مروری جامع بر روش های پردازش سیگنال EMG در بیماران مبتلا به پارکینسون: روندها، چالش ها و جهت گیری های آینده

بیماری پارکینسون یکی از شایع ترین اختلالات حرکتی است که با اختلال در فعالیت عضلانی و هماهنگی حرکتی همراه است. سیگنال های الکترومیوگرافی (EMG) به عنوان یک ابزار غیرتهاجمی برای تحلیل فعالیت عضلات در بیماران پارکینسونی، اهمیت فزاینده ای یافته اند. در این مقاله مروری، ۱۳ مطالعه اخیر در حوزه پردازش و تحلیل سیگنال EMG بیماران پارکینسونی مورد بررسی قرار گرفته است. روش های مختلفی از جمله استخراج ویژگی های زمانی و فرکانسی، تحلیل سینرژی عضلانی، و به کارگیری الگوریتم های یادگیری ماشین برای طبقه بندی و پیش بینی وضعیت بیماران، در این مطالعات به کار رفته اند. یافته ها نشان می دهند که بیماران پارکینسونی دارای الگوهای خاصی در دامنه و فرکانس سیگنال های EMG هستند که می تواند در تشخیص زودهنگام، پایش پیشرفت بیماری و طراحی برنامه های توانبخشی شخصی سازی شده مفید باشد. علاوه بر این، کاربرد سیگنال EMG در سیستم های پروتزی و تحریک الکتریکی عملکردی به منظور بهبود کیفیت زندگی بیماران، مورد توجه قرار گرفته است.

کلیدواژه ها:

پارکینسون ، الکترومایوگرافی (EMG) ، پردازش سیگنال ، سینرژی عضلانی ، یادگیری ماشین ، توانبخشی عصبی