ماشین خبره تعمیم یافته بازشناسی اختلالات گیت: تحلیل خودکار تصاویرحرارتی اندام تحتانی با استفاده از راهکارهای ترکیبی شناسایی الگو
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 894
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
POWERMINOO02_027
تاریخ نمایه سازی: 30 بهمن 1394
چکیده مقاله:
در این مقاله راهکار جدیدی در شناسایی اختلالات حرکتی در حین راه رفتن از اندام تحتانی پیشنهاد شده که از تحلیل تصاویر حرارتی (ترمو ویژن) استفاده میکند و قادر است بصورت خودکار وجود درد احتمالی منجر به اختلال عصبی-حرکتی را تشخیص دهد. در گام نخست با استفاده از تکنیکهای پردازش اولیه تصاویر و توسط تبدیل موجک گسسته، نویزهای احتمالی از تصویر حرارتی نمونه اندام تحتانی حذف میگردد. سپس با تکیه بر روش تحلیل مولفههای اصلیPCA ویژگیهای با اهمیت از تصویر حرارتی استخراج میشود. در نهایت، این ویژگیهای بدست آمده هستند که وارد طبقه بند فازی-ماشین بردار پشتیبان FSVMمیشوند و این طبقهبند وجود درد و شدت آنرا در تصویر حرارتی اندام تحتانی آشکار میسازد. راهکار کنونی در مراحل آموزش و آزمایش دارای دقت بالاتر از 90 % بوده و ضریب اطمینان (تعمیم پذیری) مناسبی را در اختیار پزشک متخصص قرار میدهد. سیستم بصورت یکپارچه و بلادرنگReal-Time امکان پیاده سازی دارد و بعنوان ناظر ویدئویی گیت Gait در مراکز توانبخشی افراد معلول کارایی دارد
کلیدواژه ها:
اختلال حرکتی ، تصویر حرارتی ، تبدیل موجک گسسته ، تحلیل مولفههای اصلی و طبقهبند فازی-ماشین بردارپشتیبان
نویسندگان
جواد قره خانی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، واحد شاهرود، دانشگاه آزاد اسلامی شاهرود، ایران
جواد حدادنیا
گروه مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :