Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Hoge dimensionale computergebaarherkenning (HDC-GCog)

15 januari 2026 bijgewerkt door: University Hospital, Grenoble

Het primaire doel van deze studie is de verbetering van de nauwkeurigheid van gebaarherkenning en classificatie door het gebruik van het HDC -algoritme in vergelijking met andere classificatiemethoden (KNN, RF, SGD, NC). De herkenningssnelheid zal worden uitgedrukt door de gevoeligheid en specificiteit van gebaarherkenning. Het model wordt getraind op een deel van de gegevensset en op het resterende deel getest om vooringenomenheid te voorkomen.

De doelen van de secondaries zijn de:

  • Verbetering van de nauwkeurigheid van de gebaarherkenning met ons HDC -algoritme in vergelijking met andere standaardmodellen.
  • Berekening van gebaarherkenningspercentages afhankelijk van het aantal gebruikte elektroden en hun positie.
  • De beoordeling van het onderwerp van apparaatcomfort boven 6 op een visuele analoge schaal op 10 niveaus.
  • De beoordeling van het onderwerp van het gemak van het uitvoeren van het gebaar dat boven 6 wordt beoordeeld op een visuele analoge schaal op 10 niveaus.

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Dit project is bedoeld om te werken aan gebaarherkenning op basis van oppervlakte -elektromyografie (EMG) opgenomen op de onderarm. De CEA ontwikkelt momenteel een leeralgoritme op basis van hyperdimensionaal computergebruik dat is ontworpen om de nauwkeurigheid en latentie van gebaarherkenning te verbeteren. In tegenstelling tot conventionele computermethoden, is de ontwikkelde benadering gebaseerd op (pseudo) willekeurige hypervectoren. Dit biedt aanzienlijke voordelen: een eenvoudig algoritme met een goed gedefinieerde set van rekenkundige bewerkingen, extreem robuust voor lawaai en fouten, met snel leren van één pass dat uiteindelijk zou kunnen profiteren van een geheugengerichte architectuur met een hoge mate van parallellisme.

Dit onderzoek kan leiden tot meerdere toepassingen, zoals videogaming of de metaverse, maar interesseert ook sterk het veld in de gezondheidszorg, bijvoorbeeld in robotachtige protheses, tele-chirurgische toepassingen of gewoon medische training met behulp van virtual reality-toepassingen.

Studietype

Ingrijpend

Inschrijving (Geschat)

10

Fase

  • Niet toepasbaar

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Contact Back-up

Studie Locaties

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Beschrijving

Inclusiecriteria:

  • Gezond, rechtshandig vrijwilliger onderwerp,
  • Mannelijk of vrouwelijk,
  • Leeftijd tussen 18 en 65 jaar inclusief,
  • BMI <30 kg/m²,
  • Minimale onderarmomtrek minder dan 15 cm,
  • Onderwerpen komen overeen met het scheren of bijsnijden van de juiste onderarm.
  • Overeenkomst met het niet-OPPOSITIE-formulier van de studie,
  • Onderwerp aangesloten bij een socialezekerheidsregeling,
  • Geregistreerd in de nationale database van personen die deelnemen aan biomedisch onderzoek

Uitsluitingscriteria:

  • Onderwerp met een bekend motorisch probleem in de rechter onderarm en hand,
  • Bekende allergie of intolerantie voor een van de elektrodecomponenten,
  • Aanwezigheid van een laesie in het meetgebied,
  • Onderwerp met een actief medisch implantaat (bijv. pacemaker, cochleair implantaat, enz.),
  • Onderwerp draagt ​​een anticonceptie -implantaat in het meetgebied.
  • Vrouwelijk subject bewust van zwangerschap op het moment van meting,
  • Onderwerp weigert het gebied te scheren of te knippen of wiens lichaamshaar het gebied scheren of snijdt,
  • De aanwezigheid van een pathologie die waarschijnlijk de EMG zal veranderen.
  • Personen waarnaar wordt verwezen in de artikelen L1121-5 tot L1121-8 van de Code voor de volksgezondheid (komt overeen met alle beschermde personen: zwangere vrouwen, vrouwen in de arbeid, moeders die borstvoeding geven, personen die van hun vrijheid zijn beroofd door gerechtelijke of administratieve beslissing, personen die psychiatrische zorg ontvangen onder artikelen L. 3212-1 en L. 3213-1 een gezondheids- of sociaal establishment voor andere doeleinden dan onderzoek, minderjarigen, personen die onderworpen zijn aan een maatregel voor wettelijke bescherming of niet in staat om hun toestemming te uiten).

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

  • Primair doel: Ander
  • Toewijzing: NVT
  • Interventioneel model: Opdracht voor een enkele groep
  • Masker: Geen (open label)

Wapens en interventies

Deelnemersgroep / Arm
Interventie / Behandeling
Experimenteel: HDC-GCOG
Hoge dimensionale computergebaarherkenning
Apparaat: HDC-GCOG
Oppervlakte -elektromyografie -records

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gebaarherkenningssnelheid met behulp van een apparaat bestaande uit 32 hoogfrequente oppervlakte-EMG-elektroden
Tijdsspanne: 3 uur
Berekening van het gebaarherkenningspercentage uitgedrukt in percentage gebaarherkenning
3 uur

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Real-time gebaarherkenning (latentie <100ms)
Tijdsspanne: 3 uur
Meting van de verbeterde gebaarherkenningssnelheid met ons HDC -algoritme in vergelijking met andere gemeenschappelijke modellen
3 uur
Validatie van de positionering en het aantal elektroden dat wordt gebruikt voor EMG -acquisitie om de gebaarherkenningspercentages te maximaliseren
Tijdsspanne: 3 uur
Berekening van gebaarherkenningspercentages op basis van het aantal gebruikte elektroden en hun positie
3 uur
Analyse van de feedback van het onderwerp over het gemak van het uitvoeren van de gebaren (in de vorm van een vragenlijst)
Tijdsspanne: 3 uur
Onderwerp's beoordeling van apparaatcomfort als groter dan 6 op een 10-punts visuele analoge schaal
3 uur

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

University Hospital, Grenoble

Medewerkers

Commissariat à l'Energie Atomique (CEA) Grenoble
CLINATEC

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

  • 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

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Geschat)

15 januari 2026

Primaire voltooiing (Geschat)

1 april 2026

Studie voltooiing (Geschat)

1 juni 2026

Studieregistratiedata

Eerst ingediend

19 augustus 2025

Eerst ingediend dat voldeed aan de QC-criteria

26 augustus 2025

Eerst geplaatst (Geschat)

4 september 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

20 januari 2026

Laatste update ingediend die voldeed aan QC-criteria

15 januari 2026

Laatst geverifieerd

1 januari 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Andere studie-ID-nummers

  • 38RC25.0179

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren