خسرو رضایی؛ فردین قادری؛ حامد طاهری گرجی؛ جواد حدادنیا
دوره 14، شماره 3 ، مهر 1399، ، صفحه 195-208
چکیده
در پروتزهای مدرن، طبقهبندی سیگنالهای الکترومایوگرام سطحی (sEMG) تا حد زیادی بر کنترل مطلوب عضلات اثر دارد. اگر چه این سیگنالها در تشخیص بیماریهای عصبی-عضلانی، کنترل دستگاههای پروتز و تشخیص حالات دست مفید هستند، بازشناسی غیرمقاوم آنها میتواند باعث بروز عارضههای مختلف حرکتی شود. در این مقاله با هدف ایجاد رویکردی بهینه ...
بیشتر
در پروتزهای مدرن، طبقهبندی سیگنالهای الکترومایوگرام سطحی (sEMG) تا حد زیادی بر کنترل مطلوب عضلات اثر دارد. اگر چه این سیگنالها در تشخیص بیماریهای عصبی-عضلانی، کنترل دستگاههای پروتز و تشخیص حالات دست مفید هستند، بازشناسی غیرمقاوم آنها میتواند باعث بروز عارضههای مختلف حرکتی شود. در این مقاله با هدف ایجاد رویکردی بهینه در طبقهبندی سیگنالهای الکترومایوگرام سطحی در تشخیص نوع حرکت و نیز شناسایی ژست دست، مدلی جدید طراحی شده است که میتواند در تشخیص بیماریهای عصبی-عضلانی، تعیین نوع درمان و فیزیوتراپی مورد استفاده قرار گیرد. با در نظر گرفتن چالشهای موجود در شناسایی کلاسهای حرکتی دست، روش پیشنهادی از سه گام تشکیل شده است. در گام اول قاببندی و استخراج ویژگی از سیگنال توسط توصیفگرهای حوزهی زمان-فرکانس و بعد فراکتال انجام شده، در مرحلهی دوم انتخاب ویژگی با استفاده از یک روش جدید همجوشی نرم سه رویکرد آزمون-T، آنتروپی و پیچش عام صورت گرفته و در گام سوم طبقهبندی حالات حرکتی و ژست دست با تکیه بر بهینهسازی پارامترهای کرنل ماشین بردار پشتیبان توسط الگوریتم حرکت کاتورهای گاز انجام شده است. دو مجموعهی دادهی UC2018 DualMyo و UCI جهت ارزیابی روش پیشنهادی در نظر گرفته شده که از دادهی نخست برای دستهبندی 8 ژست حرکتی و از دادهی دوم برای طبقهبندی 6 نوع حالت حرکت استفاده شده است. عملکرد راهکار پیشنهادی با میانگین صحت بالای 98% در هر دو مجموعهی داده رضایتبخش میباشد. برخلاف رویکردهای مشابه که در آنها طبقهبندی در تعداد طبقههای محدود و با سطح خطای بالا اجرا شده، روش پیشنهادی از دقت، ثبات و اعتمادپذیری قابل قبولی برخوردار است. به کارگیری این روش در طراحی پروتزهای دست موثر بوده و میتواند در کاربردهای توانبخشی و فرایندهای تشخیص بالینی نیز تاثیرگذار باشد.