فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی





متن کامل


اطلاعات دوره: 
  • سال: 

    1401
  • دوره: 

    16
  • شماره: 

    3
  • صفحات: 

    231-244
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    59
  • دانلود: 

    9
چکیده: 

از دست دادن صدا و حنجره یک معضل بزرگ برای افراد با اختلالات گفتاری است. این اتفاق عواقب جدی و منفی بر کیفیت زندگی فردی و گروهی این اشخاص به ویژه در محیط های کاری ایجاد می کند. توسعه ی یک سیستم هوشمند بر پایه ی سیگنال های الکترومایوگرام با قابلیت تشخیص گفتار (بدون استفاده از صوت) می تواند دریچه ی امیدبخشی برای افرادی که حنجره و صدای خود را بر اثر سرطان از دست داده اند باشد. اگر چه در این حوزه پژوهش هایی برای زبان های مختلف انجام شده اما برای زبان فارسی پژوهشی صورت نگرفته است. در این مقاله برای اولین بار، بازشناسی واژگان فارسی با استفاده از الکترومایوگرام عضلات چهره انجام پذیرفته است. بدین منظور سیگنال های sEMG از 8 عضله ی چهره ی 6 داوطلب هنگام بیان 12 کلمه ی زبان فارسی جمع آوری شده است. سپس ویژگی های MFL، VAR، DAMV، LTKE، IQR و Cardinality از هر کانال و هر پنجره از سیگنال استخراج گردیده و 432 ویژگی حاصل از هر سیگنال با استفاده از روش تحلیل مولفه ی اصلی به 49 ویژگی تقلیل یافته است. در نهایت به منظور بازشناسی 12 کلمه ی زبان فارسی، ویژگی ها به طبقه بندهای SVM، KNN و RF داده شده است. میانگین صحت طبقه بندی به ترتیب 16/83%، 91/81% و 97/78% به دست آمده است. ارزیابی نتایج این مقاله گویای آن است که با استفاده از سیگنال های EMG می توان کلمات محدود زبان فارسی را با صحت خوبی بازشناسی نمود.

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

بازدید 59

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 9 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1386
  • دوره: 

    1
  • شماره: 

    3
  • صفحات: 

    189-199
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1272
  • دانلود: 

    222
چکیده: 

در این مقاله یک روش کارآمد برای طبقه بندی سیگنال الکترومایوگرام سطحی را با استفاده از آمارگان مرتبه بالا ارایه می دهیم. چون تابع توزیع احتمال سیگنال الکترومایوگرام سطحی که در شرایط انقباض عضلانی ایزومتریک ثبت می گردد در بعضی موارد به توزیع گوسی بسیار نزدیک است، در بسیاری از تحقیقات گذشته این تابع توزیع گوسی فرض گردیده است. چون این فرض برای دامنه های کوچک نیرو نادرست است، در این مقاله برای استخراج ویژگی، با توجه به ماهیت غیرگوسی سیگنال الکترومایوگرام، آمارگان مرتبه های دوم، سوم، و چهارم برای این سیگنال در تاخیرهای متفاوت محاسبه و از این ویژگی ها در شناسایی الگوهای چهار حرکت ابتدایی باز و بسته کردن آرنج و چرخش به سمت داخل و خارج ساعد استفاده شده اند. از روش انتخاب ترتیبی مستقیم برای کاهش تعداد ویژگی های آمارگان مرتبه بالا استفاده کرده و طبقه بندی کننده K نزدیکترین همسایه برای دسته بندی آنها به کار گرفته شد. روش پیشنهادی در برابر تغییرات آماری نویز مقاوم بوده و در مقایسه با سایر روش های موجود، نیاز به محاسبات بیشتری برای حصول به نرخ بالا برای طبقه بندی ندارد. این امر، استفاده از روش پیشنهادی را در پروتزهایی که با سیگنال الکترومایوگرام سطحی به صورت بی درنگ کنترل می شوند امکان پذیر می سازد.

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

بازدید 1272

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 222 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

NIEMINEN H. | TAKALA E.P. | VIIKARI JUNTURA E.

اطلاعات دوره: 
  • سال: 

    1993
  • دوره: 

    67
  • شماره: 

    3
  • صفحات: 

    199-207
تعامل: 
  • استنادات: 

    1
  • بازدید: 

    112
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

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

بازدید 112

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 1 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

RAMEZANI M.M. | SHARAFAT A.R.

اطلاعات دوره: 
  • سال: 

    2010
  • دوره: 

    4
  • شماره: 

    2
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    259
  • دانلود: 

    0
چکیده: 

In this paper, we propose a novel approach for classification of surface Electromyogram (sEMG) signal with a view to controlling myoelectric prosthetic devices. The sEMG signal generated during isometric contraction is modeled by a stochastic process whose probability density function (PDF) is non-Gaussian for low levels of applied force. Since the PDF of ambient noise is assumed to be Gaussian, we extract correntropy features, as they contain information on non-Gaussian components (the sEMG signal) only, and utilize the linear discriminant analysis (LDA) to classify the sEMG signal using correntropy features. Our proposed method has lower classification error and requires much less computations as compared to other existing advanced methods.

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

بازدید 259

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

Khodadadi Vahid | Nowshiravan Rahatabad Fereidoun | SHEIKHANI ALI | Jafarnia Dabanloo Nader

اطلاعات دوره: 
  • سال: 

    2021
  • دوره: 

    8
  • شماره: 

    3
  • صفحات: 

    140-145
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    58
  • دانلود: 

    0
چکیده: 

Introduction: The usage of modeling methods has been proposed to achieve a better understanding of biological systems, so that some ambiguities about their function could be resolved. Accordingly, the present review was performed to model the Electromyogram signal of stimulated biceps brachii muscle. Methods: In this review study, a search was performed in databases of Emerald, Cochrane Library, MEEDLINE, EMBASE, Wiley, Scopus, and Magiran on papers published over the past 20 years. Papers that fulfilled all inclusion criteria were critically appraised in order to assess their quality. Out of the 66 papers extracted, eight original papers were included. The findings obtained from the papers were noted, and then underwent content analysis and categorization. Results: Findings indicated that most of the performed studies had been modeled using cybernetic, robotic, regression, and neural network modeling methods. These physiological mathematical models model the physiological structure of the muscle based on a direct description of biomechanical, biological, and physiological characteristics of the system individually, which is difficult for obtaining many parameters. Conclusion: Most of the models presented so far do not match reality and have errors. Thus, studies are required to design a model similar to a biological system with the properties of biological systems in order to reduce the modeling error.

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

بازدید 58

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 1
اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    19
تعامل: 
  • بازدید: 

    163
  • دانلود: 

    0
کلیدواژه: 
چکیده: 

HUMAN ARM STIFFNESS IS IMPORTANT IN MOVEMENT STABILITY IN UNSTABLE OR NOVEL ENVIRONMENTS. THEREFORE MEASUREMENT OF THE ARM STIFFNESS IS NECESSARY TO STUDY ON CONTROL MECHANISMS INVOLVED IN STABILIZATION AND ADAPTATION TO ENVIRONMENTS DYNAMICS. PREVIOUS TECHNIQUES, DID NOT MEASURE TIME-VARYING STIFFNESS EXPLICITLY. HERE WE INTRODUCE A NOVEL METHOD TO ESTIMATE ARM STIFFNESS USING EMG SIGNALS. IN THIS METHOD, MUSCLES ACTIVATION LEVELS ARE RELATED TO JOINTS TORQUES AND STIFFNESS. WE DERIVED ANALYTICAL RELATIONS TO CALCULATE ARM STIFFNESS USING JOINTS DYNAMICS. THIS METHOD WAS USED TO FIND ARM STIFFNESS PROFILE IN 12 SUBJECTS, BEFORE A REACHING MOVEMENT TASK. RESULTS IMPLY THAT THIS METHOD CAN BE USED TO FIND TIME-VARYING PROFILE OF THE ARM STIFFNESS.

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

بازدید 163

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
نویسندگان: 

مگری مریم | گرایلو هادی

اطلاعات دوره: 
  • سال: 

    1398
  • دوره: 

    49
  • شماره: 

    4 (پیاپی 90)
  • صفحات: 

    1837-1848
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    354
  • دانلود: 

    178
چکیده: 

امروزه تمایل زیادی به ذخیره طولانی مدت سیگنال های الکترومایوگرام (EMG) و بنابراین فشرده سازی مؤثر آنها وجود دارد. در این مقاله، با توجه به تغییرات زمانی نسبتاً سریع سیگنالهای الکترومایوگرام، یک نسخه هموار متناظر با سیگنال الکترومایوگرام مورد نظر تولید می شود تا کارایی فشرده سازی بهبود یابد. برای هموارسازی سیگنال، برای اولین بار در این مقاله، از تکنیک پیش تاکید-واتاکید در حوزه تبدیل فوریه استفاده شده است. سیگنال هموار شده، به منظور افزایش تزاید مکانی، به کمک تکنیک دوبعدی سازی به تصویر معادل خود تبدیل و سپس به کمک تبدیل موجک و کدگذاری SPIHT فشرده سازی می شود. روش پیشنهادی به کمک دو دسته از معیارها، معیارهای قدرت فشرده سازی (شامل PRD و CF) و معیارهای قدرت حفظ اطلاعات کلینیکی (شامل چهار پارامتر طیفی) ارزیابی شده است. نتایج، همگی نشان دهنده توانمندی و برتری روش پیشنهادی در مقایسه با مهمترین روش های امروزی بوده اند.

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

بازدید 354

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 178 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
نویسندگان: 

Khodadadi Vahid | Nowshiravan Rahatabad Fereidoun | Sheikhani Ali | Jafarnia Dabanloo Nader

اطلاعات دوره: 
  • سال: 

    621
  • دوره: 

    13
  • شماره: 

    1
  • صفحات: 

    29-39
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    6
  • دانلود: 

    0
چکیده: 

Background: This study was conducted to compare the response between the results of experimental data and the results achieved by the NARX neural network model to predict the Electromyogram (EMG) signal on the biceps muscle in nonlinear stimulation conditions as a new stimulation model. Methods: This model is applied to design the controllers based on functional electrical stimulation (FES). To this end, the study was conducted in five stages, including skin preparation, placement of recording and stimulation electrodes, along with the position of the person to apply the stimulation signal and recording EMG, stimulation and recording of single? channel EMG signal, signal preprocessing, and training and validation of the NARX neural network. The electrical stimulation applied in this study is based on a chaotic equation derived from the Rossler equation and on the musculocutaneous nerve, and the response to this stimulation, i. e., the EMG signal, is from the biceps muscle as a single channel. The NARX neural network was trained, along with the stimulation signal and the response of each stimulation for 100 recorded signals from 10 individuals, and then validated and retested for trained data and new data after processing and synchronizing both signals. Results: The results indicate that the Rossler equation can create nonlinear and unpredictable conditions for the muscle, and we also can predict the EMG signal with the NARX neural network as a predictive model. Conclusion: The proposed model appears to be a good method to predict control models based on FES and to diagnose some diseases.

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

بازدید 6

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1383
  • دوره: 

    17
  • شماره: 

    4
  • صفحات: 

    10-14
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1419
  • دانلود: 

    0
چکیده: 

هدف: روش متداول برای تزریق سم بوتولینوم A در عضلات خارج چشمی، استفاده از دستگاه آمپلی فایر الکترومیوگرام هنگام تزریق داخل عضلات می باشد. ما روش آسانتر و کم هزینه تر را ارائه می نمائیم که بدون استفاده از دستگاه فوق تزریق انجام گردیده و نتایج مورد نظر بدست آمده است. بیماران و روش: در این روش در 7 بیمار مورد مطالعه جمعا در 10 عضله خارج چشمی تزریق انجام شده است. در هر عضله معادل 10 IU سم بوتولینوم A از نوع Dysport بدون استفاده از دستگاه آمپلی فایر الکترومیوگرام مستقیما داخل عضله تزریق گردید. برای کسانی که همکاری داشتند با استفاده از قطره تتراکائین، بیحسی موضعی داده شد و کسانی که همکاری نداشتند تحت light general anesthesia قرار گرفتند. یافته ها: در کلیه بیماران علائم فلجی موقت در عضله تزریق شده پس از 48 ساعت ظاهر شد. ضمن اینکه هیچگونه عارضه ای مانند هماتوم عضله، خونریزی رتروبولبار و یا پرفوراسیون گلوب مشاهده نشد. نتیجه گیری: تزریق سم بوتولینوم در عضلات خارج چشمی به روش مستقیم بدون استفاده از دستگاه الکترومیوگرام می تواند باعث فلج موقت عضله شود، بدون اینکه عارضه مهمی بوجود آید.

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

بازدید 1419

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
اطلاعات دوره: 
  • سال: 

    1396
  • دوره: 

    14
  • شماره: 

    1 (پیاپی 31)
  • صفحات: 

    41-52
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    706
  • دانلود: 

    174
چکیده: 

امروزه بررسی ارتباط بین سیگنال های نیرو و فعالیت الکتریکی عضله ها بسیار حائز اهمیت بوده و در مسائل مهمی مانند تحلیل حرکت، علوم ارتوپدی، توانبخشی، طراحی ارگونومیک و تعامل انسان-ماشین و کاربردهای پزشکی مانند کنترل پروتزهای مصنوعی کاربرد فراوانی دارد. از مزیت های استفاده از الکترودهای سطحی، ارزان تر و قابل حمل بودن آن ها در مقایسه با حس گرهای نیرو است که به طورمعمول گران هستند و ساختار حجیمی دارند. از آنجایی که اندازه گیری نیروی گاز گرفتن بسیار سخت و پیچیده است، در این مقاله می خواهیم توانایی شبکه های عصبی چند لایه پرسپترون (MLPANN) و توابع با پایه شعایی (RBFANN) را در پیش بینی نیروی گاز گرفتن توسط دندان پیشین از روی سیگنال های اکترومایوگرام صورت بررسی کنیم. بدین منظور سیگنال الکترومایوگرام عضلات گیجگاهی و ماضغه و نیروی گاز گرفتن به ترتیب به عنوان ورودی و خروجی شبکه های عصبی در نظر گرفته شده اند. برای پیدا کردن بهترین ساختار شبکه و تاخیر زمانی مناسب سیگنال های الکترومایوگرام، از الگوریتم ژنتیک (GA) استفاده شده است. نتایج نشان می دهند که سیگنال الکترومایوگرام عضلات یادشده شامل اطلاعات مفیدی از نیروی گازگرفتن هستند. روش های MLPANN و RBFANN دینامیک مورد نظر را با دقت مناسبی شناسایی می کنند. درصد میانگین مربع خطا در مرحله آموزش و آزمون به ترتیب 3/2%و 4/19% برای MLPANN و 3/8% و 7/22% برای RBFANN است. همچنین روش تحلیل واریانس نشان می دهد که تفاوت معناداری بین نتایج حاصله از MLPANN و RBFANN وجود ندارد.

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

بازدید 706

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesدانلود 174 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesاستناد 0 مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resourcesمرجع 0
litScript
telegram sharing button
whatsapp sharing button
linkedin sharing button
twitter sharing button
email sharing button
email sharing button
email sharing button
sharethis sharing button