دوره 14، شماره 1 - ( 3-1396 )                   جلد 14 شماره 1 صفحات 41-52 | برگشت به فهرست نسخه ها



DOI: 10.18869/acadpub.jsdp.14.1.41

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Goharian N, Moghimi S, Kalani H. Application of an ANN-GA Method for Predicting the Biting Force Using Electromyogram Signals. JSDP. 2017; 14 (1) :41-52
URL: http://jsdp.rcisp.ac.ir/article-1-361-fa.html
گوهریان نازنین، مقیمی سحر، کلانی هادی. استفاده از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای پیش بینی نیروی گاز گرفتن از روی سیگنال الکترومایوگرام. پردازش علائم و داده‌ها. 1396; 14 (1) :41-52

URL: http://jsdp.rcisp.ac.ir/article-1-361-fa.html


استادیار دانشگاه فردوسی مشهد
چکیده:   (405 مشاهده)

امروزه بررسی ارتباط بین سیگنال­‌های نیرو و فعالیت الکتریکی عضله‌­ها 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 مزیت­‌های استفاده از الکترودهای سطحی، ارزان­تر و قابل­‌حمل‌بودن آن­ها در مقایسه با حس‌گرهای نیرو است که به‌طورمعمول گران هستند و ساختار حجیمی دارند. از آنجایی که اندازه­‌گیری نیروی گاز‌گرفتن بسیار سخت و پیچیده است، در این مقاله می‌­خواهیم توانایی شبکه‌های عصبی چند لایه پرسپترون (MLPANN) و توابع با پایه شعایی (RBFANN) را در پیش­بینی نیروی گاز‌گرفتن توسط دندان پیشین از روی سیگنال­‌های اکترومایوگرام صورت بررسی کنیم. بدین منظور سیگنال الکترومایوگرام عضلات گیجگاهی و ماضغه و نیروی گاز‌گرفتن به‌ترتیب به‌عنوان ورودی و خروجی شبکه‌­های عصبی در نظر گرفته شده­‌اند. برای پیدا‌کردن بهترین ساختار شبکه و تأخیر زمانی مناسب سیگنال­‌های الکترومایوگرام، از الگوریتم ژنتیک (GA)  استفاده شده است. نتایج نشان می‌­دهند که سیگنال الکترومایوگرام عضلات یادشده شامل اطلاعات مفیدی از نیروی گازگرفتن هستند. روش‌­های MLPANN و RBFANN دینامیک مورد نظر را با دقت مناسبی شناسایی می­‌کنند. درصد میانگین مربع خطا در مرحله آموزش و آزمون به‌ترتیب 3/2%و 4/19% برای MLPANN و 3/8% و 7/22% برای  RBFANN است. همچنین روش تحلیل واریانس نشان می‌­دهد که تفاوت معناداری بین نتایج حاصله از MLPANN و RBFANN  وجود ندارد.

متن کامل [PDF 4901 kb]   (156 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: ۱۳۹۴/۱/۲۹ | پذیرش: ۱۳۹۵/۸/۸ | انتشار: ۱۳۹۶/۴/۲۷ | انتشار الکترونیک: ۱۳۹۶/۴/۲۷

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها می باشد.