تفکیک حرکات عضله منتخب فوقانی به منظور کنترل ویلچر با استفاده از الکترومایوگرافی و شبکه عصبی مصنوعی

طی این پژوهش به تفکیک و طبقه بندی صحیحی از ویلچر های برقی مبتنی بر emg تک کاناله برای افراد با انواع معلولیت های مختلف دست یافتیم. از 10 نفرخانم در بازه سنی3 22± سال با سلامت کامل و به صورت داوطلبانه خواسته شد تا از دست راستشان با استفاده از عضلات موجود در ساعد و مچ دست سیگنال های الکترومایوگرافی را در 5 حالت مختلف برای 5 حالت کنترلی ویلچر اخذ نموده و با استفاده از فیلتر باترورث آن را پردازش کردیم ‌. ده ویژگی بارز و متفاوت مرتبط با حوزه زمان و حوزه فرکانس مبنی بر داده های اخذ شده در فواصل پنجره های زمانی 1 ثانیه ای با همپوشانی 10 درصد استخراج و برسی کردیم . نهایتا ویژگی های استخراج شده مذکور را به وسیله شبکه عصبی مصنوعی طبقه بندی کرده که طی این فرآیند به صحت 94 درصدی از میزان تفکیک داده ها دسترسی پیدا کردیم . پیشنهاد می شود در مطالعات آینده از سیگنال های دیگر بیوالکتریکی مانند الکتروانسفالوگرافی در کنار این ابزار برای بهبود و تسهیل کنترل ویلچر استفاده شود.