ChatEMG: Synthetic Data Generation to Control a Robotic Hand Orthosis for Stroke

要約

脳卒中患者の手矯正の意図は、データ収集の難しさのために困難です。
さらに、EMG信号は、さまざまな条件、セッション、および被験者にわたって大きな変動を示し、分類器が一般化するのが難しくなります。
従来のアプローチでは、新しい条件、セッション、または訓練意図分類器の対象から大きなラベル付きデータセットが必要です。
ただし、このデータ収集プロセスは負担がかかり、時間がかかります。
このホワイトペーパーでは、プロンプトに条件付けられた合成EMG信号（つまり、EMG信号の特定のシーケンス）を生成できる自己回帰生成モデルであるChatemgを提案します。
Chatemgを使用すると、新しい条件、セッション、またはサブジェクトから小さなデータセットのみを収集し、この新しいコンテキストからプロンプトを条件付けした合成サンプルで展開できます。
Chatemgは、生成トレーニングを介して以前のデータの膨大なリポジトリを活用しながら、プロンプトを介してコンテキスト固有のままです。
私たちの実験は、これらの合成サンプルが分類器に依存しており、さまざまなタイプの分類器の意図的な不規則性の精度を改善できることを示しています。
機能的なアプローチを単一の患者セッションに統合できることを実証します。これには、機能的な装具支援タスクに分類器を使用することができます。
私たちの知る限り、合成データで部分的に訓練された意図分類器が、脳卒中の生存者による装具の機能的制御のために展開されたのはこれが初めてです。
ビデオ、ソースコード、および追加情報は、https：//jxu.ai/chatemgにあります。

要約(オリジナル)

Intent inferral on a hand orthosis for stroke patients is challenging due to the difficulty of data collection. Additionally, EMG signals exhibit significant variations across different conditions, sessions, and subjects, making it hard for classifiers to generalize. Traditional approaches require a large labeled dataset from the new condition, session, or subject to train intent classifiers; however, this data collection process is burdensome and time-consuming. In this paper, we propose ChatEMG, an autoregressive generative model that can generate synthetic EMG signals conditioned on prompts (i.e., a given sequence of EMG signals). ChatEMG enables us to collect only a small dataset from the new condition, session, or subject and expand it with synthetic samples conditioned on prompts from this new context. ChatEMG leverages a vast repository of previous data via generative training while still remaining context-specific via prompting. Our experiments show that these synthetic samples are classifier-agnostic and can improve intent inferral accuracy for different types of classifiers. We demonstrate that our complete approach can be integrated into a single patient session, including the use of the classifier for functional orthosis-assisted tasks. To the best of our knowledge, this is the first time an intent classifier trained partially on synthetic data has been deployed for functional control of an orthosis by a stroke survivor. Videos, source code, and additional information can be found at https://jxu.ai/chatemg.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google