Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Reconocimiento de gestos informáticos de alta dimensión (HDC-GCog)

15 de enero de 2026 actualizado por: University Hospital, Grenoble

El objetivo principal de este estudio es la mejora del reconocimiento de gestos y la precisión de la clasificación mediante el uso del algoritmo HDC en comparación con otros métodos de clasificación (KNN, RF, SGD, NC). La tasa de reconocimiento se expresará por la sensibilidad y la especificidad del reconocimiento de gestos. El modelo será entrenado en una parte del conjunto de datos y se probará en la parte restante para evitar cualquier sesgo.

Los objetivos secundarios son:

  • Mejora de la precisión del reconocimiento de gestos con nuestro algoritmo HDC en comparación con otros modelos estándar.
  • Cálculo de las tasas de reconocimiento de gestos dependiendo del número de electrodos utilizados y su posición.
  • La evaluación del sujeto de la comodidad del dispositivo calificó por encima de 6 en una escala analógica visual de 10 niveles.
  • La evaluación del sujeto de la facilidad de realizar el gesto calificado por encima de 6 en una escala analógica visual de 10 niveles.

Descripción general del estudio

Estado

Aún no reclutando

Condiciones

Intervención / Tratamiento

Descripción detallada

Este proyecto tiene como objetivo trabajar en el reconocimiento de gestos basados ​​en la electromiografía de superficie (EMG) registrada en el antebrazo. El CEA actualmente está desarrollando un algoritmo de aprendizaje basado en la computación hiperdimensional diseñada para mejorar la precisión y la latencia del reconocimiento de gestos. A diferencia de los métodos de computación convencionales, el enfoque desarrollado se basa en hipervectores aleatorios (pseudo). Esto ofrece ventajas significativas: un algoritmo simple con un conjunto bien definido de operaciones aritméticas, extremadamente robustos para el ruido y los errores, con un aprendizaje rápido de un paso que podría beneficiarse de una arquitectura centrada en la memoria con un alto grado de paralelismo.

Esta investigación podría conducir a múltiples aplicaciones, como los videojuegos o el metaverso, pero también interesa firmemente el campo de la salud, por ejemplo en prótesis robóticas, aplicaciones de tele-cirugía o simplemente capacitación médica utilizando aplicaciones de realidad virtual.

Tipo de estudio

Intervencionista

Inscripción (Estimado)

10

Fase

  • No aplica

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Estudio Contacto

Copia de seguridad de contactos de estudio

Ubicaciones de estudio

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

Sí

Descripción

Criterios de inclusión:

  • Sujeto voluntario sano y diestro,
  • Masculino o femenino,
  • Edad entre 18 y 65 años inclusive,
  • IMC <30 kg/m²,
  • Circunferencia mínima del antebrazo inferior a 15 cm,
  • Los sujetos aceptan afeitarse o recortar el antebrazo correcto.
  • Acuerdo para el formulario de no oposición de estudio,
  • Sujeto afiliado a un esquema de seguridad social,
  • Registrado en la base de datos nacional de personas que participan en la investigación biomédica

Criterios de exclusión:

  • Sujeto con un problema motor conocido en el antebrazo y la mano correctos,
  • Alergia o intolerancia conocidas a uno de los componentes del electrodo,
  • Presencia de una lesión en el área de medición,
  • Sujeto con un implante médico activo (p. Ej. marcapasos, implante coclear, etc.),
  • Sujeto que usa un implante anticonceptivo en el área de medición.
  • Sujeto femenino consciente del embarazo en el momento de la medición,
  • Sujeto que se niega a afeitarse o recortar el área o cuyo cabello corporal impide afeitarse o recortar el área,
  • Presencia de una patología que probablemente altere el EMG.
  • Las personas mencionadas en los artículos L1121-5 a L1121-8 del Código de Salud Pública (corresponden a todas las personas protegidas: mujeres embarazadas, mujeres en mano de obra, madres que amamantan, personas privadas de su libertad por la decisión judicial o administrativa, las personas que reciben atención psiquiátrica bajo los artículos L. 3212-1 y L. 3213-1 Who no fallan bajo las provisiones del artículo L. un establecimiento de salud o social para fines distintos de la investigación, menores, personas sujetas a una medida de protección legal o no pueden expresar su consentimiento).

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

  • Propósito principal: Otro
  • Asignación: N / A
  • Modelo Intervencionista: Asignación de un solo grupo
  • Enmascaramiento: Ninguno (etiqueta abierta)

Armas e Intervenciones

Grupo de participantes/brazo
Intervención / Tratamiento
Experimental: HDC-GCOG
Reconocimiento de gestos informáticos de alta dimensión
Dispositivo: HDC-GCOG
Registros de electromiografía de superficie

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Tasa de reconocimiento de gestos utilizando un dispositivo compuesto por 32 electrodos EMG de superficie de alta frecuencia
Periodo de tiempo: 3 horas
Cálculo de la tasa de reconocimiento de gestos expresados ​​en el porcentaje de reconocimiento de gestos
3 horas

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Reconocimiento de gestos en tiempo real (latencia <100 ms)
Periodo de tiempo: 3 horas
Medición de la tasa de reconocimiento de gestos mejorado con nuestro algoritmo HDC en comparación con otros modelos comunes
3 horas
Validación del posicionamiento y el número de electrodos utilizados para la adquisición de EMG para maximizar las tasas de reconocimiento de gestos
Periodo de tiempo: 3 horas
Cálculo de las tasas de reconocimiento de gestos basados ​​en el número de electrodos utilizados y su posición
3 horas
Análisis de los comentarios del sujeto sobre la facilidad de realizar los gestos (en forma de cuestionario)
Periodo de tiempo: 3 horas
Calificación del sujeto de la comodidad del dispositivo como mayor de 6 en una escala analógica visual de 10 puntos
3 horas

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

University Hospital, Grenoble

Colaboradores

Commissariat à l'Energie Atomique (CEA) Grenoble
CLINATEC

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Publicaciones Generales

  • 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

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Estimado)

15 de enero de 2026

Finalización primaria (Estimado)

1 de abril de 2026

Finalización del estudio (Estimado)

1 de junio de 2026

Fechas de registro del estudio

Enviado por primera vez

19 de agosto de 2025

Primero enviado que cumplió con los criterios de control de calidad

26 de agosto de 2025

Publicado por primera vez (Estimado)

4 de septiembre de 2025

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

20 de enero de 2026

Última actualización enviada que cumplió con los criterios de control de calidad

15 de enero de 2026

Última verificación

1 de enero de 2026

Más información

Términos relacionados con este estudio

Palabras clave

Otros números de identificación del estudio

  • 38RC25.0179

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

NO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Suscribir