نازنین معین - دانشجو کارشناسی مهندسی پزشکی بیوالکتریک دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران شرق
محمدرضا احمدیان - دانشجو کارشناسی مهندسی پزشکی بیوالکتریک دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران شرق
سارینا شبیری - دانشجو کارشناسی مهندسی پزشکی بیوالکتریک دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران شرق
بابک رضایی افشار - استادیار مهندسی پزشکی بیوالکتریک دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران شرق

شناخت وضعیت و حالت های صورت افراد در سیستم های هوشمند و خبره به منظور استفاده در موارد متعددی از جمله شناسایی افراد، پیش بینی وضعیت روحی، روانی و ... کاربرد دارد. ابزارهای مختلفی از جمله ابزارهای تصویری یا سیگنالی می تواند در انجام این کار راهگشا باشد. در این پژوهش با بررسی حالت های صورت در ۵ مرد با میانگین سنی ۵±۲۵ سال و میانگین وزنی ۶±۷۶ کیلوگرم، داده های الکترومایوگرافی مربوط به ۵ حالت مختلف صورت اخذ شده و پس از استخراج ویژگی های سیگنالی آن مشخص می گردد. دو ویژگی کشیدگی و میانگین بهترین حالت تفکیک سیگنال را برای ما به همراه دارند. نشان داده می شود با استفاده از دو ویژگی مذکور و استفاده از روش KNN تفکیک داده ها با صحت ۹۶.۷ درصد حاصل می گردد.

الکترومایوگرافی، کورتوسیس، تشخیص حالت های صورت، عضله گونه ای بزرگ