پایان نامه

 

مقاله پردازش سیگنال های الکترومایوگرافی سطحی (SEMG) به منظور تشخیص خستگی عضلانی حین تایپ با استفاده از آنالیز جداساز خطی (LDA) تحت pdf دارای 6 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پردازش سیگنال های الکترومایوگرافی سطحی (SEMG) به منظور تشخیص خستگی عضلانی حین تایپ با استفاده از آنالیز جداساز خطی (LDA) تحت pdf کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پردازش سیگنال های الکترومایوگرافی سطحی (SEMG) به منظور تشخیص خستگی عضلانی حین تایپ با استفاده از آنالیز جداساز خطی (LDA) تحت pdf ،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن مقاله پردازش سیگنال های الکترومایوگرافی سطحی (SEMG) به منظور تشخیص خستگی عضلانی حین تایپ با استفاده از آنالیز جداساز خطی (LDA) تحت pdf :

سال انتشار: 1389

محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران

تعداد صفحات: 6

نویسنده(ها):

محمد راوری – مربی گروه مهندسی پزشکی دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد
الهام قوچانی – کارشناس ارشد مهندسی پزشکی- بیوالکتریک، دانشگاه آزاد اسلامی واحد مشهد
سعید راحتی قوچانی – استادیار گروه مهندسی برق دانشکده فنی و مهندسی دانشگاه آزاد اسلامی وا
حسین اصغر حسینی – استادیار گروه فیزیوتراپی دانشکده بهداشت دانشگاه علوم پزشکی مشهد

چکیده:

امروزه با گسترش استفاده از رایانه در محیطهای کاری، علیرغم مزایای فراوان این فناوری، شیوع بیماریهای اسکلتی-عضلانی روندرو به گسترشی را دنبال میکند. خستگی عضلانی در نواحی گردن و شانه یکی از شایعترین مشکلات گزارش شده در مورد فعالیت حین تایپ است. از سیگنالهای الکترومایوگرافی سطحی (SEMG) به عنوان یک روش غیرتهاجمی برای تشخیص خستگی عضلانی استفاده میشود. در این مقاله به بررسی خستگی عضلانی حین عمل تایپ پرداخته شده است. برای این منظور پساز ثبت سیگنالهای SEMG از عضله trapezius که در معرض خستگی عضلانی حین تایپ است و با استخراج ویژگیهای زمانی، فرکانسی و زمان- فرکانس(ضرایب ویولت) و ویژگیهای غیرخطی به طبقه بندی وضعیت عضلانی با استفاده از آنالیز جداساز خطی (LDA) پرداخته شده است. تشخیص خستگی عضلانی کاربردهای گستردهای در مهندسی فاکتورهای انسانی (ارگونومی)، مهندسی توانبخشی و طراحی تجهیزات و سیستمهای بیوفیدبک دارد. نتایج نشان میدهد که طبقه بندی و تشخیص خستگی عضلانی با صحت 88/3% حاصل شده است.

 

کلمات کلیدی :