حظيت إشارات التخطيط الكهربائي للعضلات باهتمام كبير نظرًا لتطبيقاتها الممكنة في الأطراف الاصطناعية وإعادة التأهيل وواجهات التفاعل بين الإنسان والحاسوب، غير أن تعدد أبعاد سمات هذه الإشارات يفرض تحديات أمام تحقيق تصنيف دقيق وخفض التعقيد الحاسوبي، فكلما ازداد عدد السمات المستخرجة من الإشارة ارتفعت كلفة المعالجة وتعقدت مهمة التعرف على الحركات المقصودة، ومن هنا تنبع الحاجة إلى أساليب ذكية تختار السمات الأكثر إفادة وتختصر الأبعاد دون التضحية بدقة التصنيف
تقترح هذه الدراسة مقاربة جديدة تدمج تقنيات خفض السمات مع مصنّف قائم على الشبكات العصبية الاصطناعية لرفع دقة تصنيف إشارات العضلات عالية الأبعاد، وتستهدف المقاربة تحسين دقة التصنيف مع خفض الكلف الحاسوبية بصورة جوهرية، بما ينعكس إيجابًا على جميع العمليات المرتبطة ببيانات التخطيط الكهربائي للعضلات، وتمثل الدراسة إسهامًا في تطوير أنظمة التحكم العضلي الكهربائي التي يعتمد عليها مستخدمو الأطراف الاصطناعية الذكية
ويواجه تصنيف إشارات العضلات تحديات إضافية مصدرها طبيعة الإشارة نفسها وتداخل قنواتها وتفاوت الأفراد في أنماط تنشيط عضلاتهم، لذلك أصبح اختيار مجموعة مدمجة وممثلة جيدًا من السمات خطوة تأسيسية في بناء أي نظام تحكم عضلي كهربائي يعمل في الزمن الحقيقي، لأن كل سمة إضافية تعني زمن معالجة أطول واستهلاكًا أكبر لموارد الجهاز الطرفي
أولًا: أهداف الدراسة ومنهجيتها
استخرج الباحثون سمات من مجالي الزمن والتردد من اثنتي عشرة قناة لإشارات التخطيط الكهربائي للعضلات، ثم طبقوا تقنيات متعددة لخفض الأبعاد شملت تحليل المكونات الرئيسة والتحليل التمييزي الخطي وتحليل المكونات الرئيسة الاحتمالي وأسلوب لاسو ونماذج المتغير الكامن بعمليات غاوس، وأُجري التصنيف بعد ذلك باستخدام شبكة عصبية اصطناعية، كما اختُبرت جميع المجموعات الممكنة من سمتين وثلاث سمات وأربع سمات وخمس سمات من أفضل السمات أداءً لتحديد الحجم الأمثل لمجموعة السمات، وقورنت النماذج من حيث دقة التصنيف والزمن الحاسوبي المستغرق في المعالجة
ثانيًا: أبرز النتائج
أظهرت النتائج أن نماذج خفض الأبعاد لم تحدث أثرًا جوهريًا في دقة التصنيف، في حين انخفضت الكلفة الحاسوبية انخفاضًا كبيرًا، ومن أبرز ما توصلت إليه الدراسة ما يأتي: 1- تبين أن التحليل التمييزي الخطي غير مناسب لمجموعة البيانات هذه مقارنة بغيره من الأساليب المختبرة، 2- سجلت نماذج المتغير الكامن بعمليات غاوس أقصر زمن حاسوبي قدره 29 ثانية، وهو أقل بدلالة إحصائية من جميع النماذج الأخرى عند مستوى دلالة 0،05، تلاها تحليل المكونات الرئيسة بنحو 35 ثانية ثم أسلوب ريليف بنحو 57 ثانية ثم تحليل المكونات الرئيسة الاحتمالي بنحو 69 ثانية، 3- أظهر أسلوب لاسو كلفًا حاسوبية أعلى من جميع النماذج الأخرى، لكنها ظلت أدنى من كلفة المجموعة الأصلية الكاملة من السمات، 4- حققت مجموعة السمات الخمس أفضل أداء بين جميع المجموعات المختبرة من حيث جودة التصنيف
ثالثًا: دلالات الدراسة وتطبيقاتها
تؤكد هذه النتائج فاعلية خفض الأبعاد واختيار السمات في تحسين دقة التعرف على الحركات في أنظمة التحكم العضلي الكهربائي، إذ تتيح معالجة أسرع واستجابة أدق في الأطراف الاصطناعية وأجهزة التأهيل وواجهات التحكم المساعدة، كما تقدم الدراسة إطارًا مقارنًا يساعد المصممين على الموازنة بين الدقة والزمن الحاسوبي عند اختيار تقنية خفض الأبعاد المناسبة لطبيعة بياناتهم وتطبيقاتهم المستهدفة
وتتسع دلالات المقارنة بين التقنيات لتشمل مطوري الأجهزة المساعدة وأنظمة التأهيل الذكية، فخفض الزمن الحاسوبي إلى ثوان معدودة يجعل الاستجابة الآنية للحركات المقصودة ممكنة دون تأخير محسوس لدى المستخدم، ويمنح المصمم هامشًا لتوظيف موارد المعالجة في مهام أخرى كتحسين واجهة الاستخدام أو تقليل استهلاك الطاقة في الجهاز
وخلاصة القول إن الدمج بين تقنيات خفض الأبعاد والشبكات العصبية الاصطناعية يمثل مسارًا عمليًا لبناء أنظمة تحكم عضلي كهربائي أخف وأسرع دون خسارة تذكر في الدقة، وإن نماذج المتغير الكامن بعمليات غاوس تبدو خيارًا واعدًا بوجه خاص حين تكون السرعة الحاسوبية أولوية في التصميم