Ezért javasoljuk, hogy az alkar izomaktivitásának jellemzésére hét foltcsoportot használjunk a szimulált ADL során, hogy jelentősen csökkentsük a regisztrálandó foltok számát, és fenntartsuk az izom-anatómiai koherenciát. Az e hét pontból származó jelek hét különböző mozgáshoz kapcsolódnának: (1. csoport) csuklóhajlítás és ulnaris eltérés; (2. csoport) csuklóhajlítás és radiális eltérés; (3. csoport) ujjhajlítás; (4. csoport) hüvelykujjnyújtás és abdukció/addikció; (5. csoport) ujjnyújtás; (6. csoport) csuklónyújtás és ulnaris eltérés; és (7. csoport) csuklónyújtás és radiális eltérés.
A rehabilitáció során az izomműködés értékelése során néhány pont nem állhat rendelkezésre más berendezések, például a kinematikai méréshez használt érzékelők egyidejű használata miatt. Amikor a rendelkezésre álló helyek közül kiválasztjuk az egyes csoportok reprezentatív pontjait, amelyeket rögzíteni kell, figyelembe kell venni a mért izomaktivitás százalékos arányát (7. ábra). Az izomaktivitás legmagasabb százalékos arányával rendelkező pontok kiválasztása megbízhatóbb lehet, mivel ezeken a pontokon a mért izmok felszínesebbek lehetnek, vagy a mért izomterület központosabb lehet. Különösen a nagyon alacsony izomaktivitású pontokat kell elkerülni, mint például a 18. és 28. pont. A legnagyobb izomaktivitás az alkar legdistálisabb részén volt megfigyelhető (7. ábra). A rendelkezésre állástól függően azonban proximálisabb foltok is választhatók, kivéve a 4. csoportot, amely az alkar legdistálisabb részén elhelyezett két foltból áll.
Az FPCA az egyik legnépszerűbb többváltozós elemzési technika a funkcionális adatokból történő információ kinyerésére, amely csökkenti egy olyan adathalmaz dimenzióit, amelyben nagyszámú egymással összefüggő változó van, miközben a teljes variációból a lehető legtöbbet megtartja . Míg az FPCA dimenziócsökkentést eredményez, az FPCA vektorpontszámok felhasználhatók a különböző funkciók/komponensek klaszterezésére a szokásos klaszterezési módszerekkel. A klaszterezés az egyik leggyakrabban használt technika egy adathalmaz olyan alcsoportokra való felosztására, amelyek olyan példányokat tartalmaznak, amelyek hasonlóak egymáshoz, miközben egyértelműen különböznek a többi csoporthoz tartozó példányoktól. Funkcionális kontextusban a klaszterezés segít a reprezentatív görbeminták és olyan egyének azonosításában, akik nagy valószínűséggel azonos vagy hasonló folyamatokban vesznek részt. A szakirodalomban a protézisek vezérlésében a feladat azonosítására használt egyéb módszerek az EMG-jelek ablakok sorozatára történő szegmentálásán alapulnak, amelyekben néhány általánosan használt időtartománybeli jellemzőkészletet (mint például az abszolút középérték vagy a zérusátmenetek) kivonják és felhasználják a mozgásosztályozáshoz. A mi módszerünk hasonló, de minden feladat és alany esetében a teljes jelre alkalmazzuk, és az FPCA-ból kivonjuk a jel azon jellemzőit, amelyek a teljes lehetséges variáció minél nagyobb részét tartalmazzák, és ezeket használjuk az izomosztályozáshoz.
Az EMG-felvételeket egy 8 csatornás sEMG-készülékkel végeztük, amihez minden alany esetében ugyanazon tevékenységek ismétlését kellett elvégezni öt különböző ülésben, hogy a kiválasztott nagy számú folt mérését lehetővé tegyük. Bár a reprodukálhatósági hiba az ülések között ellenőrzött 30 folt esetében csekélynek bizonyult, a nagy sűrűségű felületi EMG használata megfontolandó lehet a következő munkákban.
A jelenlegi vizsgálat hat egészséges, ép testalkatú alanyra korlátozódott, és az eredményeket további vizsgálatokban lehetne ellenőrizni nagyobb számú alany bevonásával és sérült alanyok bevonásával. Az ebben a vizsgálatban kapott izomcsoportosítások azonban első közelítésként használhatók, és útmutatóként szolgálhatnak a jövőbeni validáláshoz a kézkárosodásban szenvedő vagy amputált alanyok esetében.
Jövőbeni munkaként tanulmányokat lehetne végezni az EMG és a kinematika összekapcsolására az ADL végrehajtása során, úgy, hogy ezt a hét pontot az alkar ADL alatti izomaktivitásának reprezentatívjaként használjuk. További lépés lenne a kinematika és az izomszinergiák értékelése konkrét funkcionális feladatok során
.