Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/52597
Назва: Розробка програмного забезпечення для керування рухами верхної кінцівки на основі EMG-сигналів
Інші назви: Development of software for upper limb movement control based on EMG signals
Автори: Шегда, Марія Андріївна
Shehda, Mariia
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра програмної інженерії, м. Тернопіль, Україна
Бібліографічне посилання: Шегда М. А. Розробка програмного забезпечення для керування рухами верхньої кінцівки на основі EMG-сигналів: робота на здобуття кваліфікаційного ступеня бакалавра : 121 - інженерія програмного забезпечення / наук. кер. Д. М. Михалик. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2026. 82 с.
Дата публікації: чер-2026
Дата внесення: 23-чер-2026
Видавництво: Тернопільський національний технічний університет імені Івана Пулюя
Країна (код): UA
Місце видання, проведення: Тернопільський національний технічний університет імені Івана Пулюя, факультет ФІС
Науковий керівник: Михалик, Дмитро Михайлович
Члени комітету: Луцик, Надія Степанівна
УДК: 004.9
Теми: інженерія програмного забезпечення
стоматологічна клініка
EMG-сигнали
EEG-сигнали
машинне навчання
класифікація сигналів
багатошаровий перцептрон
EMG signals
EEG signals
machine learning
signal classification
multilayer perceptron
upper limb movement modeling
Кількість сторінок: 82
Короткий огляд (реферат): Кваліфікаційна робота присвячена розробці програмного забезпечення для керування рухами верхньої кінцівки на основі EMG-сигналів із додатковим використанням EEG-сигналів. У роботі досліджено методи обробки EMG та EEG сигналів, підходи до класифікації рухової активності користувача, сформовано вимоги до програмної системи та обґрунтовано вибір технологій реалізації. Розроблено програмну систему для обробки біосигналів, класифікації рухів верхньої кінцівки та візуалізації результатів у графічному середовищі. Для класифікації використано багатошаровий перцептрон (MLP), навчений на наборі даних, що містить EMG та EEG сигнали. Проведено тестування системи та оцінено точність класифікації рухів верхньої кінцівки на основі аналізу біосигналів. Об’єкт дослідження – процес керування рухами верхньої кінцівки на основі EMG та EEG сигналів. Предмет дослідження – методи та програмні засоби обробки біосигналів, класифікації рухової активності та моделювання рухів верхньої кінцівки. Практичним результатом є програмне забезпечення для обробки EMG та EEG сигналів, класифікації рухів верхньої кінцівки та їх подальшої візуалізації у програмному середовищі.
The qualification thesis is devoted to the development of software for upper limb movement control based on EMG signals with additional use of EEG signals. The thesis investigates methods for processing EMG and EEG signals, approaches to classifying user motor activity, defines the requirements for the software system, and substantiates the selection of implementation technologies. A software system for biosignal processing, upper limb movement classification, and graphical visualization of the obtained results has been developed. A Multilayer Perceptron (MLP) model was used for movement classification and trained on a dataset containing both EMG and EEG signals. The developed system was tested, and its classification performance for upper limb movements based on biosignal analysis was evaluated. The object of research is the process of upper limb movement control based on EMG and EEG signals. The subject of research is methods and software tools for biosignal processing, motor activity classification, and upper limb movement modeling. The practical result of the thesis is a software system for processing EMG and EEG signals, classifying upper limb movements, and visualizing the obtained results in a software environment
Зміст: ВСТУП 9 1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА ВИЗНАЧЕННЯ ВИМОГ ДО ПРОГРАМНОЇ СИСТЕМИ 12 1.1 Аналіз предметної області керування протезами верхньої кінцівки 12 1.2 Аналіз біосигналів та методів їх обробки 15 1.3 Аналіз методів машинного навчання для класифікації біосигналів та рухів верхньої кінцівки 19 1.4 Аналіз вибраного датасету EEGMMIDB 22 1.5 Постановка задачі та формування вимог до системи 25 1.6 Визначення акторів та варіантів використання 27 1.7 Опис ключових варіантів використання 29 1.7.1 Обробка EEG та EMG сигналів. 29 1.7.2 Класифікація команд руху. 30 1.7.3 Візуалізація моделі протеза. 30 1.8 Висновки до розділу 1 31 2 ПРОЄКТУВАННЯ ТА РОЗРОБКА ПРОГРАМНОЇ СИСТЕМИ 32 2.1 Вибір процесу розробки програмного забезпечення 32 2.2 Проєктування архітектури системи 33 2.2.1 Загальна структура системи 33 2.2.2 Модуль збору та обробки EEG та EMG сигналів 35 2.2.3 Модуль класифікації рухів 36 2.2.4 Модуль візуалізації протеза 38 2.3 Проєктування конвеєра обробки EEG та EMG сигналів 39 2.3.1 Попередня обробка сигналів 39 2.3.2 Виділення ознак 40 2.3.3 Формування вхідних даних для моделі 40 2.4 Розробка моделі машинного навчання 41 2.4.1 Вибір алгоритму класифікації 41 2.4.2 Процес навчання моделі 42 2.4.3 Оцінка якості моделі 43 2.5 Проєктування логіки керування протезом 44 2.5.1 Відображення класів у команди руху 44 2.5.2 Модель руху верхньої кінцівки (плече–лікоть–кисть) 45 2.6 Проєктування бази даних 46 2.6.1 Структура збереження сигналів 47 2.6.2 Збереження результатів класифікації 48 2.7 Побудова UML-діаграм 49 2.7.1 Діаграма класів 49 2.7.2 Діаграма діяльності 51 2.7.3 Діаграма послідовностей 53 2.8 Вибір технологій та середовища розробки 54 2.9 Реалізація програмної системи 55 2.10 Розробка інтерфейсу користувача 56 2.11 Висновки до розділу 2 58 3 ТЕСТУВАННЯ, ВПРОВАДЖЕННЯ ТА ПІДТРИМКА 60 3.1 Тестування програмної системи 60 3.2 Оцінка ефективності системи 61 3.3 Верифікація та впровадження системи 62 3.4 Подальший розвиток програмної системи 63 3.5 Висновки до розділу 3 64 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 65 4.1 Роль центральної нервової системи в трудовій діяльності людини 65 4.2 Інженерно-технічні рішення з охорони праці 68 4.3 Виновки до розділу 4 71 ВИСНОВКИ 72 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 74 ДОДАТКИ 77 ДОДАТОК А 77 ДОДАТОК Б 80 ДОДАТОК В 82
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/52597
Власник авторського права: © Шегда Марія Андріївна, 2026
Перелік літератури: 1. Михалик Д. М., Цуприк Г. Б., Бревус В. М. Методичні вказівки до виконання кваліфікаційної роботи бакалавра для здобувачів першого (бакалаврського) рівня вищої освіти за освітньо-професійною програмою «Інженерія програмного забезпечення» спеціальності 121 – «Інженерія програмного забезпечення» всіх форм навчання. Тернопіль : ТНТУ ім. І. Пулюя, 2024. 45 с.
2. Petryk M. R., Bischak D. S., Bachynskyi M. V., Brevus V. M., Chyzh V. M., Mykhalyk D. M. Analysis of involuntary movements of patients with tremor symptoms under the influence of cognitive influences // Прикладні питання математичного моделювання. 2024. Т. 7, № 2. С. 150–165. URL: https://journals.kntu.kherson.ua/index.php/ppmm/article/view/758 (дата звернення: 12.06.2026).
3. Petryk M., Bachynskyi M., Brevus V., Mudryk I., Mykhalyk D. Intellectual information technologies for the study of filtration in multidimensional nanoporous particles media // Information Technologies: Theoretical and Applied Problems (ITTAP 2022). CEUR Workshop Proceedings. 2022. Vol. 3309. P. 45–54. URL: https://ceur-ws.org/Vol-3309/paper4.pdf (дата звернення: 12.06.2026).
4. Коваль Л. М., Стадник М. П. Основи біомедичної інженерії : навч. посіб. Львів : Видавництво Львівської політехніки, 2020. 312 с.
5. Лупенко С. А., Сверстюк А. С., Кіт З. П. Аналіз та обробка біомедичних сигналів : монографія. Тернопіль : ТНТУ ім. І. Пулюя, 2019. 356 с.
6. Петрук В. М., Яцишин В. М. Методи машинного навчання в інтелектуальних системах : навч. посіб. Тернопіль : ТНТУ ім. І. Пулюя, 2022. 214 с.
7. Катренко А. В. Системний аналіз : підручник. Львів : Новий Світ-2000, 2020. 396 с.
8. Морзе Н. В., Гладун М. А. Основи штучного інтелекту : навч. посіб. Київ : Ліра-К, 2023. 288 с.
9. Глибовець М. М., Олецький О. В. Штучний інтелект : підручник. Київ : Києво-Могилянська академія, 2021. 432 с.
10. IEEE Recommended Practice for the Preparation of Software Requirements Specifications. IEEE Std 29148-2018. New York : IEEE, 2018. 104 p.
11. Bishop C. M. Pattern Recognition and Machine Learning. New York : Springer, 2006. 738 p.
12. Goodfellow I., Bengio Y., Courville A. Deep Learning. Cambridge : MIT Press, 2016. 775 p.
13. Geron A. Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow. 3rd ed. Sebastopol : O’Reilly Media, 2022. 851 p.
14. Haykin S. Neural Networks and Learning Machines. 3rd ed. New York : Pearson, 2009. 936 p.
15. Schalk G., McFarland D. J. BCI2000: A General-Purpose Brain–Computer Interface System. IEEE Transactions on Biomedical Engineering. 2004. Vol. 51, No. 6. P. 1034–1043.
Тип вмісту: Bachelor Thesis
Розташовується у зібраннях:121 — Інженерія програмного забезпечення, F2 Інженерія програмного забезпечення (бакалаври)

Файли цього матеріалу:
Файл Опис РозмірФормат 
dyplom_Shehda_M_2026.pdf16,57 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора