利用概率运动基元分析经颅电流刺激下人体运动差异
机器人学
2022-02-15 v1 机器学习
摘要
在人体运动分析等医疗任务中,计算机辅助系统因其高效率已成为人类专家的首选。然而,传统方法通常基于用户定义的特征,如运动起始时间、峰值速度、运动向量或频域分析。这类方法需要细致的数据后处理或特定领域知识以实现有意义的特征提取。此外,它们易受噪声影响,且人工定义的特征很难复用于其他分析。在本文中,我们提出使用概率运动基元(ProMPs)——一种在机器人技能学习中广泛应用的方法——来建模人体运动。ProMPs 的优势在于特征直接从数据中学习,且能捕捉描述轨迹形状的重要特征,并可轻易扩展到其他任务。与以往主要研究分类任务的研究不同,我们将 ProMPs 与一种 Kullback-Leibler (KL) 散度的变体结合,以量化不同经颅电流刺激方法对人体运动的影响。我们展示了基于 10 名参与者的初步结果。结果验证了 ProMPs 作为人体运动鲁棒且有效的特征提取器。
引用
@article{arxiv.2107.02063,
title = {Using Probabilistic Movement Primitives in Analyzing Human Motion Difference under Transcranial Current Stimulation},
author = {Honghu Xue and Rebecca Herzog and Till M Berger and Tobias Bäumer and Anne Weissbach and Elmar Rueckert},
journal= {arXiv preprint arXiv:2107.02063},
year = {2022}
}