محمدحسن مرادی - استادیار دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر
وحید شالچیان - دانشجوی دوره کارشناسی ارشد، دانشکده مهندسی پزشکی دانشگاه صنعتی امیر

در سالهای اخیر روش های محاسباتی گوناگونی برای پردازش سیگنال EMG و تشخیص بیماری های عصبی عضلانی ارائه شده است که هدف نهایی کلیه این روش ها خودکار سازی کامل سیستم تشخیص بیماری به وسیله کامپیوتر می باشد. این تحقیق نیز به عملیات جداسازی پتانسیل عمل واحدهای حرکتی (MUAP) از سیگنال EMG ، استخراج ویژگی های مهم و نهایتاً طبقه بندی آنها برای تشخیص بیماری پرداخته است. برای طبقه بندی از الگوریتم مینیمم ماکزیمم فازی تعمیم یافته (GFMM) استفاده شده و نتایج آن با یک روش آماری مقایسه شده است.

بیماریهای عصبی عضیانی - طبقه بندی - استخراج ویژگی ها - تشخیص GFMM-MUAP-EMG