Transient EMG 신호를 이용한 손가락의 움직임 추정 


49권  2호, pp. 157-165, 2월  2022
10.5626/JOK.2022.49.2.157


PDF

  요약

본 논문에서는 근전도 신호를 기반으로 손가락의 움직임을 추측하기 위한 딥 러닝 모델을 제안한다. 우리는 또한 모델의 정확도를 평가하고 분석하였다. 우리는 의료 영상의 분석에 널리 이용되는 U-Net의 구조를 모델에 적용하였다. 일반적으로 U-Net은 2차원 영상 처리에 주로 사용된다. 그러나 본 논문에서는 8채널 1차원 시계열 근전도 데이터를 입력으로 사용하고 그 결과로 손가락 움직임에 대한 정보를 얻는다. 8,000개의 동작으로 구성된 데이터 세트를 획득했으며, 이는 훈련 데이터 세트와 평가 데이터 세트로 나누어진다. 모델의 예측 정확도는 약 89.32%이다.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

J. W. Park and K. W. Choi, "Estimation of Finger Motion using Transient EMG Signals," Journal of KIISE, JOK, vol. 49, no. 2, pp. 157-165, 2022. DOI: 10.5626/JOK.2022.49.2.157.


[ACM Style]

Jin Won Park and Kae Won Choi. 2022. Estimation of Finger Motion using Transient EMG Signals. Journal of KIISE, JOK, 49, 2, (2022), 157-165. DOI: 10.5626/JOK.2022.49.2.157.


[KCI Style]

박진원, 최계원, "Transient EMG 신호를 이용한 손가락의 움직임 추정," 한국정보과학회 논문지, 제49권, 제2호, 157~165쪽, 2022. DOI: 10.5626/JOK.2022.49.2.157.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr