利用时间卷积网络在运动转换期间实现稳定的肌电信号序列预测
计算机视觉与模式识别
2019-09-02 v1
摘要
瞬态肌肉运动会影响肌电信号的时序结构，常导致运动模式分类方法出现不稳定的预测行为。我们表明，时间卷积网络序列模型利用肌电信号的历史来发现上下文时序特征，有助于正确预测运动意图，尤其在类间转换期间。我们通过在九名人类受试者参与的实验中利用时间卷积网络实现3个同步的手部和腕部自由度，展示了肌电分类。时间卷积网络在分类准确率和稳定性方面均比其他最先进的方法取得了显著（p<0.001）的性能提升。
引用
@article{arxiv.1901.02442,
title = {Stable Electromyographic Sequence Prediction During Movement Transitions using Temporal Convolutional Networks},
author = {Joseph L. Betthauser and John T. Krall and Rahul R. Kaliki and Matthew S. Fifer and Nitish V. Thakor},
journal= {arXiv preprint arXiv:1901.02442},
year = {2019}
}
备注
4 pages, 5 figures, accepted for Neural Engineering (NER) 2019 Conference