سال انتشار: ۱۳۹۱

محل انتشار: پانزدهمین کنفرانس دانشجویی مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

افسانه زادنیا – دانشجوی کارشناسی ارشد مهندسی پزشکی بیوالکتریک
سعید راحتی – استادیار دانشگاه آزاد مشهد
فریبا بیوکی – دانشجوی کارشناس ارشد مهندسی پزشکی بیوالکتریک

چکیده:

خستگی به عنوان یک علامت مزمن دربرخی ازاختلالات نظیر MS پارکینسون و بیماریهای اسکلتی عضلانی ظهور می یابد و از آن جا که پدیده ای چندبعدی و ذهنی است تعیین دقیق سطوح آن امری ضروری است هدف ازاین مقاله مقایسه عملکرد دو روش هوشمند شبکه عصبی برای تشخیص خودکارخستگی عضلانی و انتخاب مناسب ترین روش می باشد برای این منظور سیگنالهای EMG سطحی از عضلات استرنوکلیدوماستوئید ۹ سوژه ی زن سالم حین تست استقامت فلکشن گردن ثبت شده اند سپس ۱۱ ویژگی درحوزه زمان فرکانس و زمان – فرکانس از این سیگنالها استخراج شده است نتایج نشان داده اند که درمرحله آزمایش صحت دسته بندی به دو کلاس خسته و غیرخسته با استفاده از شبکه های عصبی MLP 1 RBF به ترتیب ۸۷/۱درصد و ۹۶/۳درصد می باشد از این رو استفاده از شبکه عصبی MLP ازنظر صحت عملکرد و سرعت اجرا به ویژه زمانی که تعدادداده ها افزایش می یابد گزینه ای مناسب نسبت به شبکه RBF به شمار می رود.