مهندسی عصبی عضلانی
امیر حسین اسکندری؛ احسان صداقت نژاد؛ سید جواد موسوی؛ محسن اصغری؛ محمد پرنیانپور
دوره 5، شماره 3 ، آذر 1390، ، صفحه 257-273
چکیده
انتخاب الگوی فعال شدن عضلات برای رسیدن به یک هدف خاص به علت پیچیدگیهای سیستم اسکلتی عضلانی و نحوه غلبه سیستم اعصاب مرکزی به این پیچیدگیها، چندین دهه مورد علاقه محققان در این زمینه بوده است. یکی از پاسخهایی که در این زمینه مطرح شده است، وجود واحدهای (سینرجی) ساده ایست که از ترکیب آنهافعالیتهای پیچیده صورت میپذیرند.در این تحقیق ...
بیشتر
انتخاب الگوی فعال شدن عضلات برای رسیدن به یک هدف خاص به علت پیچیدگیهای سیستم اسکلتی عضلانی و نحوه غلبه سیستم اعصاب مرکزی به این پیچیدگیها، چندین دهه مورد علاقه محققان در این زمینه بوده است. یکی از پاسخهایی که در این زمینه مطرح شده است، وجود واحدهای (سینرجی) ساده ایست که از ترکیب آنهافعالیتهای پیچیده صورت میپذیرند.در این تحقیق وجود و همچنین نحوه آرایش این سینرجی ها در ناحیه کمر مورد بررسی قرار گرفته است. برای این منظور از یک مدل 18 عضلهای در سطح L4-L5به صورت استاتیکی استفاده شده است. از ضرایب فعالیت عضلات حاصل از اعمال گشتاور در فضاهای دو بعدی و سه بعدی و اعمال سفتی زاویه به مدل، برای به دست آوردن سینرجی های عضلانی و پایداری استفاده شده است.نتایج این پژوهش نشان میدهد شش سینرجی عضلانی کافی است تا بتوان به تمامی نقاط فضای گشتاوری دست پیدا کرد. همچنین سه سینرجی پایداری قادر است بخشی از فضای سفتی زاویهای مفصل را به وجود آورد. همچنین سینرجی های عضلانی به دست آمده نسبت به تغییر دامنه گشتاور اعمالی مقاوم میباشند. در این پژوهش نشان داده شد که میتوان از ترکیب سینرجی های عضلانی و سینرجی های پایداری، هر فعالیتی را که شامل تولید گشتاور و سفتی زاویه معین در مفصل باشد، را تولید کرد.
مهندسی عصبی عضلانی
مهرک محمودی؛ محمدجعفر عبدخدایی؛ سعیده خطیبی راد
دوره -2، شماره 1 ، تیر 1384، ، صفحه 9-16
چکیده
هدف از این تحقیق، مطالعه نحوه انتقال مواد شیمیایی در اتصالات عصب به عضله، به واسطه تحریکات عصلی روی عضله است. به منظور تعیین میزان رهایش ماده میانجی در شکاف سیناپسی اتصال عصب– عضله، از یک مدل ریاضی استفاده شده است. در این مدل با لحاظ کردن اثر نفوذ یون های کلسیم در رهایش ماده میانجی، مدل چادیوری بهبود یافته است. با وقوع یک پتانسیل ...
بیشتر
هدف از این تحقیق، مطالعه نحوه انتقال مواد شیمیایی در اتصالات عصب به عضله، به واسطه تحریکات عصلی روی عضله است. به منظور تعیین میزان رهایش ماده میانجی در شکاف سیناپسی اتصال عصب– عضله، از یک مدل ریاضی استفاده شده است. در این مدل با لحاظ کردن اثر نفوذ یون های کلسیم در رهایش ماده میانجی، مدل چادیوری بهبود یافته است. با وقوع یک پتانسیل عمل، کانال های کلسیم در غشا پیش سیناپسی باز شده و یون های کلسیم وارد پایانه پیش سیناپسی می گردند. سپس این یون ها در مسیر بین دهانه کانال ها تا مکان های رهایش نفوذ کرده و در آنجا باعث رهایش ماده میانجی می شوند. مقداری از یون های کلسیم، در طی این نفوذ توسط فرآیندهای حذف کلسیم در داخل پایانه پیش سیناپسی حذف می گردند. مدل ریاضی حاضر، شامل معادلات دیفرانسیل پاره ای بیان کننده فیزیک هر یک از فرآیندهاست که با استفاده از روش های عددی حل شد ه اند. در نتیجه حل این معادلات، منحنی های تغییرات زمانی غلظت یون های کلسیم در مکان های رهایش و مقدار زمانی رهایش ماده میانجی به دست آمده اند. اثر اعمال دو پالس پتانسیل عمل متوالی روی رهایش ماده میانجی نیز مورد بررسی قرار گرفته است.
مهندسی عصبی عضلانی
عباس عرفانیان امیدوار
دوره -2، شماره 1 ، تیر 1384، ، صفحه 81-92
چکیده
مدل جدیدی از عضله تحریک شده در شرایط غیر ایزومتریک ارایه شده است. مدل های ارایه شده کنونی مبتنی بر ساختار مدل هیل هستند. در این ساختار، رفتار عضله به بخش های مستقل از یکدیگر تجزیه شده و فرض می شود که این بخش ها ارتباطی با یکدیگر ندارند، در صورت که این تجزیه و عدم وابستگی بخش ها به یکدیگر، واقعیت فیزیکی ندارد. به منظور رفع محدودیت های مدل ...
بیشتر
مدل جدیدی از عضله تحریک شده در شرایط غیر ایزومتریک ارایه شده است. مدل های ارایه شده کنونی مبتنی بر ساختار مدل هیل هستند. در این ساختار، رفتار عضله به بخش های مستقل از یکدیگر تجزیه شده و فرض می شود که این بخش ها ارتباطی با یکدیگر ندارند، در صورت که این تجزیه و عدم وابستگی بخش ها به یکدیگر، واقعیت فیزیکی ندارد. به منظور رفع محدودیت های مدل های ساختار هیل، در این تحقیق از شبکه های عصبی دینامیک به عنوان ابزاری جهت مدل سازی عضله در شرایط غیر ایزومتریک استفاده شده است. برای این منظور، دو نوع شبکه عصبی به کار گرفته شد: شبکه پرسپترون با الگوریتم یادگیری پس انتشار خطا و شبکه عصبی مبتنی بر توابع پایه شعاعی الگوریتم یادگیری گرادیان تصادفی. نتایج این تحقیق نشان می دهد مدل های عصبی قادر به پیش بینی دقیق تری از میزان نیرو انقباض عضلانی در شرایط غیر ایزومتریک نسبت به مدل های پایه هیل هستند. از آنجایی که عضله دارای رفتار متغیر با زمان است دو ساختار متفاوت، شبکه عصبی متغیر با زمان و نامتغیر با زمان برای مدل سازی عضله در نظر گرفته شده است. نتایج نشان می دهد مدل های عصبی متغیر با زمان، با دقت 99.5% و مدل های نامتغیر با زمان، با دقت 95% قادر به پیش بینی نیروی انقباض عضله تحریک شده در شرایط غیر ایزومتریک هستند. علاوه بر این، نتایج این تحقیق نشان می دهد دقت پیش بینی شبکه عصبی به ساختار شبکه بستگی دارد. با وجود ساده بودن ساختار شبکه عصبی مبتنی بر توابع شعاعی نسبت به ساختار شبکه عصبی پس انتشار خطا، دقت پیش بینی با شبکه عصبی مبتنی بر توابع شعاعی با 1000 دوره یادگیری بیشتر از شبکه عصبی پس انتشار خطا با 5000 دوره یادگیری است.