مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

648
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

581
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

تشخیص حرکات مچ دست از روی سیگنال الکترومایوگرام با استفاده از شبکه عصبی کانولوشنال

صفحات

 صفحه شروع 434 | صفحه پایان 439

چکیده

 زمینه و هدف: با پیشرفت یادگیری عمیق (Deep learning), انقلاب بزرگی در هوش مصنوعی ایجاد شده که بسیاری از رشته ها را به شدت تحت تاثیر خود قرار داده است. یادگیری عمیق, پردازش داده های خام با ابعاد بالا (مانند سیگنال یا تصویر) را بدون نیاز به مهندسی ویژگی (Feature engineering), امکان پذیر می کند. هدف از این پژوهش, توسعه یک سیستم بر پایه یادگیری عمیق, برای تخمین اراده حرکتی از روی سیگنال EMG می باشد. روش بررسی: در این مطالعه, یک سیستم مایوالکتریک (Myoelectric) بر پایه شبکه عصبی کانولوشنال (CNN) (که یک مدل یادگیری عمیق است), به عنوان جایگزینی برای روش های معمول طبقه بندی (Classification) که نیازمند به مهندسی ویژگی هستند, معرفی شده است. این سیستم برای حرکات انفرادی و ترکیبی مچ دست, بر روی ده شخص سالم, مورد ارزیابی قرار گرفته شد. عملکرد روش پیشنهادی, با یک سیستم استاندارد برپایه Support vector machine (SVM) که از ویژگی های حوزه زمانی (Time domain, TD) استفاده می کند, مقایسه گردید. یافته ها: باوجود عملکرد ثابت شده و رواج بسیار بالای ویژگی های TD, سیستم پیشنهادی به دقت طبقه بندی مشابهی (0/19P=) دست یافت. مزیت سیستم پیشنهادی در این است که نیازی به استخراج دستی و مهندسی ویژگی از سیگنال EMG وجود ندارد و CNN به صورت خودکار, ویژگی های مورد نیاز را فراگرفته و از سیگنال استخراج می کند. نتیجه گیری این یافته ها: , توانایی بالای CNN, برای یادگیری و استخراج اطلاعات غنی و پیچیده از سیگنال های بیولوژیک را نشان می دهد. CNN می تواند اطلاعات زمانی و فرکانسی مورد نیاز برای تخمین اراده حرکتی را از روی سیگنال EMG فرا بگیرد.

استنادها

ارجاعات

استناددهی

APA: کپی

عامری، علی. (1398). تشخیص حرکات مچ دست از روی سیگنال الکترومایوگرام با استفاده از شبکه عصبی کانولوشنال. مجله دانشکده پزشکی، 77(7 )، 434-439. SID. https://sid.ir/paper/365916/fa

Vancouver: کپی

عامری علی. تشخیص حرکات مچ دست از روی سیگنال الکترومایوگرام با استفاده از شبکه عصبی کانولوشنال. مجله دانشکده پزشکی[Internet]. 1398؛77(7 ):434-439. Available from: https://sid.ir/paper/365916/fa

IEEE: کپی

علی عامری، “تشخیص حرکات مچ دست از روی سیگنال الکترومایوگرام با استفاده از شبکه عصبی کانولوشنال،” مجله دانشکده پزشکی، vol. 77، no. 7 ، pp. 434–439، 1398، [Online]. Available: https://sid.ir/paper/365916/fa

مقالات مرتبط نشریه ای

مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button