نوع مقاله : یادداشت کوتاه پژوهشی
نویسندگان
1 کارشناسی ارشد، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد، ایران
2 استادیار، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد، ایران
3 استادیار، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی مشهد، ایران
چکیده
در اکثر فعالیتهای حرکتی، بیشاز یک گروه عضلانی درگیر هستند، لذا در روشهای بازتوانی حرکتی، در طول زمان حرکت، فرد باید بتواند هماهنگی لازم را به بین زمان و شدّت فعّالیّت عضلات درگیر، ایجاد نماید. عملکرد حرکتی نوشتن یا ترسیم، ازجمله عملکردهای حرکتی قرار دارد که بیشاز یک گروه عضلانی را درگیر میکند. در دستهای از بیماریها مانند دستهای از افرادی که مبتلا به فلج غیرکامل نخاعی یا تنگی کانال کارپال هستند، ممکن است عضلات ساعد سالم باشند، امّا عضلات انگشتان به طور خاص عضلات انگشت شست، دچار فلج نسبی یا مطلق باشد. لذا برای بازتوانی چنین حرکتی، باید الگوی هماهنگی مربوط به نحوهی فعّالیّت عضلات ساعد و انگشت شست برقرار شود. درین تحقیق، یک مدل پیشبین مبتنی بر شبکههای عصبی برای روش شناسایی الگوی سینرژی بین دستهای از عضلات ساعد و انگشت شست دست، حین فرآیند رسم شکل و نوشتن حروف ارائه شد. به طوری که ورودی شبکه عصبی مصنوعی، الگوی فعّالیّت عضلات بازکننده و جمعکننده ساعد است، درحالی که خروجی شبکهی عصبی مصنوعی، الگوی فعّالیت مطلوب عضلات بازکننده و جمعکننده انگشت شست دست را پیشبینی کرد. ابتدا سیگنالهای الکترومایوگرام عضلات ساعد و انگشت شست ده فرد سالم، حین نوشتن چهار حرف انگلیسی و رسم یک دایره ثبت شد. سپس، با استخراج الگوی فعّالیّت عضلات از سیگنالهای الکترومایوگرام دادههای آموزش شبکه به دست آمد. کارایی پنج شبکه عصبی پرسپترون چند لایه، نارکس، بازگشتی، عصبی/فازی تطبیقی و پایهی شعاعی ارزیابی و مقایسه شد. نتایج نشان میدهد که شبکهی عصبی نارکس با ساختار سری/موازی در مقایسه با چهار شبکه عصبی دیگر توانست با دقّت قابل قبولی الگوی فعّالیّت مطلوب عضلات انگشت شست دست را پیشبینی نماید.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Prediction of the Thumb Fingure Extensor and Flexor Muscles Desired Activation Pattern during Hand Writing and Painting Using Neural Networks
نویسندگان [English]
- Sanaz Ahmadzadeh 1
- Hamid Reza Kobravi 2
- Saeed Tosizadeh 3
1 Msc. Student, Department of Biomedical Engineering, Islamic Azad University of Mashhad, Iran
2 Assitant Professor, Department of Biomedical Engineering, Islamic Azad University of Mashhad, Iran
3 Assitant Professor, Faculty of Engineering, Islamic Azad University of Mashhad, Iran
چکیده [English]
Multiple muscle groups may be activated simultaneously during the most of activities. So, the appropriate muscle coordination must be emerged during a normal activity. Consequaently, for rehabilitation of movements such as hand writing and paiting in patients for example suffering from carpal channel syndrom or incomplete spinal cord injury, the correct muscle coordination patterns between the finger muscles and wrist muscles must be reestablished. So, in this paper a prediction methodology based on artificial neural networks (ANN) is proposed to approximate the Thumb fingure extensor and flexor muscles desired activation pattern during the hand writing and Painting. In the presented strategy, A nonlinear auto-regressive neural network (NARX), Recurrent Neural Network (RNN), Radial Basis Function (RBF), Multy Layer Perceptron (MLP) and an Adaptive-network-based fuzzy inference system (ANFIS) are trained to forecast the Extensor pollicis longus and Flexor pollicis brevis muscles activity of one thumb finger of hand using Extensor carpi radialis brevis and Flexor carpi ulnaris muscles activity of forearm. Quantitative evaluations show the promising performance of developed neural networks. Eight healthy volunteers participated in the experiments.
کلیدواژهها [English]
- Muscle Activation Pattern
- Artifitial Neural Networks
- Movement Restoration
- Hand Writing
- Surface Electromyogram