Біотехнічна система класифікації патернів ЕМГ-сигналів на основі штучних нейронних систем

Скорочена інформація про документ
dc.contributor.advisorАрхирей, Марина Володимирівна
dc.contributor.authorКостенко, Богдан Володимирович
dc.date.accessioned2026-08-12T11:22:46Z
dc.date.available2026-08-12T11:22:46Z
dc.date.issued2026
dc.description.abstractАктуальність теми: поверхнева електроміографія є перспективним неінвазивним методом керування біотехнічними системами. Але міжіндивідуальна варіабельність ЕМГ-сигналів знижує точність класифікації жестів на нових користувачах, а наявні рішення вимагають дорогого спеціалізованого обладнання. Тому розробка доступного прототипу є актуальним завданням сучасної біомедичної інженерії. Мета: реалізувати апаратно-програмну біотехнічну систему класифікації патернів ЕМГ-сигналів із підвищеними експлуатаційними характеристиками Завдання: 1. Провести огляд існуючих методів реєстрації ЕМГ-сигналів, апаратних платформ та нейромережевих підходів до класифікації жестів руки. 2. Розробити та навчити багатомасштабну 1D CNN зі SE-увагою. 3. Зібрати апаратний прототип на базі Arduino UNO та сенсора SEN0240. 4. Реалізувати алгоритм донавчання моделі на індивідуальних даних користувача та верифікувати систему в режимі реального часу. 5. Розробити механізм моніторингу впевненості моделі для автоматичного виявлення дрейфу сигналу та сигналізації про необхідність рекалібрування. 6. Проаналізувати обмеження прототипу та визначити напрями вдосконалення.
dc.description.abstractotherRelevance: surface electromyography is a promising non-invasive method for controlling biotechnical systems. However, high inter-individual variability of EMG signals reduces gesture classification accuracy when applying pre-trained models to new users, while existing solutions require expensive specialized equipment. Therefore, developing an affordable prototype is a relevant challenge in modern biomedical engineering. Objective: to implement a hardware-software biotechnical system for EMG signal pattern classification with enhanced operational characteristics. Tasks: 1. Review existing EMG signal acquisition methods, hardware platforms and neural network approaches to hand gesture classification. 2. Design and train a multi-scale 1D CNN with SE-attention. 3. Assemble a hardware prototype based on Arduino UNO and SEN0240 sensor. 4. Implement a model fine-tuning algorithm on individual user data and verify the system in real time. 5. Develop a model confidence monitoring mechanism for automatic signal drift detection and recalibration alerting. 6. Analyze prototype limitations and identify directions for improvement.
dc.format.extent74 с.
dc.identifier.citationКостенко, Б. В. Біотехнічна система класифікації патернів ЕМГ-сигналів на основі штучних нейронних систем : дипломна робота ... бакалавра : 163 Біомедична інженерія / Костенко Богдан Володимирович. - Київ, 2026. - 74 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82417
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectповерхнева електроміографія
dc.subjectкласифікація жестів руки
dc.subjectбагатомасштабна CNN
dc.subjectSE-увага
dc.subjectперсоналізоване донавчання
dc.subjecttransfer learning
dc.subjectsurface electromyography
dc.subjecthand gesture classification
dc.subjectmulti-scale CNN
dc.subjectSE-attention
dc.subjectpersonalized fine-tuning
dc.subjectArduino
dc.titleБіотехнічна система класифікації патернів ЕМГ-сигналів на основі штучних нейронних систем
dc.title.alternativeDevelopment of a biotechnical system for EMG signal pattern classification based on artificial neural networks
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kostenko_bakalavr.pdf
Розмір:
1.62 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (БМІ)
Бакалаврські роботи