論文の概要: Simultaneous and Proportional Finger Motion Decoding Using Spatial Features from High-Density Surface Electromyography

• arxiv url: http://arxiv.org/abs/2512.13870v1
• Date: Mon, 15 Dec 2025 19:58:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.478012
• Title: Simultaneous and Proportional Finger Motion Decoding Using Spatial Features from High-Density Surface Electromyography
• Title（参考訳）: 高密度表面筋電図の空間的特徴を用いた同時・局所指運動復号法
• Authors: Ricardo Gonçalves Molinari, Leonardo Abdala Elias,
• Abstract要約: 本研究では,5本の指関節DoFの連続復号のためのマルチチャネル線形記述子を用いたブロックフィールド法(MLD-BFM)を体系的に評価した。 健常者21名に対し,HD sEMG信号が記録された。 復号精度は親指よりも中指とリング指の方が高かった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Restoring natural and intuitive hand function requires simultaneous and proportional control (SPC) of multiple degrees of freedom (DoFs). This study systematically evaluated the multichannel linear descriptors-based block field method (MLD-BFM) for continuous decoding of five finger-joint DoFs by leveraging the rich spatial information of high-density surface electromyography (HD sEMG). Twenty-one healthy participants performed dynamic sinusoidal finger movements while HD sEMG signals were recorded from the \textit{extensor digitorum communis} (EDC) and \textit{flexor digitorum superficialis} (FDS) muscles. MLD-BFM extracted region-specific spatial features, including effective field strength ($Σ$), field-strength variation rate ($Φ$), and spatial complexity ($Ω$). Model performance was optimized (block size: $2 \times 2$; window: 0.15 s) and compared with conventional time-domain features and dimensionality reduction approaches when applied to multi-output regression models. MLD-BFM consistently achieved the highest $\mathrm{R}^2_{\mathrm{vw}}$ values across all models. The multilayer perceptron (MLP) combined with MLD-BFM yielded the best performance ($\mathrm{R}^2_{\mathrm{vw}} = 86.68\% \pm 0.33$). Time-domain features also showed strong predictive capability and were statistically comparable to MLD-BFM in some models, whereas dimensionality reduction techniques exhibited lower accuracy. Decoding accuracy was higher for the middle and ring fingers than for the thumb. Overall, MLD-BFM improved continuous finger movement decoding accuracy, underscoring the importance of taking advantage of the spatial richness of HD sEMG. These findings suggest that spatially structured features enhance SPC and provide practical guidance for designing robust, real-time, and responsive myoelectric interfaces.
• Abstract（参考訳）: 自然および直感的な手機能の回復には、複数自由度(DoF)の同時かつ比例制御(SPC)が必要である。 本研究では,高密度表面筋電図(HD sEMG)の豊かな空間情報を活用することで,5本の指関節型DoFの連続デコードのための多チャンネル線形記述子を用いたブロックフィールド法(MLD-BFM)を体系的に評価した。 一方,HD sEMG信号はEDC (EDC) 筋とFDS (FDS) 筋から記録された。 MLD-BFMは、有効フィールド強度($)、フィールド強度変化率($)、空間複雑性($)など、地域固有の空間的特徴を抽出した。 モデル性能は最適化され(ブロックサイズ:$2 \times 2$; window: 0.15 s)、マルチ出力回帰モデルに適用した場合の従来の時間領域の特徴や次元削減アプローチと比較された。 MLD-BFMは、すべてのモデルで最高値である$\mathrm{R}^2_{\mathrm{vw}}を一貫して達成した。 MLD-BFMと組み合わせた多層パーセプトロン(MLP)は最高の性能を得た(\mathrm{R}^2_{\mathrm{vw}} = 86.68\% \pm 0.33$)。 時間領域の特徴も強い予測能力を示し、いくつかのモデルでは統計学的にMDD-BFMに匹敵する傾向を示した。 復号精度は親指よりも中指とリング指の方が高かった。 全体として、MDD-BFMは、HD sEMGの空間的豊かさを生かして、連続的な指の動きの復号精度を向上させた。 これらの結果から,空間構造的特徴はSPCを増強し,堅牢でリアルタイムで応答性の高い筋電インタフェースを設計するための実用的なガイダンスを提供する可能性が示唆された。

関連論文リスト

• Versatile and Efficient Medical Image Super-Resolution Via Frequency-Gated Mamba [10.69081892501522]
  本稿では,FGMambaを提案する。FGMambaは,グローバルな依存性モデリングと細部拡張を軽量アーキテクチャに統合した,周波数対応のゲート状態空間モデルである。 本研究は,スケーラブルかつ高精度な医用画像強調のための周波数認識状態空間モデリングの有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-31T09:12:12Z)
• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Unfolding Framework with Complex-Valued Deformable Attention for High-Quality Computer-Generated Hologram Generation [15.017958264826511]
  コンピュータ生成ホログラフィー(CGH)はディープラーニングに基づくアルゴリズムで広く注目を集めている。 本稿では,勾配降下を2つのモジュールに分解するDeep Unfolding Network (DUN)を提案する。
  論文  参考訳（メタデータ） (2025-08-29T14:21:22Z)
• Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
  マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。 TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-11T15:20:45Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Graph Fourier Neural ODEs: Modeling Spatial-temporal Multi-scales in Molecular Dynamics [38.53044197103943]
  GF-NODEは、空間周波数分解のためのグラフフーリエ変換と、連続時間進化のためのニューラルODEフレームワークを統合する。 GF-NODEは,拡張シミュレーションよりも重要な幾何学的特徴を保ちながら,最先端の精度を実現する。 これらの結果は,MDシミュレーションの強靭性と予測力を改善するために,連続時間モデルによるスペクトル分解のブリッジ化が期待できることを示す。
  論文  参考訳（メタデータ） (2024-11-03T15:10:48Z)
• Generative Fractional Diffusion Models [53.36835573822926]
  我々は,その基礎となる力学に分数拡散過程を利用する,最初の連続時間スコアベース生成モデルを導入する。 実画像データを用いた評価では,GFDMはFIDが低い値で示されるように,画素幅の多様性と画質の向上を実現している。
  論文  参考訳（メタデータ） (2023-10-26T17:53:24Z)
• Multi-fidelity Hierarchical Neural Processes [79.0284780825048]
  多要素代理モデリングは、異なるシミュレーション出力を融合させることで計算コストを削減する。 本稿では,多階層型階層型ニューラルネットワーク(MF-HNP)を提案する。 疫学および気候モデリングタスクにおけるMF-HNPの評価を行い、精度と不確実性評価の観点から競合性能を達成した。
  論文  参考訳（メタデータ） (2022-06-10T04:54:13Z)
• Non-contact PPG Signal and Heart Rate Estimation with Multi-hierarchical Convolutional Network [12.119293125608976]
  心拍数(HR)は人体の重要な生理的パラメータである。 本研究では,顔ビデオクリップからHRを推定できる,効率的な多階層・畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-04-06T03:04:27Z)

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。