論文の概要: Cascade of one-class classifier ensemble and dynamic naive Bayes classifier applied to the myoelectric-based upper limb prosthesis control with contaminated channels detection

• arxiv url: http://arxiv.org/abs/2503.13490v1
• Date: Mon, 10 Mar 2025 11:39:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-23 06:38:18.671379
• Title: Cascade of one-class classifier ensemble and dynamic naive Bayes classifier applied to the myoelectric-based upper limb prosthesis control with contaminated channels detection
• Title（参考訳）: 汚染チャネル検出による筋電性上肢補綴制御における一級分類器アンサンブルと動的ナイーブベイズ分類器のカスケード
• Authors: Pawel Trajdos, Marek Kurzynski,
• Abstract要約: 筆者らは, 汚染されたsEMG信号の検出による手指義肢の制御を目的とした新しい認識システムを提案する。 提案手法の独創性は、カスケード構造で動作する2つの認識システムの協調性にある。
• 参考スコア（独自算出の注目度）: 0.3683202928838613
• License:
• Abstract: Modern upper limb bioprostheses are typically controlled by sEMG signals using a pattern recognition scheme in the control process. Unfortunately, the sEMG signal is very susceptible to contamination that deteriorates the quality of the control system and reduces the usefulness of the prosthesis in the patient's everyday life. In the paper, the authors propose a new recognition system intended for sEMG-based control of the hand prosthesis with detection of contaminated sEMG signals. The originality of the proposed solution lies in the co-operation of two recognition systems working in a cascade structure: (1) an ensemble of one-class classifiers used to recognise contaminated signals and (2) a naive Bayes classifier (NBC) which recognises the patient's intentions using the information about contaminations produced by the ensemble. Although in the proposed approach, the NBC model is changed dynamically, due to the multiplicative form of the classification functions, training can be performed in a one-shot procedure. Experimental studies were conducted using real sEMG signals. The results obtained confirm the hypothesis that the use of the one-class classifier ensemble and the dynamic NBC model leads to improved classification quality.
• Abstract（参考訳）: 現代の上肢の生体補綴は、一般的に、制御過程におけるパターン認識方式を用いて、sEMG信号によって制御される。 残念ながら、sEMGシグナルは、コントロールシステムの品質を低下させ、患者の日常生活における義肢の有用性を低下させる汚染に非常に敏感である。 本報告では, 汚染されたsEMG信号の検出による手指義手制御を目的とした新しい認識システムを提案する。 提案手法の独創性は,(1) 汚染された信号を認識するために使用される一級分類器のアンサンブルと,(2) アンサンブルが生成する汚染に関する情報を用いて患者の意図を認識するナイブベイズ分類器(NBC)のアンサンブルである。 提案手法では,分類関数の乗算形式によりNBCモデルが動的に変化するが,ワンショットで訓練を行うことができる。 実sEMG信号を用いて実験を行った。 その結果, 1級分類器アンサンブルと動的NBCモデルを用いることで, 分類品質が向上するという仮説が得られた。

関連論文リスト

• Application of Context-dependent Interpretation of Biosignals Recognition to Control a Bionic Multifunctional Hand Prosthesis [0.3683202928838613]
  本稿では,表面筋電図駆動補綴(sEMG)の制御法について述べる。 文脈に依存した認識システムは、文脈に応じて同じ種類のsEMG信号が異なる解釈を持つことができる。
  論文  参考訳（メタデータ） (2025-02-18T21:38:49Z)
• A dual ensemble classifier used to recognise contaminated multi-channel EMG and MMG signals in the control of upper limb bioprosthesis [0.3683202928838613]
  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。
  論文  参考訳（メタデータ） (2024-07-26T11:36:05Z)
• SDEMG: Score-based Diffusion Model for Surface Electromyographic Signal Denoising [15.472398279233515]
  表面筋電図(sEMG)記録は、監視される筋肉が心臓に近いときに心電図(ECG)信号に影響される。 本稿では,SDEMGと呼ばれる新しい手法を提案し,SEMG信号デノイングのためのスコアベース拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-06T08:48:39Z)
• 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)
• ECG Artifact Removal from Single-Channel Surface EMG Using Fully Convolutional Networks [9.468136300919062]
  本研究は,完全畳み込みネットワーク(FCN)を用いた単一チャネルsEMG信号からECGアーチファクトを除去する新しい復号法を提案する。 提案手法は,SEMGデノナイズのためのニューラルネットワークのデノエーズオートエンコーダ構造と強力な非線形マッピング機能を採用する。
  論文  参考訳（メタデータ） (2022-10-24T14:12:11Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)
• Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing [72.4445825335561]
  任意のバイナリ分類器によって生成される検出スコアから2次元表現を導出する簡単な方法を提案する。 ランク相関に基づいて,任意のスコアを用いた分類器の視覚的比較を容易にする。 提案手法は完全に汎用的であり,任意の検出タスクに適用可能だが,自動話者検証と音声アンチスプーフィングシステムによるスコアを用いた手法を実証する。
  論文  参考訳（メタデータ） (2021-06-11T13:03:33Z)
• 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)
• Performance of Dual-Augmented Lagrangian Method and Common Spatial Patterns applied in classification of Motor-Imagery BCI [68.8204255655161]
  運動画像に基づく脳-コンピュータインタフェース(MI-BCI)は、神経リハビリテーションのための画期的な技術になる可能性がある。 使用する脳波信号のノイズの性質のため、信頼性の高いBCIシステムは特徴の最適化と抽出のために特別な手順を必要とする。
  論文  参考訳（メタデータ） (2020-10-13T20:50:13Z)

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。