شناسایی بیماری آلزایمر در سالمندان با استفاده از مدل راه رفتن و دوربین کینکت
Publish place: Journal of Health & Biomedical Informatics، Vol: 6، Issue: 3
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 38
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-6-3_002
تاریخ نمایه سازی: 9 مرداد 1403
Abstract:
مقدمه: آنالیز الگوی راه رفتن با استفاده از ابزارهای نوین فناوری برای شناسایی بیماری آلزایمر، مورد توجه محققین در دهه اخیر قرار گرفته است. بنابراین در این مطالعه از داده های اسکلتی دوربین کینکت برای آنالیز الگوی راه رفتن به منظور شناسایی بیماری آلزایمر در سالمندان استفاده شد.
روش: در این مطالعه توسعهای-کاربردی به صورت تجربی، ثبت نمونه های راه رفتن در یک مسیر بیضی شکل برای ۱۲ نفر از زنان سالمند با بیماری آلزایمر و ۱۲ نفر سالمند زن سالم، به وسیله دوربین کینکت صورت گرفت. پس از استخراج ویژگی های راه رفتن، آنالیز توصیفی برای مقایسه ویژگی ها در میان گروه سالم و بیمار انجام شد. سپس یک کلاسه بند ماشین بردار پشتیبان برای شناسایی سالمندان با بیماری آلزایمر طراحی شد.
نتایج: مقایسه ویژگی های استخراجی از راه رفتن به وسیله داده های اسکلتی دوربین کینکت، حکایت از تطبیق نتایج با یافته های پیشین حاصل از سیستم های مبتنی بر انواع دیگر سنسورها برای تفکیک دو گروه سالمندان سالم و بیمار دارد. نتایج تفکیک افراد سالمند سالم و بیمار شرکت کننده در پژوهش حاضر به وسیله کلاسه بند ماشین بردار پشتیبان نیز دارای صحت، حساسیت، دقت و Specificity به ترتیب ۹۱/۲۵%، ۹۳/۴۴%، ۹۰/۹۴% و ۹۳/۵۷% برای شناسایی بیماری است.
نتیجه گیری: در کنار آنالیز آمار توصیفی ویژگیهای راه رفتن، با تکیه بر روش های مبتنی بر یادگیری ماشین مانند ماشین بردار پشتیبان می توان به شناسایی سالمندان با بیماری آلزایمر به وسیله ویژگی های استخراجی به دست آمده از داده های اسکلتی راه رفتن سالمندان با نتایج قابل قبولی دست یافت.
Keywords:
Alzheimer Disease , Detection , Gait , Kinect Camera , Classification , بیماری آلزایمر , شناسایی , راه رفتن , دوربین کینکت , طبقه بندی
Authors
محمود سیف اللهی
Ph.D Student in Electronic Engineering, Electronic Engineering Dept., Faculty of Electrical and Computer Engineering, Semnan University, Semnan, Iran.
هادی سلطانی زاده
Ph.D. in Electronic Engineering, Assistant Professor, Electronic Engineering Dept., Faculty of Electrical and Computer Engineering, Semnan University, Semnan, Iran
افسون حسنی مهربان
Ph.D. in Occupational Therapy, Professor, Occupational Therapy Dept., Faculty of Rehabilitation Sciences, Iran University of Medical Sciences and Health Sciences, Semnan, Iran
فاطمه خمسه
MD in Neurology, Iran Alzheimer’s Association, Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
