پیش بینی حرکت ایجاد ضایعه در پا حین فرآیند نشستن و برخاستن با پردازشسیگنال EMG : مطالعه موردی سرباز وظیفه مرکز آموزش پدافند هوایی سمنان

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 160

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCT18_035

تاریخ نمایه سازی: 29 فروردین 1402

چکیده مقاله:

با توجه به این که علوم کامپیوتر و الکترونیک منجر به وجود آمدن یک رشته دیگر به نام مهندسی پزشکی و مکاترونیک شده اند،لذا ارائه روش های ترکیبی بین این دو علوم، به عنوان علوم بین رشته ای مطرح است. از آن جایی که می توان روش هایی را ترکیبنمود و کاربردهای جدید را حاصل کرد، این تحقیق نیز به مطالعه و بررسی یک مبحث میان رشته ای می پردازد که با ترکیب علومنام برده و زیر مجموعه آن، حاصل گردیده است که شامل هوش مصنوعی، علوم کاربردی مهندسی پزشکی و مکاترونیک است.سیگنالهای متفاوتی قابلیت استخراج از بدن انسان را دارند که به عنوان سیگنال های حیاتی، نام برده می شوند. از آن جایی که میتوان این سیگنال ها را استخراج نمود و سپس مورد پردازش و تجزیه و تحلیل قرار داد، اطلاعاتی مفید از وضعیت بدنی افراد را دراختیار پزشکان قرار می دهد. یکی از این سیگنال های حیاتی، EMG که از ترکیب سیگنال قلبی یا ECG و سیگنال مغزی یاEEG حاصل می شود که به فعالیت های بدن و تجزیه و تحلیل آن می پردازد. با استفاده از سیگنال EMG و تحلیل آن، می تواناندام های بدن که در حال حرکت هستند، از جمله دست و پا را مورد بررسی قرار داد. این امر زمانی نمود پیدا می کند که در حوزهدست یا پای مصنوعی و همچنین سایر اندام ها، نیازی احساس شود. همچنین برای افراد معلول که تحت مراقبت هستند و مداممورد آزمون واقع می شوند تا رشد حرکتی اندام هایشان مشاهده شود، از پردازش سیگنال EMG استفاده می گردد. در این تحقیقو تحقیقات آتی، سعی در ارائه یک روش هوشمند با پردازش سیگنال های EMG به منظور تجسم حرکت انگشتان به خصوصدست و پا می باشد که مبتنی بر روش های هوشمند و یادگیری ماشین است. روشپیشنهادی بدین صورت است که سیگنال EMG با استفاده از مدل فرکتال، استخراج ویژگی می شود و سپس با استفاده از یادگیریعمیق، مورد تحلیل بر اساس طبقه بندی واقع می گردد که به دلیل خاصیت اموزش عمقی در یادگیری عمیق، می توان تجسمحرکت انگشتان را مشاهده نمود

نویسندگان

سعید پیری

مرکز تحقیقات علوم اعصاب محاسباتی، آزمایشگاه سیستم و سایبرنتیک، دانشگاه بین المللی امام رضا، مشهد، ایران

عارفه دیناروند

دانشگاه جامع علمی کاربردی، X-IBM انستیتو تهران ایران

کاظم سهرابی

کارشناسی مهندسی هوافضا گرایش سازه هوایی ، دانشگاه علوم و فنون شهید ستاری، تهران، ، ایران

امیر عبدالحسین نژاد

کارشناسی ارشد مهندسی مکانیک گرایش تبدیل انرژی