پيش¬بيني الگوي فعّاليّت مطلوب عضلات انگشت شست هنگام عملكردهاي حركتي ترسيم و نوشتن حروف با استفاده از شبكه¬هاي عصبي مصنوعي

Prediction of the Thumb Fingure Extensor and Flexor Muscles Desired Activation attern during Hand Writing and Painting Using Neural Networks

در اكثر فعالیت¬های حركتی، بیش¬از یك گروه عضلانی درگیر هستند، لذا در روش¬های بازتوانی حركتی، در طول زمان حركت، فرد باید بتواند هماهنگی لازم را به بین زمان و شدّت فعّالیّت عضلات درگیر، ایجاد نماید. عملكرد حركتی نوشتن یا ترسیم، ازجمله عملكردهای حركتی قرار دارد كه بیش¬از یك گروه عضلانی را درگیر می¬كند. در دسته¬ای از بیماری¬ها مانند دسته¬ای از افرادي كه مبتلا به فلج غیركامل نخاعی یا تنگی كانال كارپال هستند، ممكن است عضلات ساعد سالم باشند، امّا عضلات انگشتان به طور خاص عضلات انگشت شست، دچار فلج نسبی یا مطلق باشد. لذا براي بازتوانی چنین حركتی، باید الگوی هماهنگی مربوط به نحوه¬ي فعّالیّت عضلات ساعد و انگشت شست برقرار شود. درين تحقيق، يك مدل پیش¬بین مبتنی بر شبكه¬های عصبی براي روش شناسايي الگوی سینرژی بین دسته¬ای از عضلات ساعد و انگشت شست دست، حین فرآیند رسم شكل و نوشتن حروف ارائه شد. به طوری كه ورودی شبكه¬ عصبی مصنوعی، الگوی فعّالیّت عضلات بازكننده و جمع¬كننده ساعد است، درحالی كه خروجی شبكه¬ي عصبی مصنوعی، الگوی فعّالیت مطلوب عضلات بازكننده و جمع¬كننده انگشت شست دست را پیش¬بینی كرد. ابتدا سیگنال¬های الكترومایوگرام عضلات ساعد و انگشت شست ده فرد سالم، حین نوشتن چهار حرف انگلیسی و رسم یك دایره ثبت شد. سپس، با استخراج الگوی فعّالیّت عضلات از سیگنال¬های الكترومایوگرام داده¬های آموزش شبكه به دست آمد. كارایی پنج شبكه عصبی پرسپترون چند لایه، ناركس، بازگشتی، عصبي/فازی تطبیقی و پایه¬ي شعاعی ارزیابی و مقایسه شد. نتايج نشان می¬دهد كه شبكه¬ي¬ عصبی ناركس با ساختار سری/موازی در مقایسه با چهار شبكه عصبی دیگر توانست با دقّت قابل قبولی الگوی فعّالیّت مطلوب عضلات انگشت شست دست را پیش¬بینی نماید.

Multiple muscle groups may be activated simultaneously during the most of activities. So, the appropriate muscle coordination must be emerged during a normal activity. Consequaently, for rehabilitation of movements such as hand writing and paiting in patients for example suffering from carpal channel syndrom or incomplete spinal cord injury, the correct muscle coordination patterns between the finger muscles and wrist muscles must be reestablished. So, in this paper a prediction methodology based on artificial neural networks (ANN) is proposed to approximate the Thumb fingure extensor and flexor muscles desired activation pattern during the hand writing and Painting. In the presented strategy, A nonlinear auto-regressive neural network (NARX), Recurrent Neural Network (RNN), Radial Basis Function (RBF), Multy Layer Perceptron (MLP) and an Adaptive-network-based fuzzy inference system (ANFIS) are trained to forecast the Extensor pollicis longus and Flexor pollicis brevis muscles activity of one thumb finger of hand using Extensor carpi radialis brevis and Flexor carpi ulnaris muscles activity of forearm. Quantitative evaluations show the promising performance of developed neural networks. Eight healthy volunteers participated in the experiments.