http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김서준(S. J. Kim),정의철(E. C. Jeong),송영록(Y. R. Song),윤광섭(K. S. Yoon),이상민(S. M. Lee) 한국재활복지공학회 2012 재활복지공학회논문지 Vol.6 No.2
본 논문에서는 Electromyogram(EMG) 신호와 허벅지 각도 측정 장치, 발바닥 저항 센서를 이용하여 보행의 단계를 판단하는 방법을 제시한다. 신호의 측정을 위하여 건강한 성인 남성 5명을 대상으로 실험을 실시하였고 정상 보행에서의 EMG, 허벅지 각도, 발바닥 저항 센서를 통한 변화를 측정 하였다. EMG 신호의 획득을 위하여 실험자의 대퇴 사두근, 대퇴 이두근, 전경골근, 장딴지근에 Ag/AgCl 표면 전극을 부착하였으며, 양측 발뒤꿈치와 앞꿈치에 저항센서를 부착 하였다. 허벅지 각도 측정 장치는 굴곡 25도, 신전 20도 까지 범위를 가지며 이를 통하여 허벅지의 각도를 측정 하였다. 실험 결과 보행 시 입각기와 유각기를 명확히 판단 할 수 있었으며 세부적으로 8단계의 보행 상태를 판단 할 수 있었다. In this paper, we present the method of gait phases detection using multi biomedical signals during normal gait. Electromyogram(EMG) signals, muscle of thigh angle measurement device and resistive sensors are used for experiments. We implemented a test targeting five adult male and identified the pattern of EMG signal of normal gait. For acquiring the EMG signal, subjects attached surface Ag/AgCl electrodes to quadriceps femoris, biceps femoris, tibialis anterior and gastrocnemius medialis. Resistance sensors are attached to the heel toe and soles of the each feet for measuring attachment state of between feet and ground. Infrared sensors are attached on the thigh and thigh angle measurement device has the range from flection 25 degrees to extension 20 degrees. The results of this paper, The stance and swing phase could be confirmed during the normal gait and be classified in detail the eight steps.
근전도의 효과적 문턱치 적용을 위한 근피로도 특성 분석
김서준(S. J. Kim),송영록(Y. R. Song),박규석(G. S. Park),이상민(S. M. Lee) 한국재활복지공학회 2011 한국재활복지공학회 학술대회논문집 Vol.2011 No.11
In this paper, we present the muscle fatigue characterization for appling an effective threshold of EMG Analysis. The EMG data was obtained from the upper extremity of the muscle. We used FFT analysis and normalize to improved method for the muscle fatigue estimation. Cut the band 0 f frequency level and compared with when muscl e does not have muscle fatigue. The results of t his paper, analysis of FFT, normalization is supe rior methods to determine the fatigue threshold.
Gaussian Mixture Model 기반 전완 근전도 패턴 분류 알고리즘
송영록(Y. R. Song),김서준(S. J. Kim),정의철(E. C. Jeong),이상민(S. M. Lee) 한국재활복지공학회 2011 재활복지공학회논문지 Vol.5 No.1
본 논문에서는 의수환자의 일상생활을 고려한 1-자유도 동작을 손을 쥐고 폄으로 정의하고, 두 동작에 대한 근전도 패턴 분류를 위한 가우시안 혼합 모델 기반의 근전도 패턴 분류 알고리즘을 제안한다. 근전도 패턴 분류 알고리즘의 핵심이 되는 근전도 신호의 특징점 추출을 위하여 근전 신호의 진폭 특성을 고려하는 절대차분평균치(DAMV)와 평균절대값(MAV)을 사용한다. 또한 동작에 대한 근전 신호의 진폭 특성을 보다 명확히 구분하기 위하여 D_DAMV와 D_MAV를 제안한다. 본 논문에서는 4명의 성인남성을 대상으로 실험을 실시하였고, 두 동작에 대한 근전도 패턴의 정확한 분류 여부를 확인하였다. In this paper, we propose the gaussian mixture model based pattern classification algorithm of forearm electromyogram. We define the motion of 1-degree of freedom as holding and unfolding hand considering a daily life for patient with prosthetic hand. For the extraction of precise features from the EMG signals, we use the difference absolute mean value(DAMV) and the mean absolute value(MAV) to consider amplitude characteristic of EMG signals. We also propose the D_DAMV and D一MAV in order to classify the amplitude characteristic of EMG signals more precisely. In this paper, we implemented a test targeting four adult male and identified the accuracy of EMG pattern classification of two motions which are holding and unfolding hand.
표면 근전도를 이용한 Artificial Neural Network 기반의 동작 분류 알고리즘
정의철(E. C. Jeong),김서준(S. J. Kim),송영록(Y. R. Song),이상민(S, M, Lee) 한국재활복지공학회 2012 재활복지공학회논문지 Vol.6 No.1
본 논문에서는 표면 근전도 신호를 사용하여 손목 움직임의 동작을 분류하기 위해 인공 신경 회로망(ANN : Artificial Neural Network)기반의 동작 분류 알고리즘을 제안한다. 손목 움직임에 무리가 없는 20~30대 성인 26명을 대상으로 척측 수근 굴근과 척측 수근 신근에 부착한 2채널의 전극으로부터 표면 근전도 신호를 취득하고, 취득한 근전도로부터 손목의 굴곡, 신전, 내전, 외전, 휴식 다섯 동작을 인식한다. 빠른 처리 속도를 위해 획득한 신호로부터 시간 영역에서의 특징점을 추출하고 ANN을 이용한 동작 분류에 사용된다. 특징점으로 DAMV, DASDV, MAV, RMS를 사용하였으며, ANN 기반의 동작 분류의 인식율은 DAMV는 98.03%, DASDV는 97.97%, MAV는 96.95%, 그리고 RMS는 96.82%의 정확도를 나타낸다. In this paper, Artificial Neural Network(ANN) based motion classification algorithm is proposed to classify wrist motions using surface electromyograms(sEMG). surface EMGs are obtained from two electrodes placed on the flexor carpi ulnaris muscle and extensor carpi ulnaris muscle of 26 subjects under no strain condition during wrist motions and used to recognize wrist motions such as up, down, left, right, and rest. Feature is extracted from obtained EMG signals in time domain for fast processing and used to classify wrist motions using ANN. DAMV, DASDV, MAV, and RMS were used as features and accuracies of motion classification based on ANN were 98.03% for DAMV, 97.97% for DASDV, 96.95% for MAV, 96.82% for RMS.
김유현(Y. H. Kim),김서준(S. J. Kim),심현민(H. M. Shim),이상민(S. M. Lee) 한국재활복지공학회 2013 재활복지공학회논문지 Vol.7 No.1
본 논문에서는 근전도를 이용하여 근피로도를 분석함에 있어서 중앙주파수의 임계점을 이용한 효과적인 보행재활훈련 방법을 제시한다. 신호의 측정을 위하여 건강한 성인 남성 5명을 대상으로 실험을 실시하였고 정상 보행에서의 대퇴사두근, 전경골근에 표면전극을 붙여 변화를 측정 하였다. 근전도신호의 측정을 위하여 트레드밀 위에서 30분간 6km/h의 일정한 속력으로 보통걸음을 실시하였고 이를 통해 측정된 근전도신호를 주파수 분석 및 중앙주파수를 계산하여 근피로도를 수치화 한 뒤 30분간 근피로도의 상태와 포화되는 지점을 찾아 이를 근육이 견딜 수 있는 임계점, 즉 근육의 한계로 설정하였다. 실험 결과 근육의 임계점을 정량화 할 수 있었다. In this paper, we present a effective method of gait rehabilitation training using critical point of median frequency in muscle fatigue analysis using EMG. To target the five healthy volunteers, EMG signal were measured in the quadriceps femoris muscle and the tibialis anterior muscle in order to determine muscle fatigue. We performed a test targeting three adult male for 30 minutes on a treadmill at a speed of 6㎞/h same. EMG signal analysis in frequency and median frequency is calculated to quantification of muscle fatigue, and calculated the critical point which is saturated by muscle fatigue during 30 minutes. We set saturated point the threshold which muscle can withstand. The results of this paper, we are able to quantify the threshold of the muscle.