ترجمه مقاله دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک

ترجمه مقاله دسته بندی سیگنال الکترومیوگرافی استفاده شبکه عصبی موجک دانلود ترجمه مقاله دانلود ترجمه مهندسی برق دانلود رایگان ترجمه برق دانلود رایگان مقاله انگلیسی برق دانلود مقالات لاتین برق دانلود مقالاه انگلیسی مهندسی برق دانلود مقاله انگلیسی برقو الکترونیک ترجمه دانلود مقاله مهندسی برق الکترونیک روش اتورگرسیو سیگنال الکترومیوگرافی شبکه عصبی موجک مقاله ترجمه شده word اختلال عصبی ماهیچه ای الکترومیوگرافی الکترونیک برق برق الکترونیک پتانسیل واحد موتور ترجمه مقالات لاتین

عنوان اصلی: Classification of EMG signals using wavelet neural network

ترجمه عنوان: دسته بندی سیگنال های الکترومیوگرافی با استفاده از شبکه عصبی موجک.

موضوع: برق و الکترونیک

فرمت فایل: WORD (قابل ویرایش)

تعداد صفحه: ٣٠

چکیده

یک وسیله دقیق و محاسباتی کارآمد برای دسته بندی الگوی سیگنال های الکترومیوگرافی، موضوع بحث بسیاری از پژوهشگران در سال های اخیر بوده است. تجزیه تحلیل های کمیتی سیگنال های EMG، منبع اطلاعاتی مهمی برای تشخیص اختلالات عصبی-عضلانی می باشد. با پیگیری توسعه های اخیر تجهیزات EMG کامپیوتری، روش های مختلفی در حوزه زمان و حوزه فرکانس برای تحلیل های کمیتی، انجام گرفته است. در این بررسی، دسته بندی کننده های مبنی بر شبکه های عصبی مصنوعی پس-انتشار خطای پیشخور (FEBANN) و شبکه های عصبی موجک (WNN) در دقت در دسته بندی سیگنال های EMG با هم مقایسه شده اند. در این روش ها، ما از یک مدل خودبازگشت (اتورگرسیو) (AR) سیگنال های EMG، به عنوان ورودی سیستم دسته بندی، استفاده کردیم. مقدار کل ١٢٠٠ MUP که از ٧ مورد طبیعی، ٧ مورد دارای بیماری میوپاتی، و ١٣ مورد دارای بیماری های با ریشه عصبی بدست آمدند، آنالیز شده اند. میزان موفقیت برای روش WNN ٩٠.٧% و برای روش FEBANN ٨٨% بوده است. مقایسه بین دسته بندی کننده های توسعه یافته، نخست بر مبنای تعدادی اندازه گیری های عددی مربوط به دسته بندی می باشد. دسته بندی کننده مبنی بر WNN، بر همتای FEBANN خود برتری دارد. دسته بندی WNN ارایه شده، می تواند تصمیم گیری های کارشناسانه را پشتیبانی کرده و به تشخیص افتراقی EMG کمک کند.

کلیدواژه: الکترومیوگرافی، پتانسیل واحد موتور، روش اتورگرسیو، شبکه عصبی موجک

مقدمه

بیش از ١٠٠ اختلال عصبی و ماهیچه ای وجود دارد که بر روی نخاع، عصب، و ماهیچه اثر می گذارد. تشخیص بموقع این بیماری ها توسط معاینه های درمانگاهی و تست های آزمایشگاهی، برای مدیریت کردن آنها و نیز پیشبینی آنها با استفاده از تشخیص پیش از تولد و مشاوره های ژنتیکی، حیاتی می باشد. این اطلاعات همچنین در |زوهش موجود می باشد، که می تواند منجر به فهم طبیعت این بیماری ها، و سرانجام بیماری آنها گردد. مورفولوژی (ریخت شناسی) واحد موتور، را می توان با ثبت فعالیت های الکتریکی معروف به الکترومیوگرافی (EMG) بررسی کرد. در EMG درمانگاهی، پتانسیل های واحد موتور (MUP) با استفاده از یک الکترود سوزنی در اقباض ارادی کم، ثبت می شود.

دانلود «ترجمه مقاله دسته بندی سیگنال ...»