ارزیابی خودکار عملکرد بیمار با شبکه عصبی عمیق پیچشی فازی با لایه آموزش پذیر در ربات فیزیوتراپی زانو مبتنی بر بازی

با گسترش فناوری مدرن و تغییر در شیوه زندگی انسان، توان بخشی و آموزش افراد معلول، سالمندان و افراد با اختلالات حرکتی به یک چالش اجتماعی بزرگ تبدیل شده است. از مزیت های استفاده از بازی در ربات های فیزیوتراپی، می توان به ساده و جذاب سازی تمرینات توان بخشی اشاره کرد که منجر به سرعت بخشیدن در فرایند بهبودی و حتی جلوگیری از آسیب های غیرمنتظره حین اجرای حرکات می شود. ما به منظور ارزیابی خودکار عملکرد بیمار حین انجام تمرینات ایزومتریک با ربات فیزیوتراپی زانو، شبکه عصبی عمیق پیچشی فازی با لایه آموزش پذیر فازی را پیشنهاد می کنیم. این لایه ضمن خوشه بندی ویژگی ها سبب افزایش دقت کلی شبکه می شود. علاوه بر این، داده های مختلف از جمله داده های الکترومایوگرافی و سلول بار برای گروه های سالم و بیمار جمع آوری شده است. به طور مشخص، تعیین سطح دشواری بازی بر اساس عملکرد کاربر با شبکه عصبی پیچشی فازی صورت گرفته که امکان استفاده از سنسورهای ارزان قیمت را به عنوان جایگزین قابل قبول حسگرهای مایکروسافت کینکت و همچنین قابلیت تشخیص از راه دور جهت تعیین میزان صحت تمرینات انجام شده را فراهم می آورد. نتایج نشان می دهند که استراتژی معرفی شده بادقت ۹۶.۲۱٪ عملکرد فرد را شناسایی می کند.

Keywords:

شبکه عصبی عمیق پیچشی فازی , ارزیابی خودکار عملکرد , حسگرهای مکانیکی , حسگرهای نوار عصب عضله