CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

A PCA-Assisted EMG-Driven Model to Predict Upper Extremities’ Joint Torque in Dynamic Movements

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۵۰۹ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: ICBME20_013
زبان مقاله: انگلیسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله A PCA-Assisted EMG-Driven Model to Predict Upper Extremities’ Joint Torque in Dynamic Movements

  Shakiba Rafiee - Biomedical Engineering Department Amirkabir University of Technology Tehran, Iran
  Hossein Ehsani - Biomedical Engineering Department Amirkabir University of Technology Tehran, Iran
  Mostafa Rostami - Biomedical Engineering Department Amirkabir University of Technology Tehran, Iran

چکیده مقاله:

To relate electromyographic signals (EMG) to net joint torque, different approaches have been taken into account. In this regard, some researchers chose to use PrincipalComponent Analysis (PCA). A Study in 2001 reported a linear relationship between the PCA-processed EMG data and the joint torque while investigating isometric movements. In this project we questioned the possibility to use this method for free dynamictasks. Four healthy subjects participated in the current study,performing three sets of Dumbbell Kick Back exercise for five different dumbbell weights. The net joint torque was calculatedusing the kinematic data in an inverse dynamics model. Meanwhile the EMG data were processed with a PCA method,and then were input to the model to estimate the joint torque. In order to predict this torque, we used two models; a single-inputmodel that was fed with the PCA-processed EMG of the all corresponding muscles; and a double-input model that utilized the PCA-rocessed EMG data of the agonist and antagonist muscles separately. The results demonsrated that both the single-input and double-input models are apable of predicting the torque for both isometric and free dynamic tasks. Employing a paired t-test we found that the double-input model was significantly more successful in estimating the torque comparing to the single-input model (p < 0.005). The other factor (the movement type) proved to also have a significant effect on theestimation outcome (p < 0.0005). In general, this study suggests that a linear relationship exists between PCA-processed EMGdata and the joint torque in both isometric and free dynamic movements; however, in order to have a better estimate of the net joint torque, distinguishing the agonist-antagonist muscle groups’ generated torques may be beneficial.

کلیدواژه‌ها:

EMG-Torque Relationship, Principal Component Analysis, Free Dynamic Task, Parameter Identification.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICBME20-ICBME20_013.html
کد COI مقاله: ICBME20_013

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rafiee, Shakiba; Hossein Ehsani & Mostafa Rostami, ۱۳۹۲, A PCA-Assisted EMG-Driven Model to Predict Upper Extremities’ Joint Torque in Dynamic Movements, بیستمین کنفرانس مهندسی زیست پزشکی ایران, تهران, دانشگاه تهران, https://www.civilica.com/Paper-ICBME20-ICBME20_013.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Rafiee, Shakiba; Hossein Ehsani & Mostafa Rostami, ۱۳۹۲)
برای بار دوم به بعد: (Rafiee; Ehsani & Rostami, ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۲۹۰۹۳
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.