[논문 리뷰] A Comparison of Amputee and Able-Bodied Inter-Subject Variability in Myoelectric Control

Evan Campbell, Jason S. Chang외 2명|arXiv (Cornell University)|2020. 03. 07.

Muscle activation and electromyography studies참고 문헌 13인용 수 10

한 줄 요약

이 연구는 20명의 건강한 사지 보유자와 10명의 전위측 절단 환자가 38종의 일반적인 제스처를 수행할 때의 EMG 데이터를 사용하여, 절단자와 건강한 사람 간의 근전도 제어 패턴을 비교한다. 비지도 군집화와 선형 분류 기법을 적용한 결과, 절단자와 건강한 사람의 EMG 패턴은 뚜렷한 군집을 이룬다. 특히 절단자군은 상대적으로 더 높은 개인 간 변동성을 보이며, 임상적으로 유의미한 교용자(myoelectric prosthesis) 제어 시스템을 개발하기 위해서는 건강한 사람의 데이터만으로는 부족함을 시사한다.

ABSTRACT

Despite decades of research and development of pattern recognition approaches, the clinical usability of myoelectriccontrolled prostheses is still limited. One of the main issues is the high inter-subject variability that necessitates long and frequent user-specific training. Cross-user models present an opportunity to improve clinical viability of myoelectric control systems by leveraging existing data to shorten training. However, due to the difficulty of obtaining large sets of data from amputee populations, data from intact-limbed subjects are often supplemented when building cross-user models; which may not translate well to clinical usability. In this preliminary study, the differences between intact-limbed and amputee cross-user electromyography (EMG) patterns were examined. Previously collected EMG data from 20 intact limbed and 10 amputee subjects for different wrist, finger, and grasping gestures were analysed. Results using unsupervised clustering showed that amputees were consistently grouped into a different cluster than intact-limbed subjects and that additional clustering into more subgroups found larger differences between amputees than able-bodied subjects. Furthermore, a simple linear classifier was able to discriminate between able-bodied and amputee subjects using EMG from multiple gestures with 90% accuracy. These results suggest that using able-bodied subject data alone may be insufficient to capture the necessary inter-subject variance when designing cross-user myoelectric control systems for prosthesis control.

연구 동기 및 목표

• 절단자와 건강한 사람 간의 근전도 제어 패턴이 유의미하게 다른지 조사하기.
• 건강한 사람의 데이터만을 사용하여 절단자에게 적용 가능한 교용자 근전도 제어 시스템을 개발하는 것이 가능한지 평가하기.
• 군집화 및 분류 기법을 사용하여 양 집단의 EMG 패턴에서 개인 간 변동성을 정량화하기.
• 절단자 EMG 패턴이 균일한 하위군으로 분류될 수 있는지, 또는 건강한 사람보다 더 높은 변동성을 보이는지 확인하기.

제안 방법

• 20명의 건강한 사지 보유자와 10명의 전위측 절단 환자로부터 12개의 Delsys Trigno 전극을 사용해 표면 EMG 데이터를 2000 Hz의 샘플링 주파수로 측정하였다.
• 50 Hz 전원선 간섭을 제거하기 위해 Hampel 필터를 적용하고, 잘못된 운동 레이블은 일반화된 가능도 비율 알고리즘을 사용해 보정하였다.
• 200 ms 겹침 윈도우(100 ms 이동)에서 Hudgins의 시간 도메인 EMG 특징(MAV, WL, ZC, SSC)을 추출하였다.
• EMG 특징 패턴 기반으로 하위군을 식별하기 위해 평균 연결법과 유클리드 거리를 사용한 계층적 군집 분석(HCA)을 적용하였다.
• 모든 제스처에 걸쳐 EMG 특징을 기반으로 절단자와 건강한 사람을 구분하기 위해 선형 분류기를 사용하였다.
• 10겹 교차검증을 통해 분류 정확도를 평가하였으며, 주어진 주제와 제스처들에 대해 평균, 최소, 최대 정확도를 보고하였다.

실험 결과

연구 질문

• RQ1 절단자와 건강한 사람의 근전도 제어 패턴이 특징 공간에서 뚜렷한 군집을 이룹니까?
• RQ2 절단자군에서의 개인 간 변동성이 건강한 사람군보다 더 높습니까?
• RQ3 다양한 제스처의 EMG 신호를 기반으로 선형 분류기가 절단자와 건강한 사람을 정확히 구분할 수 있습니까?
• RQ4 절단 후 경과 연수, 남은 전완 길이, 또는 절단 원인과 같은 임상적 특성이 EMG 패턴의 차이와 상관이 있습니까?
• RQ5 비지도 군집화 기법을 통해 절단자 집단 내에서 기저의 생리학적 또는 행동적 차이를 반영하는 의미 있는 하위군을 식별할 수 있습니까?

주요 결과

• 비지도 계층적 군집화 분석을 통해 두 개의 뚜렷한 하위군이 확인되었으며, 하나는 20명의 건강한 사람 전원을 포함하고, 다른 하나는 10명의 절단자 전원을 포함한다. 이는 EMG 패턴에 근본적인 차이가 있음을 시사한다.
• 3~5개의 하위군으로 군집 분석을 확장한 결과, 절단자군은 추가로 하위군으로 나뉘었지만, 건강한 사람군은 대부분 그대로 유지되었으며, 이는 절단자군에서 더 높은 개인 간 변동성을 가짐을 의미한다.
• 선형 분류기는 다양한 제스처의 EMG 특징을 기반으로 절단자와 건강한 사람을 90%의 정확도로 분류하였다. 전체 주제와 운동에 걸쳐 평균 정확도는 66%였으며, 이는 우연의 가능성 수준(66%)과 일치한다.
• 가장 높은 개인 간 변동성을 보인 절단자 하위군은 이전에 근전도 보철물을 사용해 본 경험이 있는 환자들로 구성되어 있어, 학습과 적응이 EMG 패턴의 차이에 기여할 수 있음을 시사한다.
• 주제 A4(절단자)는 MAV, WL 등의 진폭 기반 특징 값이 가장 높았지만, ZC, SSC 등의 복잡도 기반 특징 값은 가장 낮았으며, 높은 분산은 노이즈 또는 일관되지 않은 수축 때문일 수 있다.
• 군집 1D(4명의 절단자)는 진폭 기반 특징 값이 가장 낮았지만, 복잡도 및 주파수 기반 특징 값은 가장 높았으며, 이 하위군은 이전에 근전도 보철물을 사용한 경험이 있는 환자들을 포함하고 있어, 행동적 또는 신경근육적 적응 효과가 있을 수 있음을 시사한다.