بخشی از مقاله
چکیده
با توجه به رفتار غیرخطی و دینامیک متغیر با زمان عضله، لزوم بکارگیری راهکارهای کنترلی در تحریک الکتریکی عملکردی - FES - مشهود است. وجود تاخیر زمانی محدود بین اعمال تحریک و ایجاد انقباض در عضله، اهمیت پیش بینی را بطور خاص مطرح میسازد. یکی از روش های تخمین و پیش بینی مشخصات سینماتیکی استفاده از الکترومایوگرافی است. بین فعالیت الکتریکی عضلات و فعالیت مکانیکی آنها تأخیر زمانی وجود دارد و فعالیت الکتریکی مقدم است بنابراین با در اختیار داشتن فعالیت الکتریکی عضلات - EMG - ، فعالیت مکانیکی - گشتاور - آنها قابل پیش بینی خواهد بود. هدف این مقاله ارائه یک مدل پیش بین مبتنی بر شبکه عصبی بازگشتی برای پیش بینی گشتاور مطلوب مچ پا با استفاده از الکترومایوگرافی است.
بدین منظور بطور همزمان سیگنال الکترومایوگرام سطحی از عضله تیبیالیس آنتریور و همچنین گشتاور ایزومتریک مچ پا ثبت شده ، سپس با استخراج الگوی فعالیت عضلات، داده های آموزش شبکه بدست آمد. کارایی شبکه عصبی بازگشتی نارکس با ساختار سری و سری-موازی ارزیابی و با یکدیگر مقایسه شد. ارزیابی کمّی عملکرد شبکه نشان می دهد که شبکه عصبی نارکس با ساختار سری-موازی با دقت بیشتری گشتاور مطلوب مچ پا را پیش بینی می کند.
.1 مقدمه
همانطور که در تحقیقات پیشین دیده میشود یکی از ایدههای مطرح در سالهای اخیر، استفاده از راهکار الکترومایوگرافی برای تخمین و پیشبینی مشخصات سینماتیکی است. با توجه به فیزیولوژی عصب-عضله، سیگنال الکترومایوگرام حاوی اطلاعات مناسبی از وضعیت انقباضی عضلات است که بر روی پارامترهای سینماتیکی مؤثر است1]و2و6و7و.[9 بین سیگنالهای الکترومایوگرام و اطلاعات سینماتیکی، تأخیر زمانی وجود دارد اختلاف زمان بین فعالیت الکتریکی و فعالیت مکانیکی را تأخیر الکترومکانیکی میگویند.
مقدار تأخیر الکترومکانیکی با تغییر شرایط متغیر است اما به طور کلی رفتارهای سینماتیکی 100-50 میلی ثانیه پس از فعالیت الکتریکی عضلات رخ میدهد.[1-2] بنابراین با استفاده از سیگنال الکترومایوگرام میتوان تغییرات سینماتیکی را پیش-بینی کرد. این ایده به علت وجود تأخیر الکترومکانیکی بین فعالیت الکتریکی عضله و فعالیت مکانیکی آن مطرح شده است4]و2و5و.[10 یکی از کاربردهای تأخیر الکترومکانیکی، پیشبینی گشتاور/ زاویه مفصل یا نیروهای عضلانی با استفاده از الکترومایوگرام میباشد.
پاسخ عضله به تحریک الکتریکی، متغییر با زمان بوده و به صورت دو پاسخ الکتریکی - EMG - و پاسخ مکانیکی - گشتاور - است که می تواند عملکرد راه رفتن را تحت تاثیر قرار دهد. هدف برخی تحقیقها [ 2]، ردیابی گشتاور مطلوب با توجه شرایط فعلی عضله است. الگوی تحریک از طریق اطلاعات سنسوری برای تشخیص حوادث حین راه رفتن بدست آمد. گشتاور دورسی فلکشن مچ پا و الکترومایوگرام حاصل از تحریک الکتریکی-برانگیخته1 تیبیالیس قدامی آنتریور2 برای شناسایی مدل به صورت تجربی توسط دستگاه دینامومتر ثبت شد. به دلیل تاخیر الکترومکانیکالی گشتاور بعد از پاسخ الکتریکی ظاهر می شود. از eEMG که همان انقباض قبل از گشتاور است برای پیش بینی گشتاور عضلات استفاده شده است.
برای تعیین نیروی عضلانی مچ پا حین راه رفتن در [3] از روش های پردازش الکترومایوگرام به نیرو استفاده شده است. بین دینامیک معکوس گشتاور مچ پا و گشتاور بدست آمده از روش پردازشی الکترومایوگرام به نیرو، همبستگی نزدیکی وجود دارد، بنابراین گشتاور مچ پا و در نتیجه آن نیروی عضلانی مچ بدست می آید.در تحقیقی دیگر [5] از الکترومایوگرام برای پیش بینی گشتاور حول آرنج استفاده شدهاست. در این تحقیق تأخیر بین الکترومایوگرافی سطحی و گشتاور مفصل را به منظور تخمین گشتاور پیش از وقوع آن، استخراج کرده، مدل های خطی و غیر خطی مرتبه بالا را به سیگنال های الکترومایوگرام با پردازش پیشرفته - سفید و ترکیب چند کانال - و بدون پردازش اعمال کرده است و در نهایت نتیجه گرفته است که با داشتن EMG چهارکاناله سفید، مدل غیرخطی مرتبه پانزدهم کمترین خطا را داراست.
کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار سیستمهای حیاتی در سالهای اخیر مورد توجه بوده و تحقیقات بیشماری در این زمینه صورت گرفته است. کنترلگری پیش بین مبتنی بر تکنیک های یادگیری ماشین ارائه شده در[6] که قادر است الگوی تحریک اعمال شونده به عضله ی تیبیالیس قدامی پای دچار افتادگی را به صورت لحظه به لحظه پیش بینی نماید. این کنترلگر با یادگیری دینامیک حرکتی و روابط حاکم بین عضلات جمع کننده یک پا و باز کننده ی پای مخالف به لحاظ زمانبندی و میزان فعالیت آنها نسبت به یکدیگر، به گونه ای آموزش داده شده است که با داشتن پیشینه ی فعالیت عضلات جمع کننده یک پا و باز کننده ی پای مخالف تا لحظه ی اکنون، قادر باشد الگوی فعالسازی عضله ی تیبیالیس قدامی را در لحظه ی بعد پیش بینی کند. همچنین کاهش سنسورهای مورد استفاده، به تنها EMG یک عضله - دو قلوی خلف پای سالم - از مزایای آن میباشد.
از شبکه ی عصبی نارکس به منظور یادگیری الگوهای هم افزایی فعالیت عضله ی TA مچ یک پا با عضله ی گسترکنمئوس 1 مچ پای مخالف در یک فرد سالم حین راه رفتن، استفاده شده است .[7] برای این هدف، الگوی فعالسازی عضله GC مچ یک پا با استفاده از سیگنالهای الکترومایوگرام سطحی، استخراج شده و به عنوان ورودی به شبکه عصبی ارائه شده است. شبکه عصبی به گونه ای آموزش یافته که خروجی آن بتواند الگوی فعالسازی عضله ی TA مچ پای مخالف را پیش بینی نماید. به این ترتیب شبکه عصبی، الگوی سینرجی فعالسازی عضلات TA و GC در دو پای مخالف فرد سالم را آموخته است.
در تحقیق دیگری، [8] از الکترومایوگرام برای پیش بینی زاویه مفصل زانو استفاده شده است. در این تحقیق از یک شبکه عصبی مصنوعی سه لایه برای تخمین زاویه مفصل زانو استفاده شده که ورودی آن پارامترهای تحریک الکتریکی - دامنه پالس مثبت، عرض پالس مثبت و منفی - و خروجی زاویه مفصل زانو است و نتایج نشان دهنده خطا در محدوده قابل قبول و عملکرد مناسب شبکه میباشد. گروهی دیگر از محققین با استفاده از شبکه عصبی مصنوعی الگوی فعالیت مطلوب عضلات انگشت شست دست را پیش بینی می کنند. ابتدا سیگنال های الکترومایوگرام عضلات ساعد
æ شست دست افراد سالم، حین نوشتن حروف انگلیسی و رسم دایره ثبت می شود سپس الگوی فعالیت عضلات استخراج شده
æ به عنوان ورودی به شبکه عصبی وارد می شود. کارایی پنج شبکه عصبی مختلف با هم مقایسه شده و نتایج نشان می دهد که شبکه عصبی بازگشتی نارکس در مقایسه با چهار شبکه عصبی دیگر، با دقت بیشتری الگوی فعالیت مطلوب انگشت شست دست را پیش بینی می کند.[9]
در این مقاله، روشی ارائه شدهاست که با استفاده از سیگنال های EMG، اطلاعات سینماتیکی از جمله گشتاور مطلوب مچ پا ، استخراج میشود. برای این منظور از شبکه های عصبی بازگشتی استفاده شده است. چرا که شبکههای عصبی مصنوعی قابلیت یادگیری و پیش بینی رفتار سیستمهای غیر خطی را دارند و برای مدلسازی سیستم های بیولوژیکی از شبکه های عصبی بازگشتی استفاده می شود. در بخش 2، ابتدا چگونگی ثبت داده های انسانی بیان می شود سپس الگوریتم شبکه عصبی بررسی خواهد شد. در بخش 3 نیز ارزیابی روش پیشنهادی و نتایج بهدست آمده ارائه خواهد. در بخش 4 جمع بندی از آنچه گفته شد ارائه خواهد شد.
.2 مواد و روش ها
-1-2 ثبت داده های انسانی
به منظور ثبت داده های انسانی از یک مرد سالم 27 ساله خواسته شد که بر روی صندلی دستگاه دینامومتر بنشینند و در حالی که پای راست خود را در پدال قرار داده با سرعت عادی و یکنواخت پای خود را از مچ به سمت پایین باز کند و به حالت اولیه برگرداند و عمل دورسی فلکشن2 را انجام دهد. گشتاورهای ایجاد شده حول مفصل مچ پای فرد به همراه سیگنالهای الکترومایوگرام عضله TA پای آن در شرایطی ثبت می شود که فرد عملکردهای حرکتی خاصی راانجام می دهد.
