TAILIEUCHUNG - Báo cáo khoa hoc:" Study of stability of time-domain features for electromyographic pattern recognition"

Tuyển tập báo cáo các nghiên cứu khoa học quốc tế ngành y học dành cho các bạn tham khảo đề tài: Study of stability of time-domain features for electromyographic pattern recognition | Tkach et al. Journal of NeuroEngineering and Rehabilitation 2010 7 21 http content 7 1 21 J NER JOURNAL OF NEUROENGINEERING AND REHABILITATION RESEARCH Open Access Study of stability of time-domain features for electromyographic pattern recognition Dennis Tkach 1 2 He Huang 1 3 and Todd A Kuiken1 4 Abstract Background Significant progress has been made towards the clinical application of human-machine interfaces HMIs based on electromyographic EMG pattern recognition for various rehabilitation purposes. Making this technology practical and available to patients with motor deficits requires overcoming real-world challenges such as physical and physiological changes that result in variations in EMG signals and systems that are unreliable for long-term use. In this study we aimed to address these challenges by 1 investigating the stability of time-domain EMG features during changes in the EMG signals and 2 identifying the feature sets that would provide the most robust EMG pattern recognition. Methods Variations in EMG signals were introduced during physical experiments. We identified three disturbances that commonly affect EMG signals EMG electrode location shift variation in muscle contraction effort and muscle fatigue. The impact of these disturbances on individual features and combined feature sets was quantified by changes in classification performance. The robustness of feature sets was evaluated by a stability index developed in this study. Results Muscle fatigue had the smallest effect on the studied EMG features while electrode location shift and varying effort level significantly reduced the classification accuracy for most of the features. Under these disturbances the most stable EMG feature set with combination of four features produced at least higher classification accuracy than the least stable set. EMG autoregression coefficients and cepstrum coefficients showed the most robust classification performance of all studied .

• Báo cáo khoa học
• báo cáo khoa học
• báo cáo y học
• công trình nghiên cứu về y học
• tài liệu về y học
• cách trình bày báo cáo
• trình bày báo cáo
• tài liệu báo cáo khoa học
• cách trình bày báo cáo khoa học
• báo cáo khoa học sinh học
• báo cáo khoa học toán học
• luận văn mẫu
• người lính việt nam
• sau chiến tranh
• tuyển tập báo cáo khoa học
• báo cáo ngành triết học
• báo cáo ngành lịch sử
• báo cáo ngành văn học
• nghiên cứu khoa học
• báo cáo về văn học
• báo cáo triết học
• báo cáo văn học
• chuyên đề văn học
• văn học nghệ thuật
• văn học Việt NAm
• báo cáo ngành toán học
• báo cáo ngành vật lý
• báo cáo ngành chăn nuôi
• văn học Trung Hoa
• báo cáo khoa học kinh tế
• Kỷ yếu tóm tắt báo cáo khoa học
• Báo cáo khoa học y học
• Hội nghị khoa học tim mạch
• Báo cáo khoa học y khoa
• Tăng huyết áp
• báo cáo sinh học
• bảo tồn nguồn gen
• báo cáo ngành kỹ thuật
• Báo cáo quản lý chất thải sinh hoạt
• Báo cáo khoa học môi trường
• Báo cáo khoa học công nghệ
• Nghiên cứu khoa học về môi trường
• Đề tài nghiên cứu khoa học
• Báo cáo nghiên cứu khoa học