تخمین شدت تحریک الکتریکی عضلهی تیبیالیس قدامی برای تصحیح گام در بیماران مبتلا به افتادگی یک پا با استفاده از شبکهی عصبی NARX و الگوریتم یادگیری ترکیبی LMA-PSO

در این مقاله یک استراتژی کنترلی مبتنی به تکنیکهای یادگیری ماشین برای تصحیح گام برداشتن در بیماران دچار افتادگی یک پا، با استفاده از تحریک الکتریکی عملکردی ،(FES) ارائه شده است. در راهبرد پیشنهادی، شدت سیگنالهای تحریک کننده (عرض پالسهای تحریک) اعمال شونده به عضله ی تیبیالیس قدامی (TA) مچ پای معیوب مبتنی الگوهای هماهنگی موجود بین فعالیت عضلات جمعکننده ی مچ یک پا و عضلات بازکننده ی مچ پای مخالف (گسترکنمیوس ((GC) در حین گام برداشتن، کنترل میشود. این الگوهای هماهنگی بیان کننده ی نحوهی فعالسازی همزمان عضله ی TA یک پا و عضله ی GC پای دیگر، در هر سیکل گام است. در راهکار کنترلی ارائه شده، یک شبکه ی عصبی NARX بوسیله ی الگوریتم یادگیری ترکیبی LMA-PSO به گونه ای آموزش یافته است تا بتواند با استفاده از اطلاعات مربوط به نحوهی فعالسازی ارادی عضله ی GC مچ پای سالم، الگوی فعالسازی مناسب عضله TA پای معیوب را پیشبینی نماید. در مرحله بعد الگوی تحریک الکتریکی عضله TA مچ پای معیوب در هر لحظه از زمان، توسط یک نگاشت، از الگوی فعالسازی پیشبینی شده تعیین میشود. هفت داوطلب سالم در انجام آزمایشها شرکت داشتند. در حین گام برداشتن، سیگنال الکترومایوگرام سطحی به صورت همزمان از عضله ی TA پای راست و عضله ی GC پای چپ ثبت شدند. نتایج بدست آمده کارآیی و قابلیت تعمیم قابل ملاحظه راهبرد کنترلی ارائه شده رانشان میدهند.

تخمین شدت تحریک الکتریکی عضلهی تیبیالیس قدامی برای تصحیح گام در بیماران مبتلا به افتادگی یک پا با استفاده از شبکهی عصبی NARX و الگوریتم یادگیری ترکیبی LMA-PSO Keywords:

افتادگی پا , الگوی فعالسازی عضله , تحریک الکتریکی عملکردی (FES) شبکهی عصبی مصنوعی NARX سیگنال الکترومایوگرام سطحی (SEMG)