก
เป็นรายงานการศึกษาการรู้จำรูปแบบการดำรง
ระบบควบคุมโดยกายอุปกรณ์ เรื่อง
โดยทั่วไปแล้วเอามานั่ง ด้วยแขนทดสอบที่เหลือ
บนแผ่นพื้นผิวเช่นแขนของเก้าอี้ หรือโต๊ะ และ multichannel
สัญญาณดำรงสินทรัพย์ ด้วยจำนวน
หุงตผิวอยู่ในกล้ามเนื้อของปลายแขน
และมือสำหรับเรื่องการ able-bodied หรือส่วนที่เหลือจากการ
กล้ามเนื้อสำหรับการ amputee บนขา ส่วนหนึ่งของการ
ดำรงได้รับข้อมูลใช้ในการรถไฟการ classifier และ
แล้วส่วนที่เหลือถูกโหลดลงใน classifier ฝึก
สำหรับคำนวณความถูกต้องประเภทแบบออฟไลน์ในการระบุจำนวนความเคลื่อนไหวของแขนและมือ
[4-18,21-23] นี้ทดลองตั้งค่าโหมด สูง
accuracies ประเภทมักสำเร็จตั้งแต่การ
ฝึกอบรม และทดสอบข้อมูลดำรงอาจสม่ำเสมอ
บันทึกในตำแหน่งที่คงที่ของแขนทดสอบได้ อย่างไรก็ตาม,
ขั้นตอนนี้จะแตกต่างจากที่คลินิก
ใช้ของกายอุปกรณ์การจองโดย myoelectric การ,
ที่ตำแหน่งแขนของผู้ใช้ไปจนเมื่อจะ
ไปกิจกรรมของชีวิตประจำวัน
เพื่อความแม่นยำสูงประเภทของ
ดำรงวิธีการรู้จำรูปแบบสำหรับการควบคุมการ
โดย myoelectric กายอุปกรณ์ จำเป็นที่
การหดตัวของกล้ามเนื้อเป้าหมายสามารถผลิต
รูปแบบกล้ามซ้ำสำหรับการทำเคลื่อนไหวตัวได้
เป็นกรณีในการทำกิจกรรมประจำวันที่จะไม่
ตำแหน่งแขนของผู้ใช้ต่าง ๆ จะต้องได้ รักษาแขน
ในตำแหน่งอื่นและการเคลื่อนไหวอาจ
ต้องใช้กล้ามเนื้อปลายแขนแตกต่างกันเพื่อเป็นสัญญา ดัง
เมื่อทำเหมือนการเคลื่อนไหวในตำแหน่งต่าง ๆ แขน,
กล้ามเนื้อแขนอาจสร้างแตกต่างกันดำรงรูปแบบการ
ดังนั้น ด้วย classifier ฝึกฝนกล้าม
ในหนึ่งแขนเฉพาะตำแหน่ง รูปแบบการดำรง
เปลี่ยนแปลงอาจกัดกร่อนความถูกต้องประเภทของ
ย้ายได้ นี้เพิ่มคำถาม: ว่าไม่การ
เปลี่ยนแปลงตำแหน่งแขนมีผลต่อการควบคุมอย่างมีนัยสำคัญ
ประสิทธิภาพของกายอุปกรณ์โดย myoeletric ถ้า
คำตอบคือ ใช่ คำถามต่อไปนี้: วิธีลด
ผลกระทบของการเปลี่ยนแปลงตำแหน่งแขน?
ล่าสุด การศึกษาได้ถูกดำเนิน โดยวิจัย
กลุ่มเพื่อแก้ไขปัญหาเหล่านี้ [19,20] ของ
ผลลัพธ์แสดงให้เห็นว่า ความแตกต่างในแขนตำแหน่งที่เชื่อมโยง
มีการใช้ทางคลินิกกายอุปกรณ์ myoelectric
มากสามารถทำประสิทธิภาพประเภท
ของดำรงรูปแบบการรับรู้กับการเพิ่มขึ้นของค่าเฉลี่ย
จัดประเภทข้อผิดพลาดจาก 3.8% 18% ได้ และพวกเขายังเสนอ
2 ปัญหาการลดผลกระทบของ
ตำแหน่งแขนร้ายบนความถูกต้องประเภทเคลื่อนไหว
ของดำรงรูปแบบจำแนก สิ่งสำคัญคือต้องทราบ
ที่รายงานผลความสำเร็จในเรื่อง
กับแผ่นดินเหมือนเดิม มันยังคงไม่ชัดเจนว่าคล้ายกัน
สามารถบรรลุผลลัพธ์ โดย amputees แขนที่
ผู้ใช้ขั้นสุดท้ายของกายอุปกรณ์ myoelectric ทำงานที่ไม่มี
การกระทำกับประชากรนี้ได้ ในศึกษา ใช้
transradial amputees เป็นเรื่อง ที่เราสอบสวนผล
ตำแหน่งแขนหลากหลายประสิทธิภาพประเภท
ในการระบุจำนวนชั้นของแขน และ
มือเคลื่อนไหวที่เกี่ยวข้องกับแผ่นดิน amputated สอง
ชนิดของสัญญาณที่เกี่ยวข้องกับการหดของกล้ามเนื้อ,
ดำรงมาหุงตผิวและบัญชี MMG
โดยหัว ใช้เป็นเทียม
ควบคุมสัญญาณสำหรับการจัดประเภทชั้นเรียนเคลื่อนไหว ระดับความสำคัญ
ดำรงและบัญชี MMG ใช้การรู้จำรูปแบบ
การเคลื่อนไหว เป็นรหัสที่ตำแหน่งแขนร้าย
สอบสวน ตามลำดับ แล้ว สามปัญหาถูกตรวจสอบการปฏิบัติงานใน attenuating
ผลกระทบของการเปลี่ยนแปลงตำแหน่งแขนประเภท
ประสิทธิภาพ ผลการศึกษานี้สามารถช่วยเหลือ
การพัฒนาในอนาคตโดยทางปฏิบัติ
prostheses myoelectric สำหรับ amputees แขน

ผลลัพธ์ (ไทย) 3:

myoelectric สัญญาณที่บันทึกด้วยขั้วไฟฟ้าบนผิว
วางกล้ามแขนที่เหลือได้ถูกใช้ในการควบคุมมอเตอร์ไฟฟ้า

แขนเทียมสำหรับหลายทศวรรษ [ พิจารณา ] การปรับปรุงที่สำคัญกว่า

myoelectric ดั้งเดิมวิธีควบคุมกล้ามเนื้อในขาเทียมคือการใช้รูปแบบของการรับรู้กลยุทธ์การควบคุมกล้ามเนื้อยึด
ซึ่งเป็นเหตุผลที่อัสสัมชัญ
ว่า รูปแบบของสัญญาณ EMG เกี่ยวกับวัตถุประสงค์
การเคลื่อนไหวสอดคล้องและทำซ้ำ . ความพยายามก่อนหน้านี้
ส่วนใหญ่เน้นการประเมินความสามารถของ EMG
รูปแบบขั้นตอนวิธีในการระบุหมายเลข
การเคลื่อนไหวชั้นเรียนในอุดมคติการตั้งค่าห้องปฏิบัติการ . ของบางความแตกต่างระหว่างการสอบสวนเพราะ

ใช้ห้องปฏิบัติการ และประโยชน์ของการ myoelectric มันควรจะ
ต้องทดสอบการควบคุมการปฏิบัติงานในเงื่อนไขของการตั้งค่าทางคลินิกก่อน

myoelectric ระบบเทียมที่สามารถเข้าใช้งานได้อยู่ เมื่อเร็ว ๆนี้
อิทธิพลของบางอย่างที่เป็นไปได้ปัญหาที่เกี่ยวข้องกับคลินิก
โปรแกรมในการควบคุมการทำงานของอวัยวะเทียมมา myoelectric โดย

สนใจ เพื่อลดผลกระทบของการเคลื่อนไหว
ไม่ได้ตั้งใจเกิดจากการเคลื่อนไหวผิดพลาดในระหว่าง
เรียลไทม์ EMG รูปแบบการควบคุม , ไซมอน et al .
รายงานการใช้ทางลาดความเร็วตามการตัดสินใจนั้นจะลดความเร็วในการเคลื่อนที่
หลังจากเปลี่ยนการตัดสินใจแบบ
[ 17 ] วิธีการของการประมวลผล
อาจให้ขึ้น และราบรื่นจาก
ชั้นเคลื่อนไหวปัจจุบันต่อไประบุอย่างใดอย่างหนึ่ง ในคลินิก
ใช้เทียม myoelectric บิด ย่อมเกิดในราศีสิงห์ และ doffing

ในการสวมให้เปลี่ยนขั้ว สถานที่ ติดต่อกับผิว .
หนุ่ม et al . ตรวจสอบว่าขนาดของขั้วไฟฟ้า
ตรวจสอบพื้นผิวและขั้วต่อความทนทานของการปฐมนิเทศ
รูปแบบสัญญาณตามระบบการควบคุมการเปลี่ยนขั้ว
[ 18 ] ในขณะที่
รายงานความคืบหน้าได้รับการทำเหล่านี้สำคัญต่อการใช้งานทางคลินิกของ EMG

patternrecognition ควบคุมตาม ยังคงมีความแตกต่างที่สำคัญระหว่างการวิจัยปฏิบัติการ

คลินิกและการแสดงที่ยังคงที่จะ addressed ก่อน

myoelectric เทียมโดยจะพร้อมใช้งานสำหรับการใช้ทางคลินิก .
ในส่วนของรายงานการศึกษาระบบจดจำ
รูปแบบสัญญาณกล้ามเนื้อเพื่อควบคุมเทียมโดยทั่วไปใช้วิชา
นั่งอยู่กับการทดสอบแขนพัก
บนแผ่นผิว เช่น แขน หรือ โต๊ะเก้าอี้ และสัญญาณ EMG Multichannel
ได้มา ด้วยหมายเลขของ
มืดมิดที่วางอยู่บนให้กล้ามเนื้อของปลายแขน
และมือสำหรับ เรื่องฉกรรจ์หรือตกค้าง
กล้ามแขนเป็นแขน ขา ส่วนหนึ่งของข้อมูลที่ได้สามารถใช้

แล้วและรถไฟลักษณนามส่วนที่เหลือถูกโหลดเข้าไปในการฝึกอบรมแบบออฟไลน์
คำนวณความแม่นยำในการจำแนกระบุหมายเลขของแขนและมือเคลื่อนไหว
[ 4-18,21-23 ] กับการตั้งค่านี้ทดลองโหมดความถูกต้องสูงมักจะได้รับการ

ตั้งแต่การฝึกอบรมและทดสอบข้อมูล EMG ได้เสมอ
ที่บันทึกไว้ในตำแหน่งที่คงที่ของการใช้แขน อย่างไรก็ตาม
ขั้นตอนนี้จะแตกต่างจากคลินิก
การประยุกต์ใช้โดย myoelectric เทียม
ที่แขน , ตำแหน่งของผู้ใช้แตกต่างกันไป เมื่อเขา / เธอจะกิจกรรมชีวิตประจำวัน
.
เพื่อให้บรรลุเป้าหมายสูงความแม่นยำในการจำแนกของ
วิธีการรู้จำรูปแบบสัญญาณควบคุมของ
โดย myoelectric เทียม มันเป็นสิ่งจำเป็นที่
การหดตัวของกล้ามเนื้อเป้าหมายสามารถผลิต
รูปแบบ EMG ทำซ้ำทำเคลื่อนไหว .
กรณีนี้ไม่ได้ในการทำกิจกรรมประจำวันที่จะ
ต้องการตำแหน่งแขนของผู้ใช้เป็นต่างๆ การรักษาแขน
ในตำแหน่งที่แตกต่างกันและการแสดงการเคลื่อนไหวอาจ
ต้องใช้กล้ามเนื้อแขนที่แตกต่างกันที่จะควบ ดังนั้น
เมื่อทำเหมือนกันในตำแหน่งของแขนที่แตกต่างกัน
กล้ามเนื้อแขนกล้ามเนื้ออาจสร้างหลากหลายรูปแบบ
ดังนั้น ด้วยแบบฝึก โดยบันทึก EMG
ในหนึ่งเฉพาะตำแหน่งกล้ามเนื้อแขน , รูปแบบการเปลี่ยนแปลงอาจบั่นทอนความแม่นยำในการจำแนก

ของการเคลื่อนไหว นี้เพิ่มคำถาม : ว่าไม่
ความผันแปรของตำแหน่งแขนมีผลอย่างมากต่อประสิทธิภาพของการควบคุม
โดย myoeletric เทียม ? ถ้า
คำตอบคือใช่ คำถามต่อไปคือ : วิธีที่จะลดผลกระทบของการเปลี่ยนแปลงตำแหน่ง
แขน
เมื่อเร็วๆ นี้ การศึกษาได้ดำเนินการโดยกลุ่มงานวิจัยเพื่อแก้ไขปัญหาเหล่านี้ 19,20
[ ] ผลของพวกเขาแสดงให้เห็นว่ารูปแบบใน

แขนตำแหน่งที่เกี่ยวข้องกับการใช้ทางคลินิกของ
เทียม myoelectric สามารถอย่างมากส่งผลต่อการจำแนกสมรรถนะ
ของ EMG ลวดลายด้วยการเพิ่มขึ้นของข้อผิดพลาดการจำแนกเฉลี่ย
จาก 3.8% ถึง 18 % และพวกเขายังเสนอ
สองโซลูชั่นที่สุดเพื่อลดผลของ
ตำแหน่งแขนทวนในการเคลื่อนไหวของกล้ามเนื้อการรับรู้รูปแบบความถูกต้อง
. มันเป็นสิ่งสำคัญที่จะต้องทราบ
ที่รายงานผลสำเร็จในวิชา
แขนเหมือนเดิม ยังไม่มีความชัดเจนว่าผลที่คล้ายกัน
ได้ด้วยแขนที่พิการที่
ผู้ใช้ขั้นสุดท้ายของการ myoelectric เป็นไม่ทำงานได้
ทำมากับประชากรนี้ ในการศึกษานี้ได้ใช้
transradial พิการ เป็นวิชาที่เราศึกษาผลของตำแหน่งบนแขน

การจำแนกสมรรถนะหลากหลายในการระบุจำนวนของชั้นเรียนของแขนและมือ เกี่ยวข้องกับผู้
การเคลื่อนไหวแขน ชนิดของสัญญาณที่เกี่ยวข้องกับสอง

ขนาดกล้ามเนื้อ กล้ามเนื้อที่ได้มากับขั้วไฟฟ้าพื้นผิวและ acc-mmg
วัด accelerometers คือ ใช้เป็นสัญญาณควบคุมการจัดชั้นเรียน
เทียมเคลื่อนไหว . ความไวของการรับรู้ acc-mmg

เครื่องรูปแบบตามเพื่อระบุตำแหน่งที่ไม่พึงประสงค์คือการเคลื่อนไหวแขน
) ตามลำดับ แล้วสามโซลูชั่นที่สุดมีวัตถุประสงค์เพื่อประสิทธิภาพในการลดผลกระทบของการเปลี่ยนแปลงตำแหน่งแขน
งานหมวดหมู่

ผลของการศึกษานี้สามารถช่วยเหลือ

myoelectric การพัฒนาในทางปฏิบัติโดยขาเทียมแขนพิการในอนาคต