طبقه بندی سیگنال الکترومایوگرافی به منظور استخراج سطح فعالیت عضله منتخب اندام فوقانی

با تعیین سطح فعالیت عضلات بدن می توان در حوزه های ورزش و توانبخشی سبب پیشگیری، درمان و بهبود عملکرد شد. الکترومایوگرافی(emg) ابزاری متداول در امر ثبت سیگنال های عضله است. در این مقاله از الکترومایوگرافی سطحی تک کاناله در استخراج سطح فعالیت عضله دو سر بازو در حالت ایزومتریک استفاده شده است. سیگنال ها از 9 خانم به دست امد. و با استفاده از حداکثر انقباض ایزومتریک ارادی(mvic) نرمال سازی شد. در این مطالعه روش هایی برای پنجره گذاری پیشنهاد می شود. همچین پس از مرتب سازی و فیلتر کردن سیگنال، ویژگی های آماری و فرکانسی استخراج شده و توسط شبکه عصبی مصنوعی(ann) طبقه بندی شد. و تعداد لایه های پنهان ann با هم مقایسه شد. شبکه عصبی مصنوعی با نظارت، در تشخیص سطح فعالیت عضله دوسر بازو موفق عمل کرد و با صحت 96.3 درصد توانست داده ها را از هم تفکیک کرده و در 5 دسته طبقه بندی نماید. هدف مقاله حاضر معرفی معیاری مناسب برای استخراج سطح فعالیت عضله، به صورت اختصاصی، دو سر بازو می باشد.

classification of electromyographic index in order to determine the activity level of selected upper limb muscles

by determining the activity level of body muscles, it is possible to prevent, treat and improve performance in the fields of exercise and rehabilitation. electromyography (emg) is a common tool for recording muscle signals. in this article, single-channel surface electromyography is used to extract the activity level of the biceps muscle in isometric mode. the signals were obtained from 9 women. and it was normalized using maximal voluntary isometric contraction (mvic). in this study, windowing methods are suggested. also, after sorting and filtering the signal, statistical and frequency characteristics were extracted and classified by artificial neural network (ann). and the number of hidden layers of ann was compared. the artificial neural network was successful in detecting the activity level of the biceps muscle and was able to separate the data and classify it into 5 categories with the accuracy of 96.3%. the purpose of this article is to introduce a suitable criterion for extracting the level of muscle activity, specifically, biceps brachii.