Melhoria no Controle de Reconhecimento de Padrões Mioelétricos de Alta Densidade Contra Deslocamento de Eletrodos Usando Aumento de Dados e Rede Neural Convolucional Dilatada

OBJETIVO: o objetivo deste trabalho é desenvolver um método robusto para controle mioelétrico visando aliviar a interferência do deslocamento de eletrodos. Métodos: No método proposto, foi realizada primeiramente uma abordagem de pré-processamento para converter sinais de eletromiograma de superfície de alta densidade (HD-sEMG) em uma série de imagens, e o deslocamento de eletrodos apareceu como deslocamento de pixels nessas imagens. Em seguida, uma abordagem de aumento de dados foi aplicada aos dados de treinamento de apenas uma posição (sem deslocamento), com o objetivo de simular imagens de HD-sEMG derivadas de posições de deslocamento fictícias. A rede neural convolucional dilatada (DCNN) foi posteriormente adotada para classificação. Comparado à rede neural convolucional comum, a DCNN sempre continha um campo receptivo maior, que se supunha ser apto a minerar informações contextuais espaciais mais amplas em imagens. Esta propriedade foi ainda confirmada para facilitar a classificação de padrões mioelétricos usando HD-sEMG. O desempenho do método proposto foi avaliado com dados HD-sEMG registrados por uma matriz de eletrodos 10×10 colocada sobre os extensores do antebraço de dez sujeitos durante a execução de seis tarefas de extensão de pulso e dedos. RESULTADOS: Sob uma variedade de condições reais de deslocamento de eletrodos, o método proposto alcançou uma precisão média de classificação de 95,34% e superou outros métodos comuns. CONCLUSÃO: Este trabalho demonstrou a viabilidade e usabilidade de combinar aumento de dados e DCNN na previsão de padrões mioelétricos no contexto de deslocamentos de eletrodos. SIGNIFICADO: O método proposto é uma solução prática para controle mioelétrico robusto contra deslocamentos de matriz de eletrodos.