[논문 리뷰] Unsupervised decoding of spinal motor neuron spike trains for estimating hand kinematics following targeted muscle reinnervation

Arash Andalib, Dario Farina외 5명|arXiv (Cornell University)|2019. 01. 01.

Muscle activation and electromyography studies참고 문헌 29인용 수 2

한 줄 요약

이 논문은 다중채널 근전도(EMG) 신호에서 주로성분분석(PCA)을 사용하여 척수 운동 뉴런의 맥박 펄스를 추출하고 실시간으로 손의 운동학적 상태를 추정함으로써 상부 사지 보철기의 동시에 비례 제어를 위한 비지도(deep) 복원 방법을 제안한다. 이 방법은 맥박 펄스를 보철기의 자유도(DoF)에 맞춘 저차원 공간으로 투영함으로써 최대 3개의 자유도를 정확하게 추정하며, 훈련 데이터가 부족하거나 하드웨어 제약이 있는 상황에서도 강건성을 보여준다.

ABSTRACT

The performance of upper-limb prostheses is currently limited by the relatively poor functionality of unintuitive control schemes. This paper proposes to extract, from multichannel electromyographic signals (EMG), motor neuron spike trains and project them into lower dimensional continuous signals, which are used as multichannel proportional inputs to control the prosthetic's actuators. These control signals are an estimation of the common synaptic input that the motor neurons receive. We use the simplest of metric learning approaches known as principal component analysis (PCA), as a linear unsupervised metric projection to extract the spectral information of high dimensional data into the subspace of the prosthetic hand degrees of freedom. We also investigate the importance of a rotation in the projection space that best aligns the PCA subspace with the space of degrees of freedom of the prosthetic hand, to attempt to approximate the sparseness properties of the motor axes (which are orthogonal), while no sparseness is enforced by PCA. Proof of concept for the feedforward path (open loop) is given by successful estimation of concurrent movements with up to three degrees of freedom. We also analyze and quantify the performance of the proposed decoding algorithm under implementation constraints and hardware limitations and propose a space-time subsampling strategy, to maximize projection fidelity, in each extracted source over time. The results confirm that the proposed decoding approach can directly project the motor neuron spike trains into kinematics for simultaneous and proportional prosthesis control that can be extended to multiple degrees of freedom. We show that the method is robust to reducing the training data in space (number of sources) and time, which makes it potentially suitable for clinical applications.

연구 동기 및 목표

• 임상적으로 실현 가능한 비지도 방법을 개발하여 척수 운동 뉴런의 맥박 펄스를 연속적인 운동학적 제어 신호로 변환하여 미오전기 보철기의 제어에 활용하고자 한다.
• 현재의 제어 기법이 이산적이고 순차적인 운동 명령에 의존하거나 동시성과 병렬 처리 능력이 낮은 패턴 인식 기반인 데서 비롯되는 한계를 극복하고자 한다.
• 고차원의 EMG 신호를 보철기의 자유도에 대응하는 저차원 부분공간으로 투영하면서도 희박성(sparsity)을 강제하지 않고자 한다.
• 실제 구현 조건, 즉 제한된 공간적 및 시간적 훈련 데이터를 고려한 상황에서의 성능 평가를 수행하고자 한다.

제안 방법

• 목표 근육 재신경화(TMR) 부위에서의 다중채널 표면 EMG 기록을 통해 운동 뉴런의 맥박 펄스 활동을 측정한다.
• 주로성분분석(PCA)을 비지도 선형 거리 학습 기법으로 사용하여 스펙트럼 정보를 추출하고 차원을 감소시킨다.
• PCA 부분공간을 보철기 손의 자유도에 맞추기 위해 회전을 수행함으로써 신호의 정밀도를 향상시키고 정규 직교 운동 축을 근사한다.
• 하드웨어 및 계산 자원 제약 조건 하에서 투영 정밀도를 극대화하기 위해 공간-시간 하향 샘플링 전략을 적용한다.
• 결과적으로 생성된 저차원 신호를 동시에 여러 보철기 자유도를 비례 제어하기 위한 연속적인 입력으로 사용한다.
• 최대 3개의 자유도를 동시에 구현하는 동시 수동적 운동 추정을 통해 검증하였다.

실험 결과

연구 질문

• RQ1 비지도 PCA 기반의 EMG 유도 운동 뉴런 맥박 펄스 투영이 연속적인 손 운동학적 상태를 정확하게 추정할 수 있는가?
• RQ2 맥박 펄스를 보철기 자유도 공간으로 투영할 때 부분공간을 회전시키면 운동학적 추정 정밀도가 어떻게 향상되는가?
• RQ3 공간적(EMG 채널 수) 및 시간적(훈련 지속 시간) 데이터 감소에 대해 이 복원 방법이 얼마나 강건한가?
• RQ4 감독 학습 레이블 없이도 다중 보철기 자유도를 동시에 비례 제어할 수 있는가?
• RQ5 제안된 공간-시간 하향 샘플링 전략은 하드웨어 제약 조건 하에서도 투영 정밀도를 어떻게 유지하는가?

주요 결과

• 비지도 PCA 기반의 EMG 복원을 통해 최대 3개의 자유도를 동시에 추정하는 데 성공하였다.
• PCA 부분공간의 회전이 보철기 자유도 공간에 맞춰져 있음에 따라 운동학적 추정 정밀도가 크게 향상되었다.
• 공간적(EMG 채널 수) 및 시간적(훈련 지속 시간) 데이터 감소에 대해 알고리즘이 강건성을 보이며 임상 적용 가능성 향상을 보였다.
• 제안된 공간-시간 하향 샘플링 전략이 높은 투영 정밀도를 유지하여 하드웨어 제약 조건 하에서도 실시간 실행이 가능했다.
• 이 방법은 레이블이 없는 훈련 데이터나 패턴 인식 기반의 처리 없이도 직접적으로 운동 뉴런 맥박 펄스를 연속적인 운동학적 제어 신호로 매핑할 수 있었다.
• 결과적으로 PCA 기반의 비지도 복원 기법이 동시에 비례 제어가 가능한 보편적이고 확장 가능한 솔루션으로서의 가능성을 확인하였다.