Data-Driven Goal Recognition in Transhumeral Prostheses Using Process Mining Techniques

要約

経上腕プロテーゼは、手を含む肩の下の失われた解剖学的部分を復元します。
アクティブ義肢は、実数値の連続センサー データを利用して患者の目標ポーズや目標を認識し、義肢を積極的に動かします。
これまでの研究では、時間ステップを考慮せずに、静止ポーズで収集されたデータが目標の識別にどの程度役立つかを調べていました。
このケーススタディ論文では、表面筋電図電極と運動センサーからの時系列データを使用して、患者の目標を逐次認識することに焦点を当てています。
私たちのアプローチには、データを個別のイベントに変換し、既存のプロセス マイニング ベースの目標認識システムをトレーニングすることが含まれます。
仮想現実設定で 10 人の被験者から収集されたデータの結果は、私たちが提案する目標認識アプローチの有効性を示しています。このアプローチは、最先端の機械学習技術よりも大幅に優れた精度と再現率を実現し、間違っている場合の信頼性が低くなります。
プロテーゼのよりスムーズな動きを近似する場合に有益です。

要約(オリジナル)

A transhumeral prosthesis restores missing anatomical segments below the shoulder, including the hand. Active prostheses utilize real-valued, continuous sensor data to recognize patient target poses, or goals, and proactively move the artificial limb. Previous studies have examined how well the data collected in stationary poses, without considering the time steps, can help discriminate the goals. In this case study paper, we focus on using time series data from surface electromyography electrodes and kinematic sensors to sequentially recognize patients’ goals. Our approach involves transforming the data into discrete events and training an existing process mining-based goal recognition system. Results from data collected in a virtual reality setting with ten subjects demonstrate the effectiveness of our proposed goal recognition approach, which achieves significantly better precision and recall than the state-of-the-art machine learning techniques and is less confident when wrong, which is beneficial when approximating smoother movements of prostheses.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google