مریم شیدایی - دانشجوی کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران
کیوان معقولی - استادیار گروه مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران
فرداد فرخی - استادیار گروه مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد تهران مرکز، تهران، ایران
فریدون نوشیروان راحت آباد - استادیار گروه مهندسی پزشکی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران

شناسایی استراتژی عضلات برای استفاده در سیستم های کنترلی مبتنی بر الکترومایوگرافی (EMG) بسیار مهم است. یکی از این سیستمهای کنترلی پروتزهای دست با سیستم مایوالکتریک است. در این گزارش پس از بررسی کلیات الکترومایوگرافی در صدد یافتن راهی برایکنترل بهینه پروتزهای دست هستیم. بدین ترتیب که ما باید بتوانیم با آموزش یک سری از الگوهای دارای تگ به سیستم آموزش سیستم راانجام داده و سپس سیستم با دریافت الگوهای بدون تگ بتواند با درصد قابل قبولی شناسایی حرکت را انجام دهد. در این مسیر سعی شدهاست که با استفاده از الگوریتم ژنتیک تعداد ویژگی های مورد استفاده به حداقل برسد و نهایتا ویژگی های فرکانس میانه MDF فرکانس متوسط MNF، نسبت فرکانسی FR، میانگین مطلق MAV، پنجره چندگانه MTW، طول شکل موج WL، مدل خودکار رگرسیون AR انتخاب گردید و در کنار آن با استفاده از مفهوم شبکه عصبی مصنوعی داده ها با صحت بالایی تفکیک گردند به گونه ای که صحت کلی شبکه مقدار 96,7 درصد برای تمامی کلاس ها بوده است. با توجه به جانمایی الکترودها در دو طرف عضلات به گونه ای که دو الکترودثبت سیگنال در سمت راست مرکز عضله و دو الکترود کانال دوم در سمت چپ مرکز عضله مذکور قرار گرفته بود.

الکترومایوگرافی ، حرکات اساسی دست ، طبقه بندی ، الگوریتم ژنتیک ، شبکه عصبی