EMG işaretlerinin modern yöntemlerle önişlenmesi ve sınıflandırılması

Bu çalışmada, intromasküler (kas içi) elektromiyografik işaretlere ait motor ünite aksiyon potansiyellerinin (MUAP) spektral analiz yöntemleri ile önişlenmesi ve desen sınıflandırması yapılmıştır. Sunulan metot otomatik olarak MUAP şablon kümelerinin sayısını bulmakta ve bunları normal, nörojenik veya miyopatik olarak sınıflandırmaktadır. EMG işaretlerinden öznitelik vektörü (feature vector) çıkartmak için farklı AR parametrik metotları ve alternatif olarak işaretin belirleyici özellikleri kullanılmıştır. Bu yaklaşım, 7'si normal, 7'si miyopatik ve 13'ü de nörojenik rahatsızlığı olan deneklerden elde edilen 1200 MUAP'lık EMG kayıtlarının bir veritabanında değerlendirilmesiyle sağlanmıştır. MUAP gruplarının doğru tanınması oranı normal, miyopatik ve nöropatik için sırasıyla %97, 90 ve 87 ve alternatif yöntemde % 97, 89 ve 90 dır. Eklenen MUAP'ların yaklaşık yüzde doksanı doğru olarak tanımlanmıştır. MUAP sınıflandırması için elde edilen doğruluk oranı, Bileşik Sinir Ağları (CNN) için %92'dir. Sunulan metot, çok hızlı EMG ayrışımları sağlamasa da, işlenmemiş EMG işaretlerinden nöropatik, miyopatik veya normal sınıflara otomatik MUAP adreslemesini yapabilmektedir. Çalışmada benzer bir sınıflandırma FEBANN ile de yapılmıştır. Elde edilen sonuçlar, bu çalışma için, CNN'in doğruluk oranlarının FEBANN'a göre daha yüksek olduğunu göstermektedir.