سال انتشار: ۱۳۹۱

محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران

تعداد صفحات: ۶

نویسنده(ها):

افسانه زادنیا – دانشجوی کارشناسی ارشد مهندسی پزشکی- بیوالکتریک دانشگاه آزاد اسلامی و
سعید راحتی قوچانی – استاد یار گروه مهندسی برق دانشکده فنی و مهندسی دانشگاه آزاد اسلامی – و
فریبا بیوکی – دانشجوی کارشناسی ارشد مهندسی پزشکی- بیوالکتریک، دانشگاه آزاد اسلامی –

چکیده:

خستگی به عنوان یک علامت مزمن در برخی از اختلالات نظیر MS، پارکینسون و بیماری های اسکلتی – عضلانی ظهور می یابد و از آن جا که مسأله ای پیچیده برای پزشکان به شمار می آید، تعیین دقیق سطوح آن، امری ضروری تلقی می شود. در این مقاله از سیگنال های الکترومایوگرافی سطحی (SEMG) به عنوان یک روش غیر تهاجمی برای تشخیص خستگی عضلانی استفاده می شود که پس از کمی سازی این سیگنال، ۱۱ ویژگی در حوزه ی زمان، فرکانس و زمان- فرکانس استخراج شده است. در این مقاله سعی شده است، ضمن مقایسه ی دو روش هوشمند شبکه ی عصبی برای تشخیص خستگی عضلانی، مناسب ترین روش انتخاب گردد. نتایج نشان می دهند که در مرحله آزمایش، صحت طبقه بندی در تشخیص خستگی عضلانی با استفاده از شبکه های عصبی RBF و MLP به ترتیب ۸۷/۱% و ۹۶/۳% می باشد. از این رو استفاده از شبکه های عصبی MLP، از نظر صحت عملکرد و سرعت اجرا، به ویژه زمانی که تعداد داده ها افزایش می یابد، گزینه ای مناسب به شمار می رود.