Daarom stellen wij voor om zeven groepen spots te gebruiken voor het karakteriseren van de spieractiviteit van de onderarm tijdens gesimuleerde ADL, om het aantal te registreren spots aanzienlijk te verminderen, en de musculair-anatomische coherentie te behouden. De signalen van deze zeven spots zouden worden gerelateerd aan zeven verschillende bewegingen: (groep 1) polsflexie en ulnaire deviatie; (groep 2) polsflexie en radiale deviatie; (groep 3) digit flexie; (groep 4) duim extensie en abductie/adductie; (groep 5) vinger extensie; (groep 6) pols extensie en ulnaire deviatie; en (groep 7) pols extensie en radiale deviatie.
Bij het beoordelen van de spierfunctie in de revalidatie, kunnen sommige spots niet beschikbaar zijn vanwege het gelijktijdige gebruik van andere apparatuur, zoals sensoren voor kinematica metingen. Bij het kiezen van de representatieve plekken van elke groep die moeten worden opgenomen uit de beschikbare plekken, moet rekening worden gehouden met het percentage van de gemeten spieractiviteit (fig. 7). Het selecteren van de plekken met het hoogste percentage spieractiviteit kan betrouwbaarder zijn, aangezien op deze plekken de gemeten spieren oppervlakkiger kunnen zijn of het gemeten spieroppervlak meer gecentreerd kan zijn. Met name plekken met een zeer geringe spieractiviteit, zoals de plekken 18 en 28, moeten worden vermeden. De grootste spieractiviteit werd waargenomen in het meest distale deel van de onderarm (fig. 7). Afhankelijk van de beschikbaarheid kunnen echter meer proximale spots worden gekozen, behalve voor groep 4, die bestaat uit twee spots die in het meest distale deel van de onderarm zijn geplaatst.
FPCA is een van de populairste multivariate analysetechnieken voor het extraheren van informatie uit functionele gegevens, waarbij de dimensies van een gegevensverzameling met een groot aantal onderling samenhangende variabelen worden gereduceerd, terwijl toch zoveel mogelijk van de totale variatie behouden blijft. Terwijl FPCA resulteert in dimensievermindering, kunnen de vectorscores van FPCA worden gebruikt voor het clusteren van verschillende functies/componenten met behulp van standaard clusteringmethoden. Clustering is een van de meest gebruikte technieken om een dataset op te delen in subgroepen die instanties bevatten die op elkaar lijken terwijl ze duidelijk verschillen van die van de andere groepen. In een functionele context helpt clustering bij het identificeren van representatieve curvepatronen en individuen die zeer waarschijnlijk betrokken zijn bij dezelfde of soortgelijke processen. Andere in de literatuur vermelde methoden voor taakidentificatie bij prothesebesturing zijn gebaseerd op segmentatie van de EMG-signalen in een reeks vensters, waarin enkele veelgebruikte tijddomeinkenmerkenreeksen (zoals gemiddelde absolute waarde of nuldoorgangen) worden geëxtraheerd en gebruikt voor bewegingsclassificatie. Onze methode is vergelijkbaar, maar wordt toegepast op het gehele signaal voor alle taken en proefpersonen, en uit de FPCA worden de kenmerken van het signaal geëxtraheerd die een zo groot mogelijk deel van de totale variatie bevatten en gebruikt voor spierclassificatie.
De EMG-opnamen zijn uitgevoerd met een 8-kanaals sEMG-apparaat, waarvoor dezelfde activiteiten voor elke proefpersoon in vijf verschillende sessies moesten worden herhaald om de meting van het grote aantal gekozen spots mogelijk te maken. Hoewel is nagegaan dat de reproduceerbaarheidsfout klein is voor de plek 30 tussen de sessies, kan het gebruik van oppervlakte-EMG met hoge dichtheid worden overwogen in toekomstige werken.
De huidige studie is beperkt tot zes gezonde, valide proefpersonen, en de resultaten zouden kunnen worden geverifieerd in verdere studies met een groter aantal proefpersonen en met inbegrip van gehandicapte proefpersonen. Echter, spiergroeperingen verkregen in deze studie kunnen worden gebruikt als een eerste benadering, en kan worden gebruikt als leidraad voor toekomstige validatie voor proefpersonen met handbeperkingen of geamputeerden.
Als toekomstig werk, kunnen studies worden uitgevoerd om EMG te relateren aan kinematica tijdens de uitvoering van ADL, door gebruik te maken van deze zeven plekken als representatief voor de musculaire activiteit van de onderarm in ADL. Een volgende stap zou zijn om de kinematica en spiersynergieën tijdens specifieke functionele taken te evalueren.