- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT07155460
- Original retssag
Høj dimensionel computing gestusgenkendelse (HDC-GCog)
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
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
Tilmelding (Anslået)
Fase
- Ikke anvendelig
Kontakter og lokationer
Studiekontakt
- Navn: Daniel ANGLADE, MD, PhD
- Telefonnummer: 04 38 78 17 46
- E-mail: danglade@chu-grenoble.fr
Undersøgelse Kontakt Backup
- Navn: Caroline SANDRE-BALLESTER, PhD
- Telefonnummer: 04 38 78 28 51
- E-mail: csandreballester@chu-grenoble.fr
Studiesteder
-
-
-
Grenoble, Frankrig, 38054
- Clinatec Cea/Chuga
-
Kontakt:
- Daniel ANGLADE, MD, PhD
- Telefonnummer: 04 38 78 17 46
- E-mail: danglade@chu-grenoble.fr
-
Kontakt:
- Caroline SANDRE-BALLESTER, PhD
- Telefonnummer: 04 38 78 28 51
- E-mail: csandreballester@chu-grenoble.fr
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
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
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
Sponsor
Publikationer og nyttige links
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
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Anslået)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
Andre undersøgelses-id-numre
- 38RC25.0179
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
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
-
Icahn School of Medicine at Mount SinaiUkendtMyelomatose | Hodgkins sygdom | Kronisk lymfatisk lymfom | Recidiverende non-Hodgkins lymfomForenede Stater
-
University of Turin, ItalyAfsluttet
-
Pascoe Pharmazeutische Praeparate GmbHAfsluttet
-
Aalborg UniversityIkke rekrutterer endnu
-
Sahlgrenska University Hospital, SwedenIkke rekrutterer endnuKræft i bugspytkirtlen | Kirurgi | Metastase | Immunsuppression