ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A PCA-Assisted EMG-Driven Model to Predict Upper Extremities’ Joint Torque in Dynamic Movements

تعداد صفحات: 6 | تعداد نمایش خلاصه: 694 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: ICBME20_013
زبان مقاله: انگلیسی
(فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A PCA-Assisted EMG-Driven Model to Predict Upper Extremities’ Joint Torque in Dynamic Movements

Shakiba Rafiee - Biomedical Engineering Department Amirkabir University of Technology Tehran, Iran
Hossein Ehsani - Biomedical Engineering Department Amirkabir University of Technology Tehran, Iran
Mostafa Rostami - Biomedical Engineering Department Amirkabir University of Technology Tehran, Iran

چکیده مقاله:

To relate electromyographic signals (EMG) to net joint torque, different approaches have been taken into account. In this regard, some researchers chose to use PrincipalComponent Analysis (PCA). A Study in 2001 reported a linear relationship between the PCA-processed EMG data and the joint torque while investigating isometric movements. In this project we questioned the possibility to use this method for free dynamictasks. Four healthy subjects participated in the current study,performing three sets of Dumbbell Kick Back exercise for five different dumbbell weights. The net joint torque was calculatedusing the kinematic data in an inverse dynamics model. Meanwhile the EMG data were processed with a PCA method,and then were input to the model to estimate the joint torque. In order to predict this torque, we used two models; a single-inputmodel that was fed with the PCA-processed EMG of the all corresponding muscles; and a double-input model that utilized the PCA-rocessed EMG data of the agonist and antagonist muscles separately. The results demonsrated that both the single-input and double-input models are apable of predicting the torque for both isometric and free dynamic tasks. Employing a paired t-test we found that the double-input model was significantly more successful in estimating the torque comparing to the single-input model (p < 0.005). The other factor (the movement type) proved to also have a significant effect on theestimation outcome (p < 0.0005). In general, this study suggests that a linear relationship exists between PCA-processed EMGdata and the joint torque in both isometric and free dynamic movements; however, in order to have a better estimate of the net joint torque, distinguishing the agonist-antagonist muscle groups’ generated torques may be beneficial.

کلیدواژه ها:

EMG-Torque Relationship, Principal Component Analysis, Free Dynamic Task, Parameter Identification

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/340028/

کد COI مقاله: ICBME20_013

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rafiee, Shakiba و Ehsani, Hossein و Rostami, Mostafa,1392,A PCA-Assisted EMG-Driven Model to Predict Upper Extremities’ Joint Torque in Dynamic Movements,بیستمین کنفرانس مهندسی پزشکی ایران,تهران,,,https://civilica.com/doc/340028

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392, Rafiee, Shakiba؛ Hossein Ehsani و Mostafa Rostami)
برای بار دوم به بعد: (1392, Rafiee؛ Ehsani و Rostami)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 19,748
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی