論文の概要: From Muscle to Text with MyoText: sEMG to Text via Finger Classification and Transformer-Based Decoding

• arxiv url: http://arxiv.org/abs/2601.03098v1
• Date: Tue, 06 Jan 2026 15:30:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.990945
• Title: From Muscle to Text with MyoText: sEMG to Text via Finger Classification and Transformer-Based Decoding
• Title（参考訳）: myoTextを用いた筋肉からテキストへ:指分類とトランスフォーマーによる復号によるsEMGからテキストへ
• Authors: Meghna Roy Chowdhury, Shreyas Sen, Yi Ding,
• Abstract要約: 表面筋電図(sEMG)は筋活動の復号のための直接神経インタフェースを提供する。 我々は,SEMG信号をテキストにデコードする階層的なフレームワークであるMyoTextを,生理学的に基底化した中間段階を通して提示する。 MyoTextは85.4%の指分類精度、5.4%の文字誤り率、6.5%の単語誤り率(WER)でベースラインを上回っている
• 参考スコア（独自算出の注目度）: 4.966745649724561
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surface electromyography (sEMG) provides a direct neural interface for decoding muscle activity and offers a promising foundation for keyboard-free text input in wearable and mixed-reality systems. Previous sEMG-to-text studies mainly focused on recognizing letters directly from sEMG signals, forming an important first step toward translating muscle activity into text. Building on this foundation, we present MyoText, a hierarchical framework that decodes sEMG signals to text through physiologically grounded intermediate stages. MyoText first classifies finger activations from multichannel sEMG using a CNN-BiLSTM-Attention model, applies ergonomic typing priors to infer letters, and reconstructs full sentences with a fine-tuned T5 transformer. This modular design mirrors the natural hierarchy of typing, linking muscle intent to language output and reducing the search space for decoding. Evaluated on 30 users from the emg2qwerty dataset, MyoText outperforms baselines by achieving 85.4% finger-classification accuracy, 5.4% character error rate (CER), and 6.5% word error rate (WER). Beyond accuracy gains, this methodology establishes a principled pathway from neuromuscular signals to text, providing a blueprint for virtual and augmented-reality typing interfaces that operate entirely without physical keyboards. By integrating ergonomic structure with transformer-based linguistic reasoning, MyoText advances the feasibility of seamless, wearable neural input for future ubiquitous computing environments.
• Abstract（参考訳）: 表面筋電図(sEMG)は筋活動の復号のための直接神経インタフェースを提供し、ウェアラブルと混合現実システムにおけるキーボードレステキスト入力のための有望な基盤を提供する。 これまでのsEMG-to-text研究は、主にsEMG信号から直接文字を認識することに焦点を当て、筋活動のテキストへの翻訳に向けた重要な第一歩を形成した。 この基盤の上に構築されたMyoTextは、生理的な中間段階を通してsEMG信号をテキストに復号する階層的なフレームワークである。 myoTextは、まずCNN-BiLSTM-Attentionモデルを用いて、マルチチャネルsEMGから指のアクティベーションを分類し、文字を推測するためにエルゴノミックタイピングを適用し、微調整されたT5変換器で全文を再構成する。 このモジュール設計は、タイピングの自然な階層を反映し、筋肉のインテントを言語出力にリンクし、デコードのための検索スペースを減らす。 emg2qwertyデータセットから30ユーザを評価すると、MyoTextは85.4%の指分類精度、5.4%の文字エラー率(CER)、6.5%の単語エラー率(WER)でベースラインを上回っている。 精度の向上以外にも、この手法は神経筋信号からテキストへの原則的な経路を確立し、物理的なキーボードを使わずに完全に動作する仮想的で拡張現実なタイピングインタフェースの青写真を提供する。 エルゴノミクス構造とトランスフォーマーに基づく言語推論を統合することで、MyoTextは、将来のユビキタスコンピューティング環境におけるシームレスでウェアラブルなニューラル入力の実現性を向上させる。

関連論文リスト

• Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
  我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。 脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。 パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
  論文  参考訳（メタデータ） (2025-05-21T05:29:55Z)
• Neural Spelling: A Spell-Based BCI System for Language Neural Decoding [25.721498096893427]
  カリキュラムベースのニューラルスペルリングフレームワークを用いた新しい非侵襲的脳波ベースBCIシステムを提案する。 26のアルファベットをすべて認識し、まず手書きに関連するニューラルネットワークをデコードし、次に生成AI(GenAI)を適用してスペルベースのニューラルネットワークデコーディングタスクを強化する。
  論文  参考訳（メタデータ） (2025-01-29T08:57:51Z)
• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• Detecting Machine-Generated Long-Form Content with Latent-Space Variables [54.07946647012579]
  既存のゼロショット検出器は主に、現実世界のドメインシフトに弱いトークンレベルの分布に焦点を当てている。 本稿では,イベント遷移などの抽象的要素を機械対人文検出の鍵となる要因として組み込んだ,より堅牢な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-04T18:42:09Z)
• Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot Sentiment Classification [78.120927891455]
  最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。 本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。 脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
  論文  参考訳（メタデータ） (2021-12-05T21:57:22Z)

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。