Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Reconnaissance des gestes informatiques de grande dimension (HDC-GCog)

15 janvier 2026 mis à jour par: University Hospital, Grenoble

L'objectif principal de cette étude est l'amélioration de la reconnaissance des gestes et de la précision de classification par l'utilisation de l'algorithme HDC par rapport à d'autres méthodes de classification (KNN, RF, SGD, NC). Le taux de reconnaissance sera exprimé par la sensibilité et la spécificité de la reconnaissance des gestes. Le modèle sera formé sur une partie de l'ensemble de données et testé sur la partie restante pour éviter tout biais.

Les objectifs secondaires sont les:

  • Amélioration de la précision de reconnaissance des gestes avec notre algorithme HDC par rapport à d'autres modèles standard.
  • Calcul des taux de reconnaissance des gestes en fonction du nombre d'électrodes utilisés et de leur position.
  • L'évaluation par le sujet du confort des dispositifs évaluée au-dessus de 6 sur une échelle analogique visuelle à 10 niveaux.
  • Évaluation du sujet de la facilité de réalisation du geste noté au-dessus de 6 sur une échelle analogique visuelle à 10 niveaux.

Aperçu de l'étude

Statut

Pas encore de recrutement

Les conditions

Intervention / Traitement

Description détaillée

Ce projet vise à travailler sur la reconnaissance des gestes basée sur l'électromyographie de surface (EMG) enregistrée sur l'avant-bras. Le CEA développe actuellement un algorithme d'apprentissage basé sur l'informatique hyperdimensionnelle conçue pour améliorer la précision et la latence de la reconnaissance des gestes. Contrairement aux méthodes de calcul conventionnelles, l'approche développée repose sur des hyperveilleurs aléatoires (pseudo). Cela apporte des avantages importants: un algorithme simple avec un ensemble bien défini d'opérations arithmétiques, extrêmement robuste au bruit et aux erreurs, avec un apprentissage rapide et universitaire qui pourrait finalement bénéficier d'une architecture centrée sur la mémoire avec un degré élevé de parallélisme.

Cette recherche pourrait conduire à de multiples applications, telles que les jeux vidéo ou le métaverse, mais intéresse également fortement le domaine des soins de santé, par exemple dans les prothèses robotiques, les applications de la chirurgie télévisée ou simplement une formation médicale en utilisant des applications de réalité virtuelle.

Type d'étude

Interventionnel

Inscription (Estimé)

10

Phase

  • N'est pas applicable

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Sauvegarde des contacts de l'étude

Lieux d'étude

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte
  • Adulte plus âgé

Accepte les volontaires sains

Oui

La description

Critères d'inclusion:

  • Sujet volontaire sain et droitier,
  • Mâle ou femelle,
  • Âge entre 18 et 65 ans inclus,
  • IMC <30 kg / m²,
  • Circonférence minimale de l'avant-bras inférieure à 15 cm,
  • Les sujets acceptent le rasage ou la coupe de l'avant-bras droit.
  • Accord à la forme de non-opposition de l'étude,
  • Sujet affilié à un schéma de sécurité sociale,
  • Enregistré dans la base de données nationale des personnes qui participent à la recherche biomédicale

Critères d'exclusion:

  • Sujet avec un problème de moteur connu dans l'avant-bras droit et la main,
  • Allergie ou intolérance connue à l'un des composants de l'électrode,
  • Présence d'une lésion dans la zone de mesure,
  • Sujet avec un implant médical actif (par ex. Pacemaker, implant cochléaire, etc.),
  • Sujet portant un implant contraceptif dans la zone de mesure.
  • Sujet féminin conscient de la grossesse au moment de la mesure,
  • Sujet refusant de raser ou de couper la zone ou dont les poils du corps empêchent le rasage ou la coupe de la zone,
  • Présence d'une pathologie susceptible de modifier l'EMG.
  • Les personnes mentionnées dans les articles L1121-5 à L1121-8 du Code de la santé publique (correspondent à toutes les personnes protégées: femmes enceintes, femmes en travail, personnes allaitées, personnes, personnes privées de leur liberté par la décision judiciaire ou administrative, les personnes qui ne reçoivent pas les soins psychiatriques en vertu d'articles L. 3212-1 et l. 3213-1 Un établissement de santé ou social à des fins autres que la recherche, les mineurs, les personnes soumises à une mesure de protection juridique ou incapable d'exprimer leur consentement).

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

  • Objectif principal: Autre
  • Répartition: N / A
  • Modèle interventionnel: Affectation à un seul groupe
  • Masquage: Aucun (étiquette ouverte)

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Expérimental: HDC-GCOG
Reconnaissance des gestes informatiques de grande dimension
Dispositif: HDC-GCOG
Enregistrements d'électromyographie de surface

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Taux de reconnaissance des gestes à l'aide d'un appareil composé de 32 électrodes EMG de surface à haute fréquence
Délai: 3 heures
Calcul du taux de reconnaissance des gestes exprimé en pourcentage de la reconnaissance des gestes
3 heures

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Reconnaissance des gestes en temps réel (latence <100 ms)
Délai: 3 heures
Mesure du taux de reconnaissance des gestes amélioré avec notre algorithme HDC par rapport à d'autres modèles communs
3 heures
Validation du positionnement et du nombre d'électrodes utilisées pour l'acquisition EMG afin de maximiser les taux de reconnaissance des gestes
Délai: 3 heures
Calcul des taux de reconnaissance des gestes en fonction du nombre d'électrodes utilisées et de leur position
3 heures
Analyse des commentaires du sujet concernant la facilité de réalisation des gestes (sous la forme d'un questionnaire)
Délai: 3 heures
Note du sujet du confort de l'appareil à plus de 6 sur une échelle visuelle analogique à 10 points
3 heures

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

University Hospital, Grenoble

Collaborateurs

Commissariat à l'Energie Atomique (CEA) Grenoble
CLINATEC

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Publications générales

  • 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

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Estimé)

15 janvier 2026

Achèvement primaire (Estimé)

1 avril 2026

Achèvement de l'étude (Estimé)

1 juin 2026

Dates d'inscription aux études

Première soumission

19 août 2025

Première soumission répondant aux critères de contrôle qualité

26 août 2025

Première publication (Estimé)

4 septembre 2025

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

20 janvier 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

15 janvier 2026

Dernière vérification

1 janvier 2026

Plus d'information

Termes liés à cette étude

Mots clés

Autres numéros d'identification d'étude

  • 38RC25.0179

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner