استخراج خستگی عضلات و تفکیک حرکات در پله نوردی از طریق الکترومایوگرافی

اسکلت بیرونی یکی از بهترین روش های توان بخشی برای بیماران سکته مغزی و قلبی است. در سال های اخیر تلاش های زیادی برای استفاده از هوش مصنوعی برای تشخیص پیش از موعد حرکات بیماران در نظر گرفته شده است. الکترومایوگرافی سطحی یکی از سیگنال های حیاتی برای تشخیص پیش از موعد حرکات بیماران است. در این پژوهش سیگنال الکترومایوگرافی از عضله گاستروکنیموس ۱۰ نفر مرد سالم و داوطلب با محدوده سنی ۵±۲۳ سال در دو حالت بالا رفتن و پایین آمدن از پله ها ثبت شد. پنجره گذاری ۲ ثانیه ای از داده ها انجام و تعداد ۸ ویژگی در حوزه زمان، فرکانس و ویژگی های غیرخطی مانند آنتروپی شنونی از داده های مذکور استخراج شد. پس از استخراج ویژگی ها از طریق شبکه عصبی مصنوعی حرکات بالا رفتن و پایین آمدن از پله ها با صحت ۱۰۰ درصد تفکیک گردید. این مطالعه می تواند درزمینه اسکلت بیرونی، پاهای مصنوعی و ارتزها و پروتزهای اندام تحتانی و واپایشگرهای همیار پله نوردی کاربرد داشته باشد

کلیدواژه ها:

الکترومایوگرافی ، شبکه عصبی مصنوعی ، پله نوردی ، اسکلت خارجی ، اگزواسکلتون