نوقشت رسالة الماجستير للباحثة ضحى مهلهل عجيمي في كلية الهندسة جامعة البصرة قسم هندسة الحاسبات وتحت اشراف الدكتورة هنادي عباس جابر بعنوان التعرّف على إيماءات اليد باستخدام الإشارات العضلية وتقنيات التعلّم العميق

أصبح التعرف على إيماءات اليد باستخدام الإشارات العضلية (sEMG) مجالًا بحثيًا واعدًا نظرًا لتطبيقاته في التحكم الذكي بالأطراف الصناعية لليد وأنظمة التفاعل بين الإنسان والآلة (Human–Machine Interaction, HMI). ومع ذلك، تواجه عملية التعرف على الإيماءات باستخدام هذه الإشارات(sEMG) العديد من التحديات نتيجة للطبيعة غير المستقرة للاشارات العضلية. في هذه الرسالة، تم اقتراح إطار عمل مبسط يعتمد على الشبكات العصبية الالتفافية   (Convolutional Neural Networks, CNN) للتعرف على إيماءات اليد باستخدام الإشارات العضلية عالية الكثافة .(HD-sEMG)
 ولتقييم كفاءة الإطار المقترح، تم استخدام ثلاث قواعد بيانات عامة من مجموعة بيانات CapgMyo، وهي DB-a و                         . DB-b  DB-c                                    كما استُخدمت طريقتان لتحليل الإشارة و (Short-Time Fourier Transform) و Continuous) Wavelet Transform) لاستخراج السمات التمييزية من إشارات             HD-sEMG) ) قبل مرحلة التصنيف. وقد استُخدمت التمثيلات الزمنية–الترددية الناتجة عن هاتين الطريقتين كبيانات إدخال إلى نموذج CNN المقترح للتعرف على إيماءات اليد. وتم تقييم أداء النهج المقترح باستخدام مجموعة من معايير التصنيف المختلفة. وأثبتت النتائج كفاءة الدمج بين تحليل الإشارات في المجالين الزمني والترددي                                                              ( Time-Frequency Domain) وتقنيات التعلم العميق في تحقيق أداء فعّال للتعرف على إيماءات اليد باستخدام إشارات HD-sEMG