Opombe
V doktorski disertaciji razvijemo in predstavimo algoritem WBS (ang. Witness Based Segmentation) za ocenjevanje pravilnosti razpoznave posameznih impulzov iz večkanalnih konvolutivnih mešanic impulznih izvorov. Omejimo se na signale večkanalnih površinskih elektromiogramov (ang. High-Density surface Electromyogram % HDsEMG), katerih vlaki impulzov posamezne motorične enote (ME) so ocenjeni s pomočjo dekompozicijske metode kompenzacije konvolutivnih jeder (ang. Convolution Kernel Compensation % CKC).%Ocenjevanje uspešnosti dekompozicije signalov HDsEMG je velikega pomena, ko želimo dobljene vlake impulzov uporabiti v nadaljnjih aplikacijah na področju nevrorehabilitacije, protetike, ortopedije, ergonomije, športnih znanosti, ambientne inteligence in v industriji računalniških iger. Razvitih je bilo že več metod, vsaka s svojimi prednostmi in slabostmi, vendar je vsem skupno to, da ne podpirajo ocenjevanja pravilnosti razpoznave posameznega proženja v vlaku impulzov ME, temveč podajajo skupno oceno prepoznave vseh proženj posamezne ME.%Osnovo razvitega algoritma WBS predstavlja že uveljavljena metrika razmerja impulz-šum (ang. Pulse-to-Noise Ratio % PNR), ki jo v prvem koraku razvitega algoritma nadgradimo z uporabo prič, ki jih izberemo med impulzi ME, razpoznanimi s pomočjo metode CKC. Ugotovili smo, da se vrednost metrike PNR, izračunane nad pričami, statistično značilno zniža, če v izračun filtra ME, s katerim nato ocenimo vlak impulzov, poleg prič vključimo tudi nepravilno razpoznani impulz. To lastnost uporabimo za klasifikacijo nadgrajene metrike PNR, ki nam omogoča ocenjevanje ali posamezen impulz, ki ni priča, pripada množici pravilno ali napačno razpoznanih impulzov. Strategija izbire prič, število prič in število dodanih impulzov, ki s strani dekompozicijske metode CKC niso bili segmentirani kot proženja ME, predstavljajo notranje parametre algoritma zato v doktorski disertaciji temeljito analiziramo njihov vpliv.%Uspešnost razvitega algoritma WBS preverimo na vlakih impulzov ME, pridobljenih iz sintetičnih in eksperimentalnih signalov HDsEMG s pomočjo dekompozicijske metode CKC. Sintetičnim signalom dvoglave nadlaktne mišice je bil dodan Gaussov oziroma Laplaceov šum z razmerjem signal-šum 30, 20 in 10 dB. Množica eksperimentalnih signalov je bila sestavljena iz signalov dvoglave nadlaktne mišice in prednje golenske mišice, pri katerih smo imeli poleg signalov HDsEMG tudi znotrajmišične signale EMG, ter iz signalov sočasno aktivnih mečnih mišic.%Razvit algoritem WBS ima zgornjo asimptotično mejo časovne zahtevnosti in porabe pomnilnika O(n), kar pomeni, da časovna in prostorska zahtevnost algoritma rasteta linearno s številom testiranih impulzov. Kot tak je algoritem WBS časovno in prostorsko učinkovit in tako primeren za uporabo v realnem času med urejanjem vlaka impulzov posamezne ME.%V skoraj vseh primerih signalov HDsEMG je bilo po uporabi algoritma WBS v vlaku impulzov statistično značilno manj nepravilno razpoznanih proženj kot pred njegovo uporabo. Rezultati se statistično značilno niso izboljšali le v primerih eksperimentalnih signalov brez ali z zelo malo šuma, kjer je zelo dobre rezultate vračala že dekompozicijska metoda CKC. Uspešno delovanje algoritma smo posebej preverili in potrdili tudi na vlakih impulzov ME, ki so s strani metode CKC razpoznani s slabšo kakovostjo in imajo PNR < 28 dB.