Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Riconoscimento dei gesti di calcolo ad alta dimensione (HDC-GCog)

15 gennaio 2026 aggiornato da: University Hospital, Grenoble

L'obiettivo principale di questo studio è il miglioramento del riconoscimento dei gesti e dell'accuratezza della classificazione attraverso l'uso dell'algoritmo HDC rispetto ad altri metodi di classificazione (KNN, RF, SGD, NC). Il tasso di riconoscimento sarà espresso dalla sensibilità e dalla specificità del riconoscimento dei gesti. Il modello verrà addestrato su una parte del set di dati e testato sulla parte rimanente per evitare qualsiasi distorsione.

Gli obiettivi secondari sono i:

  • Miglioramento della precisione del riconoscimento dei gesti con il nostro algoritmo HDC rispetto ad altri modelli standard.
  • Calcolo dei tassi di riconoscimento dei gesti a seconda del numero di elettrodi utilizzati e della loro posizione.
  • Valutazione del soggetto sul comfort del dispositivo classificato sopra 6 su una scala analogica visiva a 10 livelli.
  • Valutazione del soggetto sulla facilità di eseguire il gesto valutato sopra 6 su una scala analogica visiva a 10 livelli.

Panoramica dello studio

Stato

Non ancora reclutamento

Condizioni

Intervento / Trattamento

Descrizione dettagliata

Questo progetto mira a lavorare sul riconoscimento dei gesti basati sull'elettromiografia di superficie (EMG) registrata sull'avambraccio. Il CEA sta attualmente sviluppando un algoritmo di apprendimento basato sul calcolo iperdimensionale progettato per migliorare l'accuratezza e la latenza del riconoscimento dei gesti. A differenza dei metodi di elaborazione convenzionali, l'approccio sviluppato si basa su ipervettori casuali (pseudo). Ciò comporta vantaggi significativi: un semplice algoritmo con un insieme ben definito di operazioni aritmetiche, estremamente robusta per il rumore ed errori, con un apprendimento rapido e solo passa che potrebbe alla fine beneficiare di un'architettura incentrata sulla memoria con un alto grado di parallelismo.

Questa ricerca potrebbe portare a molteplici applicazioni, come i videogiochi o il Metaverse, ma interessa fortemente anche il campo sanitario, ad esempio in protesi robotiche, applicazioni televisive o semplicemente una formazione medica utilizzando applicazioni di realtà virtuale.

Tipo di studio

Interventistico

Iscrizione (Stimato)

10

Fase

  • Non applicabile

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Backup dei contatti dello studio

Luoghi di studio

Criteri di partecipazione

I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.

Criteri di ammissibilità

Età idonea allo studio

  • Adulto
  • Adulto più anziano

Accetta volontari sani

Sì

Descrizione

Criteri di inclusione:

  • Oggetto volontario sano e destro,
  • Maschio o femmina,
  • Età tra 18 e 65 anni inclusi,
  • BMI <30 kg/m²,
  • Circonferenza minima dell'avambraccio inferiore a 15 cm,
  • I soggetti accettano la rasatura o il taglio dell'avambraccio giusto.
  • Accordo con il modulo di non opposizione dello studio,
  • Soggetto affiliato a uno schema di sicurezza sociale,
  • Registrato nel database nazionale di persone che partecipano alla ricerca biomedica

Criteri di esclusione:

  • Soggetto con un problema motorio noto nell'avambraccio e nella mano destra,
  • Allergia o intolleranza conosciuta a uno dei componenti degli elettrodi,
  • Presenza di una lesione nell'area di misurazione,
  • Soggetto con un impianto medico attivo (ad es. Pacemaker, impianto cocleare, ecc.),
  • Soggetto che indossa un impianto contraccettivo nell'area di misurazione.
  • Soggetto femminile a conoscenza della gravidanza al momento della misurazione,
  • Soggetto che rifiuta di radersi o tagliare l'area o i cui peli del corpo precludono la rasatura o il taglio della zona,
  • Presenza di una patologia che potrebbe alterare l'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 uno stabilimento sanitario o sociale a fini diversi dalla ricerca, minori, persone soggette a una misura di protezione legale o incapaci di esprimere il loro consenso).

Piano di studio

Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.

Come è strutturato lo studio?

Dettagli di progettazione

  • Scopo principale: Altro
  • Assegnazione: N / A
  • Modello interventistico: Assegnazione di gruppo singolo
  • Mascheramento: Nessuno (etichetta aperta)

Armi e interventi

Gruppo di partecipanti / Arm
Intervento / Trattamento
Sperimentale: HDC-GCOG
Riconoscimento dei gesti di calcolo ad alta dimensione
Dispositivo: HDC-GCOG
Record di elettromiografia di superficie

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Tasso di riconoscimento dei gesti utilizzando un dispositivo composto da 32 elettrodi EMG di superficie ad alta frequenza
Lasso di tempo: 3 ore
Calcolo del tasso di riconoscimento dei gesti espressi in percentuale del riconoscimento dei gesti
3 ore

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
Riconoscimento dei gesti in tempo reale (latenza <100ms)
Lasso di tempo: 3 ore
Misurazione del miglioramento del tasso di riconoscimento dei gesti con il nostro algoritmo HDC rispetto ad altri modelli comuni
3 ore
Convalida del posizionamento e del numero di elettrodi utilizzati per l'acquisizione EMG al fine di massimizzare i tassi di riconoscimento dei gesti
Lasso di tempo: 3 ore
Calcolo dei tassi di riconoscimento dei gesti in base al numero di elettrodi utilizzati e alla loro posizione
3 ore
Analisi del feedback del soggetto sulla facilità di eseguire i gesti (sotto forma di un questionario)
Lasso di tempo: 3 ore
Valutazione del soggetto del comfort del dispositivo superiore a 6 su una scala analogica visiva a 10 punti
3 ore

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

University Hospital, Grenoble

Collaboratori

Commissariat à l'Energie Atomique (CEA) Grenoble
CLINATEC

Pubblicazioni e link utili

La persona responsabile dell'inserimento delle informazioni sullo studio fornisce volontariamente queste pubblicazioni. Questi possono riguardare qualsiasi cosa relativa allo studio.

Pubblicazioni generali

  • 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

Studiare le date dei record

Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.

Studia le date principali

Inizio studio (Stimato)

15 gennaio 2026

Completamento primario (Stimato)

1 aprile 2026

Completamento dello studio (Stimato)

1 giugno 2026

Date di iscrizione allo studio

Primo inviato

19 agosto 2025

Primo inviato che soddisfa i criteri di controllo qualità

26 agosto 2025

Primo Inserito (Stimato)

4 settembre 2025

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

20 gennaio 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

15 gennaio 2026

Ultimo verificato

1 gennaio 2026

Maggiori informazioni

Termini relativi a questo studio

Parole chiave

Altri numeri di identificazione dello studio

  • 38RC25.0179

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

Informazioni su farmaci e dispositivi, documenti di studio

Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti

No

Studia un dispositivo regolamentato dalla FDA degli Stati Uniti

No

Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .

Prove cliniche su HDC-GCOG

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Liberia

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi