انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822A Behavioral Based Model for Describing Learning Farsi Charactersمدلی رفتار پایه جهت توصیف یادگیری نوشتن حروف فارسی75841343310.22041/ijbme.2008.13433FAمریم نقیب الحسینیدانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهرانفریبا بهرامیاستادیار، دانشکده مهندسی برق و کامپیوتر، قطب کنترل و پردازش هوشمند، دانشگاه تهرانJournal Article20150626This paper proposes a model to learn Farsi handwriting in different sizes based on human behavior. This model copies a human handwritten character with imitation. The imitation includes two stages of perception and action. During the perception, the information that is needed in order to generate the character is extracted from the original pattern and during the action, the model generates a character similar to the original one. To rewrite a given character, first it is decomposed into the consecutive strokes. Each stroke is approximated by several linear subdivisions. We considered the slopes and lengths of these subdivisions as the features of a given handwriting. The model learns to write a character by learning to reproduce these features. These features are descriptive of the human handwriting behavior. The learning process becomes complete when all points of the character's trajectory have distance less than a specified distance with the original trajectory. This specified distance describes visual attention and is defined as the attention width. Attention width demonstrates the human accuracy during the different trials of learning. In our model, visual attention is adaptive and decreases as the learning progresses. After the completion of learning, Farsi letters with different sizes can be generated using only memory. In order to evaluate the performance of the model, the correlation between the original and simulated characters is used. The simulation results showed good performance of the model between different Farsi characters. در این مقاله مدلی بر اساس رفتار نوشتاری انسان و به منظور یادگیری نوشتن حروف فارسی در اندازه های مختلف پیشنهاد شده است. این مدل با تقلید از یک حرف نوشته شده به وسیله انسان، اقدام به رونویسی آن می کند. تقلید شامل دو مرحله درک و عمل است. در مرحله درک، اطلاعات مورد نیاز برای تولید حرف از الگوی اصلی استخراج می شود و در مرحله عمل، مدل اقدام به تولید حرف به صورت مشابه با الگوی اصلی می کند. برای نوشتن مجدد یک حرف ابتدا آن را به اجزای تشکیل دهنده خود یا ضربه های نوشتاری تجزیه می کنیم. هر ضربه با تقریب تکه ای خطی به زیر بخش هایی تقسیم می شود. شیب و طول قدم هر یک از این زیر بخش ها به عنوان ویژگی های حرف نوشته شده در نظر گرفته می شوند و مدل با یادگیری این ویژگی ها نوشتن حرف را می آموزد. این ویژگی ها معرف رفتار نوشتاری انسان است. یادگیری در صورت توانمندی مدل در تولید مسیر به گونه ای که تمام نقاط روی آن، فاصله ای کمتر از یک میزان از پیش تعریف شده از مسیر اصلی را دارا باشد، تکمیل می شود. این میزان از پیش تعریف شده را عرض توجه می نامیم که نشان دهنده توجه بصری و معرف دقت فرد در طول مراحل یادگیری است. در مدل پیشنهادی توجه بصری تطبیقی استو با پیشرفت یادگیری کاهش می یابد. پس از پایان یادگیری، مدل توانایی تولید حروف فارسی در اندازه های مختلف و با استفاده از حافظه را داراست. به منظور بررسی عملکرد مدل از محاسبه همبستگی بین مسیر حرف تولید شده به وسیله مدل و مسیر الگوی اصلی استفاده می شود. نتایج حاصل حاکی از عملکرد بسیار خوب مدل در بین داده های مختلف فارسی است.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822Experimental and Theoretical Investigation of Human Stability under Tilting Base Plate in the Sagittal Planeمطالعه فرضیه ای و تجربی پایداری انسان در اثر دوران سطح زیر پا در صفحه ساجیتال85931343410.22041/ijbme.2008.13434FAداوود نادریاستادیار گروه مهندسی مکانیک، دانشکده مهندسی، دانشگاه بوعلی سینامحسن صادقی مهراستادیار گروه مهندسی مکانیک، دانشکده مهندسی، دانشگاه بوعلی سینانادر فرهپوردانشیار گروه تربیت بدنی و علوم ورزشی، دانشکده ادبیات، دانشگاه بوعلی سینابهنام میریپور فرددانشجوی کارشناسی ارشد مهندسی مکانیک، دانشکده مهندسی، دانشگاه بوعلی سیناJournal Article20150626Cognition of human postural responses can provide valuable insight on the control of stability. Researchers can use this finding to design rehabilitation exercises to improve the patients, balance. This study was done with the aim of conducting theoretical and experimental investigations on human response to tilting base plate in the sagittal plane. A four-segment model with three degrees of freedom was used as a biomechanical model of human body and its motion was studied in the sagittal plane. The postures of model were found by optimization technique such that the stability of model to be optimum. Zero moment point stability criterion was applied to find the optimum posture against the tilting base plate. To verify the theoretical results experimentally, the stability measure device was designed and manufactured. In several trials, the responses of ten male healthy persons standing on a tilting platform under perturbations were recorded by using the motion analysis system. Through data analysis, the response of each subject was surveyed and the experimental and theoretical results were compared. Both the experimental and theoretical results showed that the human central nervous system evokes the ankle strategy to keep its balance under tilting base plate conditions. A good coincident between the experimental results and theoretical predictions was observed, indicating that the model basis optimization method can be well relied upon to predict the human joints angle trajectories in response to base plate tilting. شناخت واکنش های حرکتی انسان علاوه بر کاربردهایی رایج در رباتیک و گرافیک کامپیوتری، به محققان این امکان را می دهد که با تشریح و بررسی دقیق عکس العمل ها، ضمن کسب اطلاعات کاملی از فرایند حفظ پایداری و روند وقوع حرکت، الگوهای حرکتی مناسب و بهینه ای برای تقویت سیستم عصبی- عضلانی و کمک به حفظ پایداری انسان، پیشنهاد کنند. در این مقاله به دو روش فرضیه ای و تجربی به بررسی پایداری انسان در برابر اغتشاش ناپایدار کننده ای به صورت دوران سطح زیر پا، پرداخته شده است. در روش فرضیه ای با در نظر گرفتن یک مدل رباتیکی چهار لینکی برای انسان و حل معادلات سینماتیکی و دینامیکی مدل با در نظر گرفتن اغتشاش خارجی، سعی شد به روش بهینه سازی و بر اساس معیار پایداری نقطه ممان صفر، الگوهای حرکتی برای حفظ پایداری انسان تعیین شود. در روش تجربی به منظور مشاهده عکس العمل واقعی انسان به اغتشاش دوران سطح زیر پا، دستگاه اعمال کننده اغتشاش دورانی طراحی و ساخته و آزمایش هایی بر روی 10 فرد سالم انجام شد. با اجرای این آزمایش ها واکنش سینماتیکی انسان به اغتشاش ناپایدار کننده سطح زیر پا به وسیله دوربین های فرکانس بالا ضبط شد. پس از پردازش داده ها، مشاهدات تجربی با محاسبات فرضیه حاصل از روش بهینه سازی مقایسه شدند. بررسی نتایج دو روش- با نمایش انطباق خوب نتایج تجربی و فرضیه ای- توانایی بسیار بالای روش مدلسازی و بهینه سازی در تعیین واکنش های حرکتی انسان را نشان داد. همچنین نتایج هر دو روش نشان داد که سیستم کنترل عصبی- عضلانی انسان به طور عمده استراتژی مچ پا را برای حفظ پایداری در برابر دوران سطح زیر پا فراخوانی می کند. بنابراین تقویت مفصل مچ و عضلاتی که در بکارگیری استراتژی مچ نقش کلیدی دارند یک گام مهم در جلوگیری از افتادن افراد سالخورده در اثر چنین اغتشاشی خواهد بود.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822Evaluation of Dynamical Structure of Postural Balance Control System During Quiet Standing in Normal and C.V.A Subjectsارزیابی دینامیک حاکم بر سیستم کنترل تعادل حین ایستادن کامل در فرد سالم و بیمار همی پلژی951071343510.22041/ijbme.2008.13435FAحامد قماشچیدانشجوی دکترای بیومکانیک، دانشکده مهندسی پزشکی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامیعلی استکیدانشیار گروه مهندسی و فیزیک پزشکی، دانشگاه علوم پزشکی شهید بهشتیعلی مطیع نصرآبادیاستادیار دانشکده فنی و مهندسی، گروه مهندسی پزشکی، دانشگاه شاهدJournal Article20150626In this study, the underlying dynamics of postural control system during quiet standing were investigated. Single-subject (SS) analysis was used as the statistical technique to compare the results. Center of pressure (COP) trajectories of 21 trials of a standing healthy subject and 24 trials of a cerebrovascular attacked (CVA) patient were considered in our analysis. Complexity, dimensionality and stability of postural balance control system were evaluated using the first local minimum of auto mutual information (AMI) function, correlation dimension (Dc) and largest lyapunov exponent (LLE), respectively. The results indicated higher time delays (higher determinism), lower correlation dimension (lower active dynamical degrees of freedom) and lower LLE (increase of local stability) in the postural steadiness time series of the CVA patient in compare with the normal subject. The results showed that these measures not only can be used as pathologic measures to distinguish healthy subjects from CVA patient but also provide us new openings to disclose the postural control mechanism during a quiet standing. در این مطالعه ضمن بررسی نوسان های پوسچرال یک فرد جوان سالم و یک بیمار همی پلژی حین ایستادن کامل با استفاده از سری های زمانی نوسان های مرکز فشار به روش تک آزمودنی، سعی شد سلامت سیستم کنترل پوسچر با استفاده از معیارهای دینامیکی غیرخطی ارزیابی گردد. پیچیدگی، ابعاد و پایداری سیستم دینامیکی حاکم بر کنترل پوسچر با استفاده از شاخص های زمان وقوع اولین مینیمم موضعی تابع اطلاعات متقابل، بعد همبستگی و بزرگترین نمای لیاپانوف مورد بررسی قرار گرفته است. نتایج به دست آمده بیانگر بالاتر بودن تاخیر زمانی سری های زمانی نوسان های مرکز فشار (افزایش قطعیت) و پایین تر بودن بعد همبستگی (کاهش درجات آزادی فعال) و پایین تر بودن بزرگترین نمای لیاپانوف (افزایش پایداری موضعی) در بیمار همی پلژی نسبت به فرد سالم است. این معیارها علاوه بر اینکه می توانند به عنوان معیارهای پاتولوژیک برای تشخیص بیماران از افراد سالم به کار گرفته شوند، دریچه های جدیدی را برای کشف دینامیک حاکم بر سیستم کنترل پوسچر می گشایند.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822How Does CNS Address the Kinetic Redundancy in Lumbar Spine? Three Dimensional Isometric Exertions With 18 Hill Muscle Fascicles at L4/L5 Level of Lumbar Regionسیستم اعصاب مرکزی چگونه مساله نامعینی را در ناحیه کمری حل می کند؟ مدلسازی 18 عضله ای تمرین ایزومتریک در سطح مهره L5/L4 ناحیه کمری بر اساس مدل هیل1091221343610.22041/ijbme.2008.13436FAاحسان راشدیدانشجوی دکترای دانشکده مهندسی مکانیک، دانشگاه صنعتی شریفمحمدرضا نساجیاندانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریفبهمن ناصرالاسلامیدانشجوی دکترای دانشکده مهندسی زیست، دانشگاه استراتکلایدمحمد پرنیانپوراستاد مدعو دانشکده مهندسی مکانیک، دانشگاه صنعتی شریف
استاد دانشکده اطلاعات و مهندسی صنایع، دانشگاه هانیانگ - آنسانJournal Article20150626Human motor system is organized for execution of various motor tasks in different and flexible ways. This is mainly achieved by the way that CNS uses the redundancy in musculoskeletal system. The kinetic redundancy in human musculoskeletal systems is a significant property by which CNS achieves many complementary goals. Following the definition and role of uncontrolled manifold for movement kinematics, the kinetic redundancy concept is explored in mathematical terms. The null space of the kinetically redundant system when certain joint Moment and/or Stiffness are needed is derived and discussed. The mathematical methods have already been developed and applied to a simpler planar model. However in this paper, the aforementioned concepts were illustrated, using a 3-dimensional 3- degree of the freedom biomechanical model of spine with 18 anatomically oriented Hill-type-model muscle fascicles. The results can shed light to the interaction mechanisms in activation patterns of muscles, seen in various tasks and exertions and can provide a significant understanding for future studies and clinical practices related to low back disorders. سیستم حرکتی انسان برای اجرای وظایف حرکتی مختلف از راه های گوناگون و قابل انعطافی سازمان دهی شده است. این موضوع اساسا به وسیله راه هایی انجام می شود که سیستم اعصاب مرکزی برای حل مساله نامعینی در سیستم اسکلتی عضلانی به کار می گیرد. در واقع، نامعینی سینتیکی در سیستم اسکلتی عضلانی انسان یک خصوصیت برجسته است که به وسیله آن سیستم اعصاب مرکزی می تواند به اهداف بسیاری دست پیدا کند. در این مطالعه ضمن ارائه تعاریف و بیان نقش مانیفولد کنترل نشده برای سینماتیک حرکت، مفهوم نامعینی سینتیکی با روابط ریاضی بیان می شود. فضای پوچ سیستم با نامعینی سینتیکی هنگامی که گشتاور و یا سختی مشخصی نیاز است، استخراج و روی آن بحث می گردد. ابتدا روابط ریاضی برای یک مدل صفحه ای ساده تر استخراج شد، در این مدل مفاهیم مذکور با استفاده از یک مدل بیومکانیکی سه بعدی 3 درجه آزادی مشخص و سپس روی یک مدل آناتومیکی هیل با 18 عضله اعمال شده است. نتایج به دست آمده می تواند به سازوکارهای مختلف الگوی فعال سازی عضلات برای وظایف و اعمال نیروهای گوناگون اشاره کند و نیز می تواند درک قابل توجهی برای مطالعات بعدی و تمرین های بالینی در رابطه با اختلالات کمری ایجاد نماید.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822A Novel Model for Investigation of the Jaw Movement During Speechارائه مدلی برای بررسی حرکت فک حین تکلم1231291343710.22041/ijbme.2008.13437FAایوب دلیریکارشناس ارشد مهندسی پزشکی، دانشگاه صنعتی امیرکبیرفرزاد توحیدخواهدانشیار دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرشهریار غریبزادهدانشیار دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیریاسر شکفتهدانشجوی دکترای مهندسی پزشکی، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرJournal Article20150626Speech production is one of the most complicated physiological systems including different subsystems. These subsystems must work together in a synchronous manner. One of the important sub-systems is the jaw. Although different models have suggested for jaw, no suitable model has been proposed yet to consider the interactions between muscles, bones and nervous system. In this paper, using Spring-Damper-Mass and a nonlinear concept, we introduced a novel model for jaw movement during speech production. Experimental data were used to estimate the model parameters. Computer simulation results showed that the model could generate the jaw movement patterns similar to those observed in physiological behavior. Generality and simplicity of the model are two model features useful for more investigation of the jaw movement in different tasks. سیستم تولید گفتار، یکی از پیچیده ترین سیستم های فیزیولوژیکی است. این سیستم خود از زیر سیستم های مختلفی تشکیل شده است که کنترل حرکت و هماهنگی آنها بسیار مهم می باشد، چرا که با هر گونه ناهماهنگی، ریتم رشته گفتار تولید شده به طور کامل مختل می شود. فک یکی از قسمت های مهم این سیستم است. تاکنون مدل های مختلفی برای حرکت فک ارائه شده است اما مدلی که در برگیرنده برهم کنش کامل عضلات، استخوان ها و اعصاب به طور جامع باشد، ارائه نشده است. در این مقاله با استفاده از مفاهیم فنر- جرم- دمپر و نیز یک مدل غیرخطی، مدلی جامع برای حرکت فک در حین تکلم ارائه شده و برای محاسبه پارامترهای مدل از داده های تجربی استفاده گردیده است. نتایج شبیه سازی ها نشان دادند که مدل پیشنهادی می تواند الگوهای حرکتی فک را با خطای بسیار کم مشابه حالت فیزیولوژیکی ایجاد کند. با توجه به جامع بودن مدل از یک سو و سادگی آن از سوی دیگر، می توان از آن در توصیف رفتار حرکتی فک استفاده کرد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822Using Synergy to Control the Reaching Movement Neuroprosthesis: Muscle Synergy or Kinematic Synergyاستفاده از سینرژی در کنترل پروتز عصبی بازتوانی حرکت دست رسانی: سینرژی عضلات یا سینرژی کینماتیک؟1311401343810.22041/ijbme.2008.13438FAعلی مالکیدانشجوی دکترای بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرعلی فلاحاستادیار گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیرJournal Article20150626Patients with spinal cord injury in C5/C6 levels are capable of controlling the voluntary movements of the shoulder joints, but some muscles involved in the movement of the elbow joint are paralyzed in these patients. By using FES as well as an appropriate stimulation of the paralyzed muscles, the patients can be assisted with their essential daily living activities. One of the major problems of using FES for reanimation of the paralyzed arm is to provide voluntary commands for FES control. Kinematic synergy and muscle synergy are two main options in this regard. In this paper, these two command sources were evaluated and compared. Furthermore, a mixed method was proposed, which improves performance. Thus, the EMG and kinematical data during a set of activities of daily living (AOL) were recorded and processed. Precise investigations were carried out in order to determine the appropriate values for high-level neural network controller parameters. Next, six different neural network controller structures were trained by the EMG and/or kinematical data. Using this method, cross correlation between the estimation and measurement for all records was obtained as 94.76% for kinematic synergy and 98.08%, for muscle synergy. In the mixed method, these values were improved to 94.82% and 98.84% respectively. Furthermore, mixed method paved the way to improve the performance of low-level controller with estimating the desired kinematics for the distal joint and desired activity for the paralyzed muscle. بیماران ضایعه نخاعی سطوح مهره های پنجم و ششم گردنی قادر به کنترل ارادی حرکت های مفصل شانه هستند اما برای حرکت مفصل آرنج، بعضی از عضلات مربوط فلج شده است. با استفاده از FES و تحریک مناسب عضلات فلج می توان بیمار را در انجام حرکت های روزمره زندگی یاری کرد. یکی از عمده مشکلات استفاده از FES برای بازتوانی حرکت دست رسانی، فراهم آوردن فرامین ارادی برای سطوح بالای کنترل است. سینرژی کینماتیک و سینرژی عضلات دو گزینه اصلی برای این منظورند. در این مقاله این دو منبع فرمان مورد ارزیابی و مقایسه قرار گرفته اند، علاوه بر این، شیوه ای تلفیقی نیز پیشنهاد شده است که از کارایی بالاتری برخوردار است. برای همین منظور، داده های EMG و کینماتیک طی انجام گروهی از حرکت های روزمره زندگی(ADL) ، ثبت و پیش پردازش شد. سپس بررسی های دقیقی انجام شده است تا مقادیر مناسب برای متغیرهای شبکه عصبی کنترل گر سطح بالا تعیین گردد. در ادامه شش ساختار مختلف کنترل گر شبکه عصبی با داده های EMG و/یا کینماتیک آموزش داده شد. با این شیوه، درصد همبستگی متقابل بین تخمین و اندازه گیری برای تراژکتوری های همه ثبت ها، 94.76% برای سینرژی کینماتیک و 98.08% برای سینرژی عضلات است. در روش تلفیقی، این مقادیر به ترتیب به 94.82% و 98.84% بهبود یافته است. علاوه بر این، روش تلفیقی با تخمین وضعیت مطلوب برای مفصل دیستال و میزان فعالیت عضلات فلج، راه را برای بهبود کارایی کنترل گر سطح پایین هموار می سازد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-20082220080822Classification of Forearm Multichannel Electromyogram Signals by a Self-Organized Neuro-Fuzzy Structureطبقه بندی سیگنال الکترومایوگرام سطحی چند کاناله ساعد با استفاده از یک ساختار خودسازمانده فازی-عصبی1411541343910.22041/ijbme.2008.13439FAمحمدحسن مرادیدانشیار دانشکده مهندسی پزشکی، آزمایشگاه ابزار دقیق و پردازش سیگنالهای بیولوژیکی، دانشگاه صنعتی امیرکبیربهادر مکی آبادیدانشجوی دکترای مرکز پردازش سیگنالهای دیجیتال، دانشگاه کاردیفJournal Article20150626Hish rate classification of Electromyogram (EMG) signals for controlling of prosthetic hands is still a hot topic among the rehabilitation research titles. Specially, when the degree of freedom in artificial hands increases, the classification rate decreases dramatically. In this paper, a new five layer classifier based on Neuro-Fuzzy-Genetic structure was introduced to increase the classification accuracy of EMG signals. The proposed classifier has a self- organized structure, which adaptively creates new rules according to the input features and trains the fuzzy rule weights based on the back propagation method. Finally, the genetic algorithm (GA) was employed for the final tuning stage. In this study, six subjects were asked to perform 9 different movements and their EMG signals were caught during the tasks from the six different forearm muscles. In order to remove the noises, the signals were filtered. Then the integral absolute average (IAV), Cepstrum coefficients and Wavelet Packet Coefficients with entropy pruning were extracted from the filtered signals as features. We used principal components analysis (PCA) for dimensionality reduction (234 to 10). The dimensionality reduction by PCA simplifies the structure of the classifier and reduces the processing time for the pattern recognition. The proposed classifier was applied on the features and the results were led to higher than 96.7% classification rate for the 9 classes of movement. To make a comparison, support vector machine (SVM) was employed (76% classification rate for 9 classes) and the results showed a drastic supremacy of the proposed method. طبقه بندی با دقت بالای سیگنال الکترومایوگرام سطحی برای کنترل دست مصنوعی از عناوین مهم تحقیق در حوزه توان بخشی است. به ویژه آنکه با افزایش درجات آزادی، نرخ تشخیص درست بشدت کاهش می یابد. در مقاله حاضر بر اساس یک ساختار خودسازمانده فازی-عصبی جدید پیشنهادی پنج لایه، طبقه بندی سیگنال الکترومایوگرام چند کاناله انجام شده است. در این ساختار متناظر با ویژگی های ورودی، قواعد جدید ایجاد و وزن آنها بر اساس الگوریتم پس انتشار خطا بهبود یافته و از الگوریتم ژنتیک برای تنظیم نهایی استفاده شده است. به دلیل تعداد درجات آزاد بالا در حرکات ناحیه زیر آرنج در مقایسه با ناحیه بالای آن، از شش جفت الکترود برای برداشت سیگنال استفاده شده است. پس از حذف اغتشاش با فیلتر، ویژگی های رایجی چون متوسط قدرمطلق سیگنال، ضرایب کپستروم و ضرایب بسته ویولت هرس شده با آنتروپی به طبقه بندی کننده اعمال شده اند برای تضمین زمان واقعی بودن مرحله تشخیص (کمتر از ms100) و ساده تر شدن طبقه بندی، با استفاده از نگاشت آنالیز مولفه های اساسی، بعد ویژگی ها از 234 به 10 کاهش یافته است. ثبت های مربوط به 6 فرد در دو حالت 6 کلاس و 9 کلاس حرکتی ارزیابی شده و با طبقه بندی کننده ماشین بردار پشتیبان مقایسه شده است. در 9 کلاس صحت متوسط 96.7% به دست آمد که نسبت به ماشین بردار پشتیبان (76%) بهبود قابل توجهی دارد.