مروری بر پیشرفت های پردازش سیگنال الکترومیوگرافی سطحی (sEMG) در تشخیص حرکات دست و کنترل پروتزهای هوشمند

الکترومیوگرافی سطحی (Surface Electromyography یا sEMG) یکی از مهم ترین فناوری های غیرتهاجمی برای ثبت فعالیت الکتریکی عضلات اسکلتی است که در سال های اخیر توجه گسترده ای را در حوزه های مهندسی پزشکی، توانبخشی، رباتیک و رابط های انسان و ماشین به خود جلب کرده است. پیشرفت در طراحی حسگرهای پوشیدنی، توسعه روش های پردازش سیگنال و به کارگیری الگوریتم های یادگیری ماشین و یادگیری عمیق، موجب افزایش چشمگیر دقت تشخیص حرکات و کنترل پروتزهای میوالکتریک شده است. با وجود این پیشرفت ها، عواملی مانند نویز، تغییر محل قرارگیری الکترودها، تفاوت های فیزیولوژیکی افراد و خستگی عضلات همچنان از مهم ترین چالش های این حوزه محسوب می شوند. در این مقاله، با مرور پژوهش های کاربردی، روند پیشرفت فناوری های ثبت سیگنال، روش های پیش پردازش، استخراج ویژگی، الگوریتم های طبقه بندی و کاربردهای بالینی و صنعتی sEMG بررسی شده است. همچنین نقش معماری های نوین مبتنی بر یادگیری عمیق، به ویژه شبکه های کانولوشنی، شبکه های بازگشتی و مدل های مبتنی بر مکانیزم توجه (Transformer)، در افزایش دقت تشخیص حرکات مورد ارزیابی قرار گرفته است. نتایج مطالعات نشان می دهد که ترکیب حسگرهای پیشرفته با مدل های هوشمند می تواند عملکرد سامانه های کنترل پروتز و توانبخشی را به میزان قابل توجهی بهبود بخشد و زمینه توسعه نسل جدید رابط های انسان و ماشین را فراهم کند.

کلیدواژه ها:

الکترومیوگرافی سطحی ، پردازش سیگنال ، پروتز میوالکتریک ، یادگیری عمیق ، Transformer ، توانبخشی.