شماره ركورد كنفرانس :
5498
عنوان مقاله :
تفكيك حركات صورت حين تلفظ اعداد انگليسي از طريق سيگنال الكترومايوگرافي توسط درخت تصميم
عنوان به زبان ديگر :
classification of facial movements during pronunciation of English numbers through electromyography signal by decision tree
پديدآورندگان :
توحيدي سروين srvtohidi@mail.ir واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ايران , عليلويي اميرعلي واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ايران , قنبر علي واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ايران , كاظم بيگي برزي شيوا واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ايران , رضايي افشار بابك babak.rezaee@srbiau.ac.ir دانشگاه علوم پزشكي ايران
كليدواژه :
EMG , تلفظ اعداد , تفكيك حالات صورت , درخت تصميم , فيلتر باترورث
عنوان كنفرانس :
اولين كنفرانس بين المللي و چهارمين كنفرانس ملي تجهيزات و فناوري هاي آزمايشگاهي
چكيده فارسي :
الكترومايوگرافي صورت به عنوان يك ابزار تشخيصي استاندارد براي ارزيابي عملكرد عضلات صورت در حين حالات خاص آن در شرايط فيزيولوژيك و پاتولوژيك در نظر گرفته شده است. با استفاده از سيگنال الكترومايوگرافي مي توان اطلاعاتي از جمله احساسات ، خستگي و اختلالات عضلاني و عاطفي صورت را به دست آورد. در اين مطالعه ما از اخذ سيگنال الكترومايوگرافي عضلات صورت 3 نفر شركت كننده در حين تلفظ اعداد بهره گرفتيم و توانستيم 24 ويژگي در حوزه زمان و فركانس استخراج كنيم. درخت تصميم به عنوان يك رويكرد كارآمد در طبقه بندي داده ها مورد استفاده قرار گرفت و داده ها با دقت 92.86% تفكيك شدند. ابزار فوق، قابل استفاده براي تشخيص بيماري هاي مختلف در وضعيت عضلاني صورت، روند درمان و پايش آن بوده و مي توان از آن به عنوان بيوفيدبك شناسايي مشكلات عصبي عضلاني و مواردي از اين دست استفاده كرد. در اين مطالعه تلفظ اعداد يك تا پنج انگليسي مورد بررسي قرار گرفت اما به نظر مي رسد ما براي مطالعات آينده نيازمند بررسي و استفاده تعداد بيشتري حروف و كلمات در روند مطالعه هستيم تا بتوانيم كلكسيون كاملي از حروف انگليسي و اعداد را توسط الكترومايوگرافي از هم تفكيك كنيم.
چكيده لاتين :
Electromyography of the face is considered as a standard diagnostic tool to evaluate the function of facial muscles during its specific states in physiological and pathological conditions. By using the electromyography signal, information such as emotions, fatigue, and facial muscle and emotional disorders can be obtained. In this study, we used the electromyography signal of the facial muscles of 3 participants while pronouncing numbers and were able to extract 24 features in the time and frequency domains. The decision tree was used as an efficient approach in data classification and the data was separated with 92.86% accuracy. The designed tool can be used to diagnose various diseases in the facial muscle condition, its treatment and monitoring process, and it can be used as biofeedback to identify neuromuscular problems and such. In this study, the pronunciation of English numbers one to five was investigated, but it seems that for future studies, we need to investigate and use more letters and words in the study process, so that we can classify a complete collection of English letters and numbers by electromyography.