Virtualisasi Prosthetic Hand (Resume Paper)

A Virtual Prosthesis Control Based on Neural Networks For EMG Parttern Classification

Referensi

E. Lamounier, A. Soares, A. Andrade, R. Carrijo, 2008, “A virtual prosthesis control based on neural networks For emg parttern classification,” IEEE Transaction and Biomedical Engineering, USA.

Keterangan:

Federal university of uberlândia/ faculty of electrical engineering

Biomedical and computer graphics laboratories Uberlândia/mg – brazil {lamounier, alcimar@ufu.br

Aoandrade,rencarrijo@yahoo.com.br}

Sinyal input

Potensial aksi yang dihasilkan oleh kontraksi otot

Output

Pergerakan tangan buatan / prosthetic hand

Dalam bentuk virtual

Jenis sensor

Skin / surface elektroda

SEMG

Pengolah sinyal

- Pengolahan sinyal analog

- Amplifier

- Filter

- Analog to Digital Conversion

- Display / windowing

- Feature extraction

- Klasifikasi sinyal EMG dengan Multi Layer Perception

Komponen Percobaan

- Visualisasi

- VRML (Virtual Reality Modeling Language).

- Java Application

- Java Applet

- 2 TCP/IP Server Socket

- External Authoring Interface (EAI)

- C++

Cara Kerja

- Sinyal dari sEMG diperkuat dengan amplifier dan difilter kemudian dikonversi menjadi sinyal digital.

- Menentukan karakteristik sinyal, mengambil sinyal EMG yang dibutuhkan dengan metode windowing dan membuat model sinyal dengan menggunakan Auto Regressive (AR) model.

- Mengklasifikasikan sinyal menjadi 4 jenis pergerakan dengan menggunakan Multi Layer Perception. Semua proses di atas masuk ke dalam bagian neural network.

- Memvisualisasikan hasil dari neural network tersebut menjadi pergerakan tangan virtual di PC.

Hasil Percobaan

- Akurasi 100% untuk mengklasifikasikan pola EMG berhasil dicapai oleh AR model orde 10 pada kontraksi isometric

- AR model orde 4 dapat mengklasifikasikan pola EMG dengan akurasi 96%

Kesimpulan

- Sinyal EMG dapat dimodelkan dengan AR model dan digunakan sebagai input untuk mengklasifikasikan system jaringan saraf artifisial

- Virtual hand prosthetic berhasil melakukan gerakan sesuai dengan gerakan otot yang dilakukan oleh pasien yang diamputasi. Ini sangat berguna untuk masa pelatihan bagi pasien sebelum mereka menggunakan hand prosthetic.