|
|
|
|
تحلیل تاثیر روش بهینه‌سازی و پارامترهای تنظیم کننده‌ی شبکه‌ی عمیق جهت بهبود صحت کلاس‌بندی حرکات انگشتان دست مبتنی بر سیگنال الکترومایوگرام
|
|
|
|
|
|
|
|
نویسنده
|
صاحب‌جمعیان مسعود ,احمدی‌پژوه محمدعلی ,مرادی محمدحسن
|
|
منبع
|
مهندسي پزشكي زيستي - 1402 - دوره : 17 - شماره : 3 - صفحه:235 -247
|
|
چکیده
|
حرکات دست و انگشتان در زندگی روزمره نقش مهمی دارد. ممکن است در اثر بیماری و سوانح به این اندام آسیب وارد شود. در توان‌بخشی انگشتان دست و درمان آسیب های وارده به آن‌ها، طبقه‌بندی حرکات انگشتان دست و شناسایی وضعیت آن‌ها بسیار حائز اهمیت است. یکی از روش ها برای ایجاد نگاشت بین سیگنال الکترومایوگرام سطحی و کلاس های حرکتی انگشتان دست، به کارگیری دانش یادگیری عمیق است. این علم در سال‌های اخیر باعث پیش‌رفت های چشم گیری در بسیاری از زمینه ها شده است. در این مطالعه به طبقه بندی و شناسایی 8 حرکت انگشتان دست بر اساس شبکه های عصبی عمیق کانولوشنال پرداخته شده است. داده های مورد نیاز این پژوهش که سیگنال های الکترومایوگرام سطحی بوده مربوط به پایگاه داده‌ی نیناپرو است. نتایج نشان می دهد که دقت طبقه‌بندی در برخی از حرکات به 98.9 درصد رسیده است. برخی از تنظیم کننده ها و بهینه کننده ها می توانند بر دقت طبقه بندی بسیار موثر باشند. با انتخاب صحیح تنظیم کننده ها از قبیل لایه ی حذف تصادفی و l2 دقت طبقه‌بندی قابل افزایش است.
|
|
کلیدواژه
|
الکترومایوگرام سطحی، شبکه‌ی عصبی کانولوشن، شبکه‌ی عصبی عمیق، طبقه‌بندی، بهینه کننده، تنظیم کننده
|
|
آدرس
|
دانشگاه صنعتی امیرکبیر, دانشکده‌ی مهندسی پزشکی, گروه بیوالکتریک, ایران, دانشگاه صنعتی امیرکبیر, دانشکده‌ی مهندسی پزشکی, گروه بیوالکتریک, ایران, دانشگاه صنعتی امیرکبیر, دانشکده‌ی مهندسی پزشکی, گروه بیوالکتریک, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
analysis of the effect of the optimization method and the regulating parameters in the deep network to improve the classification accuracy of finger movements based on electromyogram signal
|
|
|
|
|
Authors
|
saheb jameyan masoud ,ahmadi pajouh mohammad ali ,moradi mohammad hassan
|
|
|
|
|
Keywords
|
surface electromyogram ,convolution neural ,network ,deep neural network ,classification ,optimizer ,regulator
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|