論文の概要: Intact-to-Amputee Transfer in Surface-EMG Gesture Decoding: Training Source and Calibration Budget

• arxiv url: http://arxiv.org/abs/2609.20297v1
• Date: Fri, 31 Jul 2026 01:18:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.668312
• Title: Intact-to-Amputee Transfer in Surface-EMG Gesture Decoding: Training Source and Calibration Budget
• Title（参考訳）: 表面EMGジェスチャデコーディングにおけるIntact-to-Amputee転送:トレーニング源と校正予算
• Abstract要約: クロスユーザーエンコーダは、11個のトランスラジアルアンプを無傷のトレーニングデータと一致するプロトコルで運んだ。 40名の無傷者に対する訓練は、他の10名の切断者に対する訓練よりも、新しい切断者へのより良い移動をもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A recogniser trained on one person rarely transfers to the next, and useful performance usually demands a fresh round of labelled calibration from the end user. A systematic review of 1077 studies quantifies where the evidence is thin: amputees appear in about one in six. Here a montage-agnostic cross-user encoder is carried to eleven transradial amputees on a protocol matched to its intact-limb training data. Zero-shot cross-population transfer fails outright: the encoder requires labeled data from the new user before it begins decoding, and it then exceeds the per-user classifier a clinic would fit by 0.190 macro F1 at three repetitions and for every subject in the cohort. Given three labelled repetitions it reaches 0.779 macro-F1 against 0.589 for the per-user pipeline. Training on forty intact subjects produces better transfers to a new amputee than training on ten other amputees, and combining the two produces better transfers than either individually. The prediction pre-registered for this study, which extends the encoder's baseline-strength account with the premise that amputee EMG is less separable, holds true only after a few repetitions become available and after enriching the source pool with additional amputees. At a single repetition, and at every budget under a source matched to the intact-limb comparison, it fails. Thus, it locates the boundary of the proposed account.
• Abstract（参考訳）: 個人で訓練された認識器は、通常、エンドユーザーから新しいラベル付きキャリブレーションを要求され、次の人物に転送されることは滅多にない。 1077年の研究の体系的なレビューは、証拠が薄い場所を定量化している。 ここで、モンタージュ非依存のクロスユーザーエンコーダを、無傷のトレーニングデータと一致するプロトコル上の11個のトランスラジアルアンプに搬送する。 エンコーダはデコードを開始する前に新しいユーザーからのラベル付きデータを必要とし、その後、クリニックが3回の反復で0.190マクロF1に適合し、コホート内の全ての被験者に適合するユーザ単位の分類器を超える。 ラベル付き繰り返しが3つあると、ユーザ当たりのパイプラインは0.589に対して0.779マクロF1に達する。 40人の無傷被験者のトレーニングは、他の10人のアンプのトレーニングよりも、新しいアンプにより良い移行をもたらす。 本研究のために事前登録された予測は,エンコーダのベースライン強度アカウントを,アンプEMGの分離性が低いという前提で拡張したもので,いくつかの繰り返しが利用可能になった後と,追加のアンプでソースプールを充実させた後にのみ有効である。 1回の繰り返しで、ソースの下のすべての予算が、無傷の上限比較と一致した場合、それは失敗する。 これにより、提案された口座の境界が決定される。

関連論文リスト

• Pretraining for Sample-Efficient Neural Interfaces [0.0509780930114934]
  自己教師付き事前トレーニングは異種iEEG記録をまたいでスケールし、新しい被験者の正確な復号に必要なラベル付きデータを削減できる。 我々は,2つの空間エンコーディング,解剖学的領域埋め込み,相対的位置エンコーディングを備えたバニラマスク型オートエンコーダMAPAを提案する。
  論文  参考訳（メタデータ） (2026-09-11T20:12:42Z)
• A Montage-Agnostic Encoder for Calibration-Light Cross-User Gesture Recognition from Surface Electromyography [0.0]
  パターン認識制御は、1つか2つではなく、多くの意図されたジェスチャーに対応する筋電義肢を約束する。 モンタージュに依存しないエンコーダを導入し、各電極を共有重量で読み出し、インデックスではなく物理座標で位置決めする。
  論文  参考訳（メタデータ） (2026-07-30T01:18:03Z)
• CADRE: Stable, Parameter Efficient Adaptation of Medical Vision Language Models with Bounded Forgetting and Prior Drift [0.10742675209112622]
  新しい画像モダリティのためのデプロイモデルの更新は、患者を傷つける2つの方法で静かに失敗する可能性がある。 本研究は,これらの2つの特性によるパラメータ効率の連続的適応について,リーダーボードの精度を忘れることなく検討する。 CADRE は低ランク適応 (LoRA) とオンラインの自己スケーリング,類似性を考慮した弾性重み付けという用語を組み合わせたフリーズバックボーンフレームワークである。
  論文  参考訳（メタデータ） (2026-06-22T15:34:32Z)
• OncoTraj: a public benchmark for longitudinal resistance prediction in EGFR-mutant non-small-cell lung cancer on osimertinib [0.0]
  OncoTraj は 813 EGFR変異 NSCLC 患者のオシメルチニブを服用する公的なベンチマークである。 OncoTrajは、3つのロックされたタスクを定義している。 (A) 固定12ヶ月の目印による進行のバイナリ分類、 (B) 日ごとの時間から最初の生産性の回帰、 (C) 支配的な抵抗機構の6つのクラス分類である。
  論文  参考訳（メタデータ） (2026-06-09T17:33:24Z)
• PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
  PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。 部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。 The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
  論文  参考訳（メタデータ） (2026-04-05T21:14:27Z)
• One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
  EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
  論文  参考訳（メタデータ） (2025-12-30T15:07:09Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。