정보과학회논문지 (Journal of KIISE)
Current Result Document : 4 / 75
이전건
다음건 
| 한글제목(Korean Title) |
Transient EMG 신호를 이용한 손가락의 움직임 추정 |
| 영문제목(English Title) |
Estimation of Finger Motion using Transient EMG Signals |
| 저자(Author) |
박진원
최계원
Jin Won Park
Kae Won Choi
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0157 ~ 0165 (2022. 02) |
한글내용
(Korean Abstract) |
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. |
영문내용
(English Abstract) |
In this paper, we propose a deep learning model for estimating finger movements based on EMG signals. We have also evaluated and analyzed the accuracy of the model. We have applied the U-Net structure, which is widely used in medical image analysis, to our model. In general, U-Net is mainly used for processing of two-dimensional images. However, in this paper, 8-channel one-dimensional time series EMG data is used as inputs, and information about finger movement is obtained as results. We have acquired the data set consisting of 8,000 motions, which is divided into the training and evaluation data sets. The accuracy of the prediction of our model is about 89.32%. |
| 키워드(Keyword) |
근전도
생체신호
딥러닝
합성곱 신경망
electromyography
bio signals
deep learning
HCI(human computer interaction)
convolutional neural network
humancomputer interaction
|
| 파일첨부 |
PDF 다운로드
|
