{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TJ410",
        "title": "تخمین نیروی ماهیچه ای توسط الکترومایوگرافی سطحی (sEMG) برای استفاده در فیزیوربات زانو",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1395",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TJ410",
        "title": "تخمین نیروی ماهیچه ای توسط الکترومایوگرافی سطحی (sEMG) برای استفاده در فیزیوربات زانو",
        "degree": null,
        "faculty": "مهندسی مکانیک",
        "year": 1395,
        "authors": [
            {
                "name": "فهیمه خطیبی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد راهنما"
            },
            {
                "name": "علیرضا اکبرزاده توتونچی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "تخمین نیرو",
            "سیگنال الکترومایوگرام سطحی",
            "رگرسیون بردار پشتیبان",
            "ربات فیزیوتراپی زانو"
        ],
        "abstract": "یکی از زیرمجموعه های وسیع علم رباتیک، موضوع توانبخشی است و فیزیوتراپی یکی از پرکاربردترین روش های توانبخشی است. تخمین نیروی عضلات در فیزیوتراپی، توانبخشی و ساخت وسایل کمکی کاربردهای فراوانی دارد. در برخی ربات های دستیار فیزیوتراپ، از نیروی تخمین زده شده توسط سیگنال های الکترومایوگرام سطحی (sEMG)، برای کنترل ربات، تشخیص بیماری، تعیین نوع درمان و شیوه فیزیوتراپی استفاده می شود. در این پژوهش برای تخمین نیروی ماهیچه ای توسط سیگنال‎های الکترومایوگرام سطحی، مدلی مبتنی بر رگرسیون بردار پشتیبان (SVR) به دو روش    ε-SVR و υ-SVR پیشنهاد شده است. برای ارزیابی و مقایسه مدل پیشنهادی، از روش متداول شبکه عصبی (ANN) نیز استفاده گردید. سیگنال‎های sEMG طی انقباضات ایزومتریک زانو (کشش وخمش) که با ربات FUM-PHYSIO انجام شد، از ماهیچه های چهارسر رانی و همسترینگ ثبت گردید و همزمان با آن نیروی موردنظر توسط یک سنسور نیروی فشاری اندازه گیری شد. این دو سیگنال به ترتیب به عنوان داده های ورودی و هدف آموزشی مدل های مبتنی بر SVR و ANN، مورد استفاده قرار گرفتند. درنهایت این مدل ها بر روی افراد سالم تست شد و توسط مقادیر ریشه میانگین مربعات خطا (RMSE) و ضریب همبستگی (CC) بین نیروی پیش بینی شده و نیروی اندازه‎گیری شده، ارزیابی گردیدند. نتایج نشان می‎دهد هر دو روش SVR و ANN عملکرد خوبی در تخمین نیروی ماهیچه ای دارند اما مدل SVR تعمیم پذیری بهتر، دقت بیشتر و سرعت بالاتری نسبت به شبکه عصبی دارد. همچنین ملاحظه می شود مدل ε-SVR دقیق تر و سریع تر از υ-SVR می باشد.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TJ410.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}