🚀 Расшифровка почерка напрямую по сигналам мышц? Это ближе, чем кажется

Декодирование мелкой моторики (например, письма от руки) по данным поверхностной электромиографии (пЭМГ) долгое время оставалось сложной задачей в области человеко-машинных интерфейсов.

Но ситуация меняется.
В нашем новом препринте «DualMyo: Multi-Channel Dual-Stream Transformer Architecture for EMG-to-Digit Classification» мы предлагаем альтернативу традиционным методам обработки сигналов на основе архитектуры Transformer, рассматривая многоканальные сигналы пЭМГ как сложные временные ряды.

Основные результаты:

Архитектура: DualMyo объединяет патч-эмбеддинги (Patch Embeddings) и ротационные позиционные эмбеддинги (RoPE) для эффективного захвата сложной пространственно-временной динамики мышечной активности.

Точность внутри сессии: Модель демонстрирует высокие показатели при декодировании отдельных написанных цифр.

Адаптация между сессиями: Решает проблему дрейфа сигнала и смещения датчиков с помощью легкой стратегии дообучения (всего 10 эпох), достигая ~91% точности между сессиями при наличии лишь двух примеров на цифру.

Это многообещающий шаг к созданию адаптивных интерфейсов ввода рукописного текста на основе пЭМГ, неинвазивному управлению протезами и естественным коммуникационным устройствам.

📄 Полный текст препринта доступен по ссылке: https://www.biorxiv.org/content/10.64898/2026.08.20.745897v1

Авторы работы: Мария Голицына, Анна Макарова и Михаил Лебедев.

#Нейротехнологии #МашинноеОбучение #Трансформеры #ЭМГ #ЧеловекоМашинныйИнтерфейс #ОбработкаБиосигналов #Нейроинженерия