چکیده :
الکترومایوگرافی (EMG) مطالعه عملکرد عضله از طریق تحلیل سیگنالهای الکتریکی تولید شده در حین انقباضات عضلانی است که اندازه‌گیری آن همراه با تحریک عضله است که میتواند شامل عضلات ارادی و غیرارادی شود این سیگنال به طور کلی به دو دسته‌ی بالینی وKine Siological EMG تقسیم‌بندی می شود که خود دسته‌ی دوم باز دونوع سوزنی وسطحی را در خود جای می‌دهدکه هر کدام درجای خود بسته به نوع ماهیچه و بیماری مورد استفاده قرار می گیرند در الکترومایوگرافی آنچه از اهمیت ویژه‌ای برخوردار است نوع طراحی الکترود است که در این مقاله به سه نوع طراحی الکترود اشاره شده است . برای اندازه‌گیری و ثبت سیگنال الکترومایوگرافی مکان قرار دادن الکترود بسیار مهم میباشد . الکترومایوگرافی موضوع تحقیقی بسیار گسترده‌ای میباشد و پرداختن به هر قسمت آن خود به زمان بسیار زیادی احتیاج دارد در اینجا به بررسی این سیگنال در حرکت دست می‌پردازیم . برای شناسایی سیگنال دست از طبقه‌بندی الگوی EMG استفاده می‌کنند که این طبقه‌بندی روش‌های گوناگونی از جمله swids ، هوش مصنوعی sofms و غیره می باشد که روش مورد بررسی در این تحقیق طبقه بندی الگوی EMG با استفاده از نقشه‌های خود سازمانده می باشد sofm یک شبکه رقابتی یادگیری بدونکنترلی است که دارای الگوی طبقه‌بندی میباشد . گر چه طبقه بندی الگوهای EMG بسیار مشکل میباشد اما به حرکت دست کمک زیادی می‌کند بیشترین استفاده EMG برای نوسازی دست است نوسازی دست اصولاً با استخوان بندی کنترل شده انجام می‌شود . فعالیت الکتریکی ماهیچه‌ها به ما این اجازه را می‌دهد که بدانیم آیا بیمار در سعی در تکان دادن انگشت‌ها می‌کند یا نه .
هدف از ارائه استخوان بندی خارجی برای این است که بیمار احساس استقلال بیشتری داشته باشد برای کنترل دست‌های مصنوعی مدار آنالوگی طراحی شده است که برای کمک به افراد مقطوع العضو مناسب است که ما در این جا همه این مباحث گفته شده را مورد تحلیل و بررسی قرار می‌دهیم
