11 / 14
Биоинформационная система с классификатором движения лучезапястного сустава…
ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. Приборостроение. 2016. № 6
81
Таблица 2
Значения признаков для трех испытуемых (обработанные RMS-фильтром)
Тип
движения
Индекс испытуемого
И1
И2
И3
Разгибание
0,99
0,81
0,12
1,00
0,09
0,13
0,90
0,08
0,10
Сгибание
0,06
0,13
0,66
0,04
0,21
0,50
0,10
0,10
0,55
Супинация
0,06
0,34
0,12
0,09
0,48
0,10
0,07
0,58
0,08
Точность классификации (
) определена в соответствии с выражением
100%,
y
N
N
(12)
где
y
N
— число успешных классификаций;
N —
общее число экспериментов.
Классификатор продемонстрировал точность 94,44 %, причем распознава-
ние двух типов движений — сгибания и разгибания лучезапястного сустава —
выполнено без ошибок.
Заключение.
Исследования сигналов электромиографии, полученные с по-
мощью поверхностных электродов, подтвердили наличие особенностей, харак-
терных для определенного типа движения лучезапястного сустава. Таким обра-
зом, полученные в результате обработки сигналов признаки могут быть исполь-
зованы для классификации типа движений.
Одним из эффективных подходов к распознаванию различных движений
лучезапястного сустава (сгибание, разгибание и супинация) является использо-
вание нечеткой логики и систем нечеткого вывода правил. Разработанный на
основе нечеткой логики классификатор продемонстрировал высокую точность
(вероятность) распознавания типа движений лучезапястного суставы 94,44 %.
Представленная структура программно-аппаратной системы анализа дан-
ных электромиографии может быть использована как для лабораторных иссле-
дований, так и для прототипирования биоинформационных систем наряду с
системами управления многофункциональными биопротезами.
ЛИТЕРАТУРА
1.
Со Со Тав У, Гаврилов А.И.
Система обработки данных электромиографии // Моло-
дежный научно-технический вестник. Электрон. журн. 2015. № 11.
URL:
http://sntbul.bmstu.ru/doc/817650.html(дата обращения 07.09.2015)
2.
Zecca M., Micera S., Carrozza M.C., Dairo P.
Control of multifunctional prosthetic hands
by processing the electromyographic signal // Critical reviews in biomedical engineering.
2002. No. 30. P. 459–485.
3.
Fraiwan L., Awwad M., Mahdawi M., Jamous Sh.
Real time virtual prosthetic hand con-
trolled using EMG signals // 1st Middle East Conference on Biomedical Engineering. 2011.
P. 225–227. DOI: 10.1109/MECBME.2011.5752106
4.
Пупков К.А., Гаврилов А.И., Шахназаров Г.А.
Комплексирование технологий управ-
ления в интеллектуальных системах высокой точности и надежности // Вестник РУДН.
Сер. Инженерные исследования. 2011. № 4. С. 60–67.