tsta

فارسی

Home / سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران

Investigating a Real-time sEMG-based Approaches for Grasping Recognition

Authors :

Monire Ameri Haftador¹ Ali Akbari² Mehran Jahed³

1- دانشگاه صنعتی شریف، تهران، ایران 2- دانشگاه صنعتی شریف، تهران، ایران 3- دانشگاه صنعتی شریف، تهران، ایران

Keywords :

Hand Grasping Recognition،Surface Electromyography (sEMG)،Real-Time Systems،Short-time Fourier Transform (STFT)،Convolutional Neural Networks (CNN)

Abstract :

To fully exploit real-time prosthetics and exoskeleton assist devises, human-machine interfaces that can effectively deduce related activity and intent are essential. Surface electromyography (sEMG) provides a well-established non-invasive method for this purpose, yet two key barriers to its broad adoption are attaining recognition latency well below 200ms and preserving accuracy in presence of signal drift. In order to describe an orderly solution to these issues, this paper is a comprehensive assessment of deep learning and conventional algorithms. To establish a comprehensive scheme for targeted gesture, data was meticulously collected from individuals in the biomedical engineering lab. Furthermore, to be able to contrast the proposed method against the already reported work, a well-established publicly available dataset, namely EMG-EPN-612 was utilized. To achieve appropriate real-time accuracy, commonly used classifiers, namely Support Vector Machine (SVM), Random Forest, and Convolutional Neural Networks (CNN) were implemented and compared based on these metrics. Input was rigorously evaluated in three forms, processed signals, handcrafted features, and Short-Time Fourier Transform (STFT) images, in a bid to determine the optimal strategy. Although all these models were shown to support the required real-time constraint, however only the CNN model applied to the STFT inputs achieved the acceptable 92% accuracy on the EMG-EPN-612 dataset, as compared to SVM applied to handcrafted features of 84% accuracy on the recorded dataset. These results provide first-time explanation and trade-off between model complexity and computation cost, and required accuracy. This research provides useful recommendations that further assist in developing more effective, responsive, and accessible hand assist devices and prosthetics.

Papers List

List of archived papers

شناسایی و اولویت بندی قابلیت های پویای حسابداری دایره ای بر مبنای جریان های مواد در اقتصاد دایره ای

ایران فخری نژاد

بررسی عملکرد سلول‌های T در میکرومحیط تومور HGSOC با رویکرد توالی‌یابی تک‌سلولی

زهرا زندی - روزبه عابدینی نسب

بررسی تاثیر شبکه عصبی مصنوعی بر روی دقت مدل های مربوط به برآوردهای حسابداری

جمال برزگر خانقاه - سیدمحسن صالحی وزیری

هوش مصنوعی و مفاهیم مالی و حسابداری با تاکید برحاکمیت شرکتی

مهدی زینالی - رعنا کمالی

تاثیر هوش مصنوعی بر توسعه اقتصاد حسابداری

نیما قاسم زاده شهرک - سعید انورخطیبی - سلمان عبدی

افشای عملکرد پایدار ی و مشاغل خانوادگی

رعنا شهدآور - الناز نجفی - مهری علیپور اصل

تأثیر استقلال و شایستگی حسابرس بر اثربخشی کنترل‌های داخلی: بررسی نقش تعدیلی تجربه حسابرس

حیدر محمدزاده سالطه - سیما فرزانه خلیفه لو - زهره نوروزی مرادلو

TransFuse++: A Hybrid CNN-Transformer Architecture with Cross-Attention, Temporal Modeling, and Uncertainty Estimation for Medical Image Segmentation

Masoud Noroozi - Sayna Jamaati - Hamed Aghapanah - Ali Saeeidi Rad - Mahsa Asadi Anar - Ali Darzi - Mahla Shokouhfar - Helia Sadat Kazemi - Mohammadreza Ghahari - Mohammad Saeed Soleimani Meigoli - Jafar Majidpour - Hossein Arabi - Ali Reza Karimian

چالش‌ها و فرصت‌های هوش مصنوعی

بهزاد بالازاده - حسین بوداقی - مرتضی محمود زاده

کاربرد علم داده در مهندسی کامپیوتر : بهینه سازی مصرف انرژی در دیتاسنترها در باب تحلیل داده

مهدی بشیرزاده

Samin Hamayesh - Version 42.5.2