×
乔纳森·斯塔里奇;伊斯兰，Md Nazmul;阿纳·马里亚·斯塔伊库;达斯汀·克劳奇;潘丽芝;黄，何

具有顺序自适应功能估计（SAFE）的机器人假体控制器的最佳EMG放置。 （英语） Zbl 1470.62166号

附录申请。斯达。 14，第3期，1164-1181（2020）.
摘要：机器人假手需要控制器将肌肉收缩信息（如肌电图（EMG）信号）解码为用户想要的手部运动。最先进的解码器需要广泛的训练，需要来自大量肌电传感器的数据，并且容易预测不佳。单一运动自由度的生物力学模型告诉我们，相对较少的肌肉，因此，预测运动所需的肌电传感器更少。我们提出了一种基于动态函数线性模型的新型解码器，以速度或加速度作为响应，最近的肌电信号作为函数协变量。每个肌电信号的效果随最近的位置而变化，以解释手运动的生物力学特征，与现有解码器相比，增加了单个肌电信号预测能力。这些影响是通过我们称之为序列自适应函数估计（SAFE）的多级自适应估计程序进行估计的。从16个潜在肌电传感器开始，我们的方法正确识别了已知对健全受试者重要的少数肌电信号。此外，估计的效果是可以解释的，可以大大提高对机器人手假肢的理解和发展。

引用于2文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
第60页 统计学在工程和工业中的应用；控制图
62兰特 功能数据分析
62升12 顺序估计
2007年6月62日 岭回归；收缩估计器（拉索）
60G35型 信号检测和滤波（随机过程方面）

关键词：

肌电图信号;变函数回归;功能变量选择;自适应组拉索;相关功能预测因子;序贯自适应函数估计

软件：

rq笔;格拉索;fda（右）;开放模拟人生;ElemStatLearn（电子状态学习）;格普拉索;R（右）
PDF格式BibTeX公司 XML格式引用
\textit{J.Stallrich}等人，Ann.Appl。Stat.14，No.3，1164--1181（2020；Zbl 1470.62166）
全文： 内政部 欧几里得

参考文献：

[1] Butterworth，S.（1930年）。关于滤波放大器的理论。无线工程师7 536-541。
[2] Cardot，H.、Ferraty，F.和Sarda，P.（2003）。函数线性模型的样条估计。统计师。Sinica 13 571-591·Zbl 1050.62041号
[3] Cardot，H.和Sarda，P.（2008）。变系数函数线性回归模型。通信统计。理论方法37 3186-3203·Zbl 1292.62053号 ·doi:10.1080/0361092080205176
[4] Ciuperca，G.（2019年）。分位数模型中的自适应组LASSO选择。统计师。文件60 173-197·Zbl 1411.62185号 ·doi:10.1007/s00362-016-0832-1
[5] Crouch，D.L.和Huang，H.（2016）。集总参数肌电图驱动的肌肉骨骼手模型：实时假体控制的潜在平台。生物力学杂志49 3901-3907。
[6] 克劳奇·D·L和黄·H·H（2017）。基于肌肉骨骼模型的控制界面在路径跟踪任务中模拟手部生理动力学。J.神经。工程14 036008。
[7] Davenport，C.A.（2013）。交互协变量的半参数回归模型。北卡罗来纳州立大学博士论文。
[8] Delp，S.L.、Anderson，F.C.、Arnold，A.S.、Loan，P.、Habib，A.、John，C.T.、Guendelman，E.和Thelen，D.G.（2007年）。OpenSim：用于创建和分析运动动态模拟的开源软件。IEEE传输。生物识别。工程54 1940-1950。
[9] Eilers，P.H.和Marx，B.D.（2003年）。使用二维惩罚信号回归进行温度相互作用的多元校准。化学。智力。实验室系统。66 159-174.
[10] Fan，Y.、James，G.M.和Radchenko，P.（2015）。函数加性回归。Ann.Statist公司。43 2296-2325. ·Zbl 1327.62252号 ·doi:10.1214/15-AOS1346
[11] Ferraty，F.、González-Manteiga，W.、Martínez-Calvo，A.和Vieu，P.（2012）。函数线性回归中的预平滑。统计师。Sinica中国22 69-94·Zbl 1417.62189号 ·doi:10.5705/ss.2010.085
[12] Friedman，J.、Hastie，T.和Tibshirani，R.（2001）。统计学习的要素：数据挖掘、推理和预测。纽约州施普林格·Zbl 0973.62007号
[13] Gerthiss，J.、Maity，A.和Staicu，A.-M.（2013）。广义函数线性模型中的变量选择。统计数字2 86-101。
[14] Goldsmith，J.、Crainiceanu，C.M.、Caffo，B.S.和Reich，D.S.（2011）。多发性硬化患者白质束特征的惩罚功能回归分析。神经影像57 431-439。
[15] Guo，P.、Zeng，F.、Hu，X.、Zhang，D.、Zhu，S.、Deng，Y.和Hao，Y.（2015）。使用LASSO类型惩罚改进的变量选择算法，并应用于评估社区居民的乙型肝炎感染相关因素。公共科学图书馆ONE 10 e0134151。
[16] Hahne，J.M.、Bießmann，F.、Jiang，N.、Rehbaum，H.、Farina，D.、Meinecke，K.-R.和Parra，L.C.（2014）。同步和比例肌电控制的线性和非线性回归技术。IEEE传输。神经系统。Rehabil.工程22 269-279。
[17] Hargrove，L.J.、Englehart，K.B.和Hudgins，B.（2007年）。表面和肌内肌电信号分类的比较。IEEE传输。生物识别。工程54 847-853。
[18] Holzbaur，K.R.、Murray，W.M.和Delp，S.L.（2005）。用于模拟肌肉骨骼手术和分析神经肌肉控制的上肢模型。安。生物识别。工程33 829-840。
[19] Huang，H.H.，Zhang，F.，Sun，Y.L.和He，H.（2010）。设计用于模式分类的鲁棒肌电传感接口。神经工程杂志7。
[20] Ivanoff，S.、Picard，F.和Rivoirard，V.（2016）。函数泊松回归的自适应拉索和群拉索。J.马赫。学习。第17号决议第1-46段·Zbl 1360.62398号
[21] Jiang，N.、Englehart，K.B.和Parker，P.A.（2009年）。从表面肌电信号中提取多自由度假体的同步和比例神经控制信息。IEEE传输。生物识别。工程56 1070-1080。
[22] Jiang，N.、Rehbaum，H.、Vujaklija，I.、Graimann，B.和Farina，D.（2014）。对上肢截肢者进行两个自由度的直观、在线、同步和比例肌电控制。IEEE传输。神经系统。Rehabil.工程22 501-509。
[23] Krstajic，D.、Buturovic，L.J.、Leahy，D.E.和Thomas，S.（2014）。选择和评估回归和分类模型时的交叉验证陷阱。化学信息学杂志6。
[24] Leeb，H.、Pötscher，B.M.和Ewald，K.（2015）。在各种置信区间上进行模型选择。统计师。科学。30 216-227. ·Zbl 1332.62154号 ·doi:10.1214/14-STS507
[25] Matsui，H.和Konishi，S.（2011年）。通过（L_1）正则化选择函数回归模型的变量。计算。统计师。数据分析。55 3304-3310. ·兹比尔1271.62140 ·doi:10.1016/j.csda.2011.06.016
[26] McLean，M.W.、Hooker，G.、Staicu，A.-M.、Scheipl，F.和Ruppert，D.（2014）。函数广义加性模型。J.计算。图表。统计师。23 249-269.
[27] Meier，L.（2009）。grplasso：用组套索惩罚拟合用户指定的模型。R统计计算基金会。
[28] Meinshausen，N.（2007年）。放松的拉索。计算。统计师。数据分析。52 374-393. ·Zbl 1452.62522号 ·doi:10.1016/j.csda.2006.12.019
[29] Mercier，C.、Reilly，K.T.、Vargas，C.D.、Aballea，A.和Sirigu，A.（2006年）。绘制截肢者运动皮层中的幻影运动表现。大脑129 2202-2210。
[30] O'Rahilly，R.和Müller，F.（1983年）。人体解剖学基础：人体结构的区域研究。费城桑德斯。
[31] Pannu，J.和Billor，N.（2017）。函数回归模型的鲁棒群-LASSO。通信统计。仿真计算。46 3356-3374. ·Zbl 1422.62260号
[32] Paul，D.、Bair，E.、Hastie，T.和Tibshirani，R.（2008）。高维问题中特征选择和回归的“预处理”。Ann.Statist公司。36 1595-1618. ·Zbl 1142.62022号 ·doi:10.1214/009053600000000578
[33] R核心团队（2017）。R： 统计计算语言和环境。R统计计算基金会，奥地利维也纳。
[34] Ramsay，J.和Hooker，G.（2017年）。动态数据分析：用微分方程建模数据。统计学中的斯普林格系列。纽约州施普林格·Zbl 1382.62001年
[35] Ramsay，J.O.和Silverman，B.W.（2005）。功能数据分析，第二版，《统计学中的斯普林格系列》。纽约州施普林格·Zbl 1079.62006号
[36] Ramsey，J.O.、Wickham，H.、Graves，S.和Hooker，G.（2014）。包fda：功能数据分析。R统计计算基金会。
[37] Resnik，L.（2011）。新型上肢假肢装置的开发和测试：可用性测试的研究设计。康复研究与发展杂志48 697-706。
[38] Resnik，L.、Etter，K.、Klinger，S.L.和Kambe，C.（2011年）。使用虚拟现实环境促进高级上肢假体的训练。康复研究与发展杂志48 707-718。
[39] Resnik，L.、Huang，H.H.、Winslow，A.、Crouch，D.L.、Zhang，F.和Wolk，N.（2018）。肌电图模式识别用于上肢假肢控制的评估：一项与直接肌电控制相比较的案例研究。神经工程与康复杂志15。
[40] Roberts，D.R.、Bahn，V.、Ciuti，S.、Boyce，M.S.、Elith，J.、Guillera-Arroita，G.、Hauenstein，S.，Lahoz-Monfort，J.J.、Schröder，B.等人（2017）。具有时间、空间、层次或系统发育结构的数据的交叉验证策略。生态40 913-929。
[41] Scheme，E.和Englehart，K.（2011年）。控制电动上肢假体的肌电图模式识别：临床应用的现状和挑战。康复研究与发展杂志48 643-659。
[42] Sherwood，B.和Maidman，A.（2017年）。程序包“rqPen”。R统计计算基金会。
[43] Stallrich，J.、Islam，M.N.、Staicu，A.-M.、Crouch，D.L.、Pan，L.和Huang，H.H.（2020年）。补充“具有顺序自适应功能估计（SAFE）的机器人假肢控制器的最佳肌电位置”https://doi.org/10.1214/20-AOAS1324SUPA网站, https://doi.org/10.1214/20-AOAS1324SUPB。
[44] Wei，F.和Huang，J.（2010）。高维线性回归中的一致组选择。伯努利16 1369-1384·Zbl 1207.62146号 ·doi:10.3150/10-BEJ252
[45] Wood，S.N.（2006）。广义可加混合模型的低秩尺度变分张量积平滑。生物统计学62 1025-1036·Zbl 1116.62076号 ·doi:10.1111/j.1541-0420.2006.00574.x
[46] Wu，Y.、Fan，J.和Müller，H.-G.（2010）。变系数函数线性回归。伯努利16 730-758·Zbl 1220.62046号 ·doi:10.3150/09-BEJ231
[47] Xiao，L.、Zipunnikov，V.、Ruppert，D.和Crainiceanu，C.（2016）。高维功能数据的快速协方差估计。统计计算。26 409-421. ·Zbl 1342.62094号 ·doi:10.1007/s11222-014-9485-x
[48] Yang，Y.和Zou，H.（2013）。gglasso：使用统一的BMD算法对学习进行惩罚。R统计计算基金会。
[49] Yang，Y.和Zou，H.（2015）。一种用于解决群体套索惩罚学习问题的快速统一算法。统计计算。25 1129-1141. ·Zbl 1331.62343号 ·doi:10.1007/s11222-014-9498-5
[50] Yao，F.、Müller，H.-G.和Wang，J.-L.（2005）。稀疏纵向数据的功能数据分析。J.Amer。统计师。协会100 577-590·Zbl 1117.62451号
[51] Yuan，M.和Lin，Y.（2006）。分组变量回归中的模型选择和估计。J.R.统计社会服务。B.统计方法。68 49-67. ·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x
[52] Zhao，S.、Shojaie，A.和Witten，D.（2017）。为不可辩护辩护：一种非常幼稚的高维推理方法。预印本。可在arXiv:1705.05543购买。
[53] Zhou，P.、Lowery，M.M.、Englehart，K.B.、Huang，H.、Li，G.、Hargrove，L.、Dewald，J.P.A.和Kuiken，T.A.（2007年）。解码用于控制假肢的新型神经-机器接口。神经生理学杂志98 2974-2982。
[54] Ziegler-Graham，K.、MacKenzie，E.J.、Ephraim，P.L.、Travison，T.G.和Brookmeyer，R.（2008）。估计美国肢体丧失的流行率：2005年至2050年。物理医学与康复档案89 422-429。
[55] 邹，H·Zbl 1171.62326号 ·doi:10.1198/016214500000735
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。