[논문 리뷰] Recognition of basic hand movements using Electromyography

Christos Sapsanis|arXiv (Cornell University)|2018. 10. 23.

Muscle activation and electromyography studiesEngineering참고 문헌 5인용 수 17

한 줄 요약

이 연구는 표면 전기근전도도(sEMG) 신호를 사용하여 여섯 가지 기본 손 동작을 인식하는 시스템을 제안한다. 노이즈 감소를 위해 경험적 모드 분해(EMD)를 적용하고, 특징 선택 및 차원 축소를 위해 RELIEF와 PCA를 사용하여 상업용 Delsys 시스템을 사용할 경우 80% 이상, 자체 제작한 아두이노 기반 EMG 장갑을 사용할 경우 75%의 분류 정확도를 달성하였다.

ABSTRACT

The aim of this work was to identify six basic movements of the hand using two systems. Being an interdisciplinary topic, there has been conducted studying in the anatomy of forearm muscles, biosignals, the method of electromyography (EMG) and methods of pattern recognition. Moreover, the signal contained enough noise and had to be analyzed, using EMD, to extract features and to reduce its dimensionality, using RELIEF and PCA, to improve the success rate of classification. The first part uses an EMG system of Delsys initially for an individual and then for six people with the average successful classification, for these six movements at rates of over 80%. The second part involves the construction of an autonomous system EMG using an Arduino microcontroller, EMG sensors and electrodes, which are arranged in an elastic glove. Classification results in this case reached 75% of success.

연구 동기 및 목표

• 표면 전기근전도도(sEMG) 신호를 사용하여 여섯 가지 기본 손 동작을 신뢰성 있게 분류하는 방법을 개발하기.
• sEMG 신호의 높은 노이즈 수준에 대응하기 위해 효과적인 전처리 및 특징 추출 기법을 적용하기.
• 아두이노 마이크로컨트롤러와 착용형 전극을 사용하여 저비용이고 자율적인 EMG 시스템을 설계하고 평가하기.
• 고성능 상업용 EMG 시스템과 자체 제작 프로토타입 간의 분류 성능을 비교하기.
• RELIEF와 PCA를 통한 차원 축소를 통해 분류 정확도를 향상시키기.

제안 방법

• 손의 굴곡 및 신전 동작을 위해 전면 근육에서 sEMG 신호를 획득하기 위해 Delsys EMG 시스템과 표면 전극를 장착한 자체 제작 아두이노 기반 착용형 장갑을 사용하였다.
• 노이즈가 많은 sEMG 신호를 내재 모드 함수(IMFs)로 분해하고 유의미한 특징을 추출하기 위해 경험적 모드 분해(EMD)를 적용하였다.
• 손 동작 유형 간의 구분 능력을 기반으로 가장 구분성이 높은 특징을 순위 매기고 선별하기 위해 RELIEF 알고리즘을 사용하였다.
• 데이터의 최대 분산을 유지하면서 특징 차원을 감소시키기 위해 주성분 분석(PCA)을 적용하였다.
• 패턴 인식 기반 접근법을 사용하여 손 동작을 분류하였으며, 다양한 피실험자 대상으로 성능을 평가하였다.
• 아두이노 마이크로컨트롤러, EMG 센서, 탄성 장갑을 활용하여 저비용이고 자율적인 EMG 시스템을 설계 및 구현하였다.

실험 결과

연구 질문

• RQ1 상업용 및 자체 제작 시스템을 모두 사용하여 sEMG 신호로 여섯 가지 기본 손 동작을 신뢰성 있게 분류할 수 있는가?
• RQ2 경험적 모드 분해(EMD)는 원시 sEMG 신호에서 노이즈를 줄이고 특징을 추출하는 데 얼마나 효과적인가?
• RQ3 특징 선택(RELIEF)과 차원 축소(PCA)는 분류 정확도 향상에 얼마나 기여하는가?
• RQ4 고정밀 상업용 EMG 시스템과 저비용 아두이노 기반 프로토타입 간의 성능 격차는 어느 정도인가?
• RQ5 착용형이고 자율적인 EMG 시스템이 손 동작 인식에 임상적 또는 실용적으로 유의미한 정확도를 달성할 수 있는가?

주요 결과

• Delsys 기반 시스템은 한 명의 개인과 여섯 명의 피실험자 모두에서 여섯 가지 손 동작에 대해 평균 80% 이상의 분류 정확도를 기록하였다.
• 자체 제작 아두이노 기반 EMG 시스템은 75%의 분류 정확도를 달성하여 저비용 착용형 시스템의 가능성과 타당성을 입증하였다.
• EMD는 원시 sEMG 신호에서 노이즈를 효과적으로 감소시키고 관련 신호 성분을 추출하여 특징 품질을 향상시켰다.
• RELIEF와 PCA의 조합은 높은 분류 성능를 유지하면서도 특징 차원을 크게 감소시켰다.
• 적절한 전처리 및 특징 공학 기법을 적용할 경우 sEMG가 실시간 손 동작 인식에 실현 가능한 모odalit로 확인되었다.
• 결과는 보철물, 재활 및 인간-컴퓨터 상호작용 분야에 적합한 저비용 착용형 EMG 시스템의 설계를 검증하였다.