論文の概要: A dual ensemble classifier used to recognise contaminated multi-channel EMG and MMG signals in the control of upper limb bioprosthesis
- arxiv url: http://arxiv.org/abs/2407.18675v1
- Date: Fri, 26 Jul 2024 11:36:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-29 13:40:43.548563
- Title: A dual ensemble classifier used to recognise contaminated multi-channel EMG and MMG signals in the control of upper limb bioprosthesis
- Title（参考訳）: 汚染された多チャンネル筋電図と筋電図信号の認識に用いる両アンサンブル分類器による上肢生体補綴の制御
- Authors: Pawel Trajdos, Marek Kurzynski,
- Abstract要約: 本研究の目的は,生体信号のマルチモダリティとマルチチャネル記録に関連する要因を緩和する認識システムを開発することである。
提案手法では,2つの協調型マルチクラス化システムを用いる。
- 参考スコア（独自算出の注目度）: 0.3683202928838613
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Myopotential pattern recognition to decode the intent of the user is the most advanced approach to controlling a powered bioprosthesis. Unfortunately, many factors make this a difficult problem and achieving acceptable recognition quality in real-word conditions is a serious challenge. The aim of the paper is to develop a recognition system that will mitigate factors related to multimodality and multichannel recording of biosignals and their high susceptibility to contamination. The proposed method involves the use of two co-operating multiclassifier systems. The first system is composed of one-class classifiers related to individual electromyographic (EMG) and mechanomyographic (MMG) biosignal recording channels, and its task is to recognise contaminated channels. The role of the second system is to recognise the class of movement resulting from the patient's intention. The ensemble system consists of base classifiers using the representation (extracted features) of biosignals from different channels. The system uses a dynamic selection mechanism, eliminating those base classifiers that are associated with biosignal channels that are recognised by the one-class ensemble system as being contaminated. Experimental studies were conducted using signals from an able-bodied person with simulation of amputation. The results obtained allow us to reject the null hypothesis that the application of the dual ensemble foes not lead to improved classification quality.
- Abstract（参考訳）: ユーザ意図を復号化するための筋電位パターン認識は、パワードバイオプロセシスを制御するための最も先進的なアプローチである。
残念なことに、多くの要因がこの問題を困難なものにし、現実語条件で許容できる品質を達成することは深刻な課題である。
本研究の目的は,バイオシグナーのマルチモーダル・マルチチャンネル記録と汚染に対する高い感受性を緩和する認識システムを開発することである。
提案手法では,2つの協調型マルチクラス化システムを用いる。
第1のシステムは、個々の筋電図(EMG)および筋電図(MMG)生信号記録チャネルに関連する一級分類器で構成され、その任務は汚染されたチャネルを認識することである。
第2のシステムの役割は、患者の意図から生じる運動のクラスを認識することである。
アンサンブルシステムは、異なるチャネルからの生体信号の表現(抽出特徴)を用いた基底分類器で構成されている。
このシステムは動的選択機構を使用し、一級アンサンブルシステムによって汚染されていると認識される生体信号チャネルと関連づけられた基底分類器を除去する。
切断を模擬した身体障害者の信号を用いて実験を行った。
その結果、二重アンサンブルフォアの応用は分類品質の改善に繋がらないというヌル仮説を否定することができた。
関連論文リスト
- BioDiffusion: A Versatile Diffusion Model for Biomedical Signal
Synthesis [4.765541373485142]
BioDiffusionは生物医学信号の合成に最適化された拡散に基づく確率モデルである。
我々の研究は、合成されたデータ品質の質的および定量的評価の両方を包含する。
論文 参考訳（メタデータ） (2024-01-12T23:52:44Z) - Quality-Based Conditional Processing in Multi-Biometrics: Application to
Sensor Interoperability [63.05238390013457]
2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。
我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。
その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-11-24T12:11:22Z) - Multiresolution Dual-Polynomial Decomposition Approach for Optimized
Characterization of Motor Intent in Myoelectric Control Systems [0.8122953016935794]
表面筋電図(sEMG)は、幅広いバイオメディカル応用の生理的信号である。
パターン認識(PR)に基づく制御方式におけるsEMGの使用は主に、その豊富な運動情報の内容と非侵襲性に起因する。
マルチクラスEMG信号の適切な復調と再構成のためのMRDPIによる多分解能分解法を提案する。
論文 参考訳（メタデータ） (2022-11-10T14:42:11Z) - Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase
Classification Using EEG [56.155331323304]
本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。
チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
論文 参考訳（メタデータ） (2021-12-18T14:17:49Z) - Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。
一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。
本稿では2つの新しい推定法を提案する。
論文 参考訳（メタデータ） (2021-09-06T13:42:32Z) - A Compact and Interpretable Convolutional Neural Network for
Cross-Subject Driver Drowsiness Detection from Single-Channel EEG [4.963467827017178]
本稿では,ドライバの眠気検出のために,複数の被験者間で共有された脳波特徴を検出するための,コンパクトで解釈可能な畳み込みニューラルネットワークを提案する。
その結果,脳波信号の分類では,被験者11名に対して平均73.22%の精度が得られることがわかった。
論文 参考訳（メタデータ） (2021-05-30T14:36:34Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z) - Ensemble emotion recognizing with multiple modal physiological signals [9.406420908566517]
異なる感情に対する複数のモーダル生理的信号を用いた感情分類モデルを提案する。
DEAPデータセットのベンチマークで実験を行う。
4段階のタスクでは、平均的な分類精度は90.74であり、安定性がよい。
論文 参考訳（メタデータ） (2020-01-01T11:44:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。