طراحی سیستم تشخیص حروف دست نویس توسط سیگنال الکترومایوگرافی به وسیله شبکه عصبی مصنوعی و درخت تصمیم

این مطالعه به بررسی امکان تشخیص دستخط با استفاده از سیگنال های الکترومایوگرافی و تحلیل الگوریتم های مختلف طبقه بندی و یادگیری ماشین برای تفکیک حروف و شناسایی آن ها، به ویژه در بیماری پارکینسون و کاربردهای بیومتریک می پردازد که به توضیح فرآیند جمع آوری داده ها، پیش پردازش سیگنال های الکترومایوگرافی و الگوریتم های مختلف طبقه بندی می پردازد. در این مطالعه از ۶ داوطلب خانم از با میانگین سنی۵±۲۵ سال ومیانگین وزن۶±۶۵ کیلوگرم میانگین شاخص توده بدنی ۲±۲۱.۵ کیلوگرم بر متر مربع داده گیری صورت گرفت. برای جمع آوری داده ها، از یک دستگاه الکترومایوگرافی سطحی تک کاناله استفاده شد. سپس، با استفاده از روش های مختلف پردازش سیگنال، ویژگی های مختلف سیگنال های الکترومایوگرافی استخراج و تحلیل شد. یکی از روش های اصلی در این مطالعه برای کاهش ویژگی ها، استفاده از تجزیه و تحلیل مولفه اصلی بود که به کاهش ابعاد داده ها کمک کرده و از پیچیدگی های پردازش داده ها کاسته است. پس از آن، از شبکه های عصبی مصنوعی برای طبقه بندی داده ها و همچنین، از درخت تصمیم گیری و پرسپترون چندلایه به عنوان روش های دیگر طبقه بندی بهره گرفته شد. داده گیری الکترومایوگرافی از ۶ نفر با نوشتن ۶ حرف مختلف به مدت ۲۰ بار و هر ۵ ثانیه یک بار انجام شد، که از این روند ۶۰۰ داده جمع آوری گردید. پس از استخراج ۱۲ ویژگی از سیگنال ها و کاهش ابعاد با استفاده از الگوریتم تحلیل مولفه های اصلی، طبقه بند پرسپترون چندلایه و درخت تصمیم گیری برای طبقه بندی داده ها مورد استفاده قرار گرفت که نتایج نشان داد استفاده از تحلیل مولفه های اصلی دقت طبقه بندی را به ویژه درطبقه بندهای درخت تصمیم گیری به طور چشمگیری بهبود بخشید. تجزیه و تحلیل الکترومایوگرافی بر روی حروف نگارشی به منظور شناسایی دستخط و تفکیک حروف با ویژگی هایی انجام شد و نتایج نشان داد که استفاده از الگوریتم تحلیل مولفه های اصلی و طبقه بند درخت تصمیم گیری دقت طبقه بندی را با صحت بالای ۸۸.۴۸٪ افزایش می دهد. این یافته ها در کاربردهایی مانند دیجیتال سازی اسناد، شناسایی هویت، تحلیل سبک نوشتاری و پزشکی مفید هستند، اما برای بهبود نتایج نیاز به افزایش تعداد افراد و کلاس ها و استفاده از چند کانال الکترومایوگرافی در مطالعات آینده ضروری است.

کلیدواژه ها:

الکترومایوگرافی ، تحلیل مولفه های اصلی ، درخت تصمیم گیری ، دستخط ، شبکه عصبی مصنوعی