Архив номеров
Медицинская Техника / Медицинская техника №3, 2026 / с. 29-32

Применение интеллектуального многомасштабно-временного анализа электромиографических сигналов

Т.В. Истомина, Е.В. Петрунина, Е.В. Копылова, Д.К. Метакса, А.А. Белоглазов


Аннотация 

Произведен обоснованный выбор эффективной системы информативных признаков (ИП) при анализе электромиограммы (ЭМГ), предложен интеллектуальный многомасштабный подход, включающий в себя методику подбора вейвлетов и построение решающего правила анализа ИП ЭМГ. 
Предложена и апробирована методика выбора параметров вейвлетов, повышающая эффективность идентификации ИП ЭМГ, разработан алгоритм формирования решающего правила анализа ИП ЭМГ. 
Применение вейвлет-преобразования повышает эффективность выделения и анализа признаков ЭМГ-сигнала, что необходимо для разработки протезов с миоэлектрическим управлением, реабилитационных комплексов, спортивных мониторинговых систем и нейроинтерфейсов.


Вернуться к содержанию

Сведения об авторах

Татьяна Викторовна Истомина, д-р техн. наук, профессор, ведущий инженер, кафедра «Высшая математика», ФГБОУ ВО «Пензенский государственный технологический университет», г. Пенза, профессор, кафедра «SMART-технологии», ФГАОУ ВО «Московский политехнический университет», профессор, кафедра основ радиотехники, НИУ «Московский энергетический институт», г. Москва, 
Елена Валерьевна Петрунина, канд. техн. наук, доцент, зав. кафедрой, кафедра «SMART-технологии», ФГАОУ ВО «Московский политехнический университет», доцент, кафедра искусственного интеллекта, ФГОБУ ВО «Финансовый университет при Правительстве РФ», доцент, кафедра основ радиотехники, НИУ «Московский энергетический институт», 
Елена Владимировна Копылова, канд. техн. наук, доцент, 
Даниэль Кудратович Метакса, студент, кафедра основ радиотехники, НИУ «Московский энергетический институт», 
Александр Анатольевич Белоглазов, канд. техн. наук, доцент, кафедра «Прикладная информатика», ФГАОУ ВО «Московский политехнический университет», зав. кафедрой, кафедра искусственного интеллекта и анализа данных, АНО ВО «Московский университет «Синергия», г. Москва, 

Список литературы

1. Buchthal F. An Introduction to electromyography. – Kobenhavn, 1957. 230 p. 
2. Buchthal F. Electromyography in the evaluation of muscles diseases // Methods in Clinical Neurophysiology. 1992. Vol. 2. PP. 25-45. 
3. Buchthal F. Spontaneous electrical activity: An overview // Muscle and Nerve. 1982. Vol. 5. PP. 52-59. 
4. Marinacci I.A. Clinical electromyography. – Los Angeles, 1955. P. 136. 
5. Охнянская Л.Г., Комарова А.А. Электромиография в клинике профессиональных заболеваний. – М.: Медицина, 1970. 198 с. 
6. Raez M.B.I., Hussain M.S., Mohd-Yasin F. Techniques of EMG signal analysis: Detection, processing, classification and applications // Biol. Proced. Online. 2006. Vol. 8. PP. 11-35. 
7. Strzecha K., Krakуs M., Wiкcek B., Chudzik P., Tatar K., Lisowski G., Mosorov V., Sankowski D. Processing of EMG Signals with High Impact of Power Line and Cardiac Interferences // Appl. Sci. 2021. Vol. 11. № 10. P. 4625. 
8. Белоглазов А.А., Спиркин А.Н., Истомина Т.В., Копылова Е.В. Человеко-машинные интерфейсы в ассистивных информационных технологиях. – Старый Оскол: ООО «Тонкие наукоемкие технологии», 2024. 196 с. 
9. Aljebory K.M., Jwmah Y.M., Mohammed T.S. Classification of EMG Signals: Using DWT Features and ANN Classifier // IAENG International Journal of Computer Science. 2024. Vol. 51. Iss. 1. PP. 23-31. 
10. Истомина Т.В., Чувыкин Б.В., Щеголев В.Е. Применение теории Wavelets в задачах обработки информации. – Пенза: Изд-во Пенз. гос. ун-та, 2000. 185 с. 
11. Mokdada A., Debbala S., Meziani F. Application of the continuous wavelet transform for the analysis of pathological severity degree of electromyograms (EMGs) signals // Polish Journal of Medical Physics and Engineering. 2020. Vol. 26. Iss. 3. PP. 150-154. 
12. Kilby J., Gholam Hosseini H. Wavelet analysis of surface electromyography signals / The 26th Annual International Conference of the IEEE Engineering in Medicine and Biology Society: IEEE. PP. 384-387. 
13. Liu X., Xi X., Hua X., Wang H., Zhang W. Feature Extraction of Surface Electromyography Using Wavelet Weighted Permutation Entropy for Hand Movement Recognition // Journal of Healthcare Engineering. 2020. Vol. 2020. PP. 1-11. 
14. Shammi F.I. Analysis Of Electromyography Signals Using Multi-Resolution Wavelet And Fourier Transform Based Biomedical Signal Processing Techniques // Global Journal of Advanced Research. 2015. Vol. 2. Iss. 1. PP. 23-29. 
15. Zhang X., Wang Y., Han R.P.S. Wavelet transform theory and its application in EMG signal processing / 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery: IEEE, 2010. PP. 2234-2238. 
16. Guo T. et al. A Review of Wavelet Analysis and Its Applications: Challenges and Opportunities // IEEE Access. 2022. Vol. 10. PP. 58869-58903.