Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Høj dimensionel computing gestusgenkendelse (HDC-GCog)

15. januar 2026 opdateret af: University Hospital, Grenoble

Det primære mål med denne undersøgelse er forbedring af gestusgenkendelse og klassificeringsnøjagtighed ved hjælp af HDC -algoritmen sammenlignet med andre klassificeringsmetoder (KNN, RF, SGD, NC). Genkendelsesgraden vil blive udtrykt ved følsomhed og specificitet af gestusgenkendelse. Modellen trænes på en del af datasættet og testes på den resterende del for at undgå enhver bias.

Sekundære mål er:

  • Forbedring af gestusgenkendelsesnøjagtighed med vores HDC -algoritme sammenlignet med andre standardmodeller.
  • Beregning af gestusgenkendelseshastigheder afhængigt af antallet af anvendte elektroder og deres position.
  • Emne's vurdering af enhedskomfort bedømt over 6 i en 10-niveau visuel analog skala.
  • Emnets vurdering af lethed med at udføre gestus, der er klassificeret over 6 i en 10-niveau visuel analog skala.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Intervention / Behandling

Detaljeret beskrivelse

Dette projekt sigter mod at arbejde på gestusgenkendelse baseret på overfladeelektromyografi (EMG) registreret på underarmen. CEA udvikler i øjeblikket en læringsalgoritme baseret på hyperdimensionel computing designet til at forbedre nøjagtigheden og latensen af ​​gestusgenkendelse. I modsætning til konventionelle computermetoder er den udviklede tilgang afhængig af (pseudo) tilfældige hypervektorer. Dette bringer betydelige fordele: en simpel algoritme med et veldefineret sæt aritmetiske operationer, ekstremt robust over for støj og fejl, med hurtig, en-pass-læring, der i sidste ende kan drage fordel af en hukommelsescentrisk arkitektur med en høj grad af parallelisme.

Denne forskning kan føre til flere applikationer, såsom videospil eller Metaverse, men interesserer også stærkt sundhedsområdet, for eksempel i robotproteser, telekirurgi-applikationer eller blot medicinsk træning ved hjælp af virtual reality-applikationer.

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

10

Fase

  • Ikke anvendelig

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Beskrivelse

Inkluderingskriterier:

  • Sundt, højrehåndet frivilligt emne,
  • Mand eller kvinde,
  • Alder mellem 18 og 65 år inklusive,
  • Bmi <30 kg/m²,
  • Minimum underarms omkreds mindre end 15 cm,
  • Emner er enige om at barbere eller beskære den rigtige underarm.
  • Aftale med undersøgelsesformularen, der ikke er opbygget,
  • Emne tilknyttet en social sikringsordning,
  • Registreret i den nationale database over personer, der deltager i biomedicinsk forskning

Ekskluderingskriterier:

  • Emne med et kendt motorisk problem i den rigtige underarm og hånd,
  • Kendt allergi eller intolerance over for en af ​​elektrodekomponenterne,
  • Tilstedeværelse af en læsion i måleområdet,
  • Emne med et aktivt medicinsk implantat (f.eks. pacemaker, cochleaimplantat osv.),
  • Emne iført et præventionsimplantat i måleområdet.
  • Kvindelig emne opmærksom på graviditet på målingstidspunktet,
  • Emne, der nægter at barbere eller trimme området, eller hvis kropshår udelukker barbering eller trimning af området,
  • Tilstedeværelse af en patologi, der sandsynligvis ændrer EMG.
  • Persons referred to in Articles L1121-5 to L1121-8 of the Public Health Code (corresponds to all protected persons: pregnant women, women in labour, breastfeeding mothers, persons deprived of their liberty by judicial or administrative decision, persons receiving psychiatric care under Articles L. 3212-1 and L. 3213-1 who do not fall under the provisions of Article L. 1121-8, persons admitted to En sundhed eller social etablering til andre formål end forskning, mindreårige, personer, der er underlagt en juridisk beskyttelsesforanstaltning eller ikke er i stand til at udtrykke deres samtykke).

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Andet
  • Tildeling: N/A
  • Interventionel model: Enkelt gruppeopgave
  • Maskning: Ingen (Åben etiket)

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Eksperimentel: HDC-GCOG
Høj dimensionel computing gestusgenkendelse
Overfladeelektromyografieregistreringer

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Gestusgenkendelseshastighed ved hjælp af en enhed sammensat af 32 højfrekvente overflade EMG-elektroder
Tidsramme: 3 timer
Beregning af gestusgenkendelsesgrad udtrykt i procent af gestusgenkendelse
3 timer

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Real-time gestusgenkendelse (latenstid <100ms)
Tidsramme: 3 timer
Måling af den forbedrede gestusgenkendelsesgrad med vores HDC -algoritme sammenlignet med andre almindelige modeller
3 timer
Validering af placering og antal elektroder, der bruges til EMG -erhvervelse for at maksimere gestusgenkendelsesgraden
Tidsramme: 3 timer
Beregning af gestusgenkendelseshastigheder baseret på antallet af anvendte elektroder og deres position
3 timer
Analyse af emnets feedback om lethed ved at udføre bevægelserne (i form af et spørgeskema)
Tidsramme: 3 timer
Emne's rating af enhedskomfort så større end 6 i en 10-punkts visuel analog skala
3 timer

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Publikationer og nyttige links

Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.

Generelle publikationer

  • Salerno, A., Barraud, S. (2024). Evaluation and implementation of High-Dimensionnal Computing for gesture recognition using sEMG signals. Proceedings of the 2024 International Conference on Control, Automation and Diagnosis (ICCAD)
  • Salerno, A., Barraud, S. (2025). Novel and efficient hyperdimensional encoding of surface electromyography signals for hand gesture recognition, Biosensor 2025.
  • A. Sultana, F. Ahmed, Md. S. Alam, A systematic review on surface electromyography-based classification system for identifying hand and finger movements, Healthcare Analytics, 3, 100126, 2022, DOI:10.1016/j.health.2022.100126
  • Sgambato, B. G., Castellano, G. (2022). Performance comparison of different classifiers applied to gesture recognition from sEMG signals. In Bastos-Filho, T. F., de Oliveira Caldeira, E. M., Frizera-Neto, A. (Eds.), XXVII Brazilian Congress on Biomedical Engineering. CBEB 2020. IFMBE Proceedings, Vol. 83. Springer, Cham

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Anslået)

15. januar 2026

Primær færdiggørelse (Anslået)

1. april 2026

Studieafslutning (Anslået)

1. juni 2026

Datoer for studieregistrering

Først indsendt

19. august 2025

Først indsendt, der opfyldte QC-kriterier

26. august 2025

Først opslået (Anslået)

4. september 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

20. januar 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

15. januar 2026

Sidst verificeret

1. januar 2026

Mere information

Begreber relateret til denne undersøgelse

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med HDC-GCOG

Abonner