利用视觉线索改进上肢假肢的肌电控制
计算机视觉与模式识别
2017-09-08 v1 机器学习
摘要
肌电信号随时间的稳定性差，使其用于控制高度关节化假肢变得复杂。为了解决这个问题，研究尝试将表面肌电图与受截肢和环境较小影响的模态结合，例如加速度测量或注视信息。在后一种情况下，假设受试者注视其意图操控的物体，并且知道该物体的可供性可以约束可能的抓握集合。本文中，我们开发了一种自动检测稳定注视点的方法，并表明注视信息确实有助于预测手部运动。在我们的多模态方法中，我们自动检测稳定注视，并在视觉帧中围绕受试者注视点分割感兴趣物体。围绕该物体提取的图像块随后通过现成的深度卷积神经网络以获得高级特征表示，然后在分类阶段与传统表面肌电图结合。测试已在从五名完整受试者获取的数据集上执行，这些受试者对各种物体以及在功能设置中执行了十种类型的抓握。它们表明，添加注视信息显著提高了分类准确率。进一步分析表明，这种改进对所有抓握是一致的，并集中在运动起始和结束期间。
引用
@article{arxiv.1709.02236,
title = {Visual Cues to Improve Myoelectric Control of Upper Limb Prostheses},
author = {Andrea Gigli and Arjan Gijsberts and Valentina Gregori and Matteo Cognolato and Manfredo Atzori and Barbara Caputo},
journal= {arXiv preprint arXiv:1709.02236},
year = {2017}
}