دوره 6، شماره 3 - ( پاییز 1398 )
جلد 6 شماره 3 صفحات 196-178 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Seifallahi M, Soltanizadeh H, Hassani Mehraban A, Khamseh F. Detection of Alzheimer’s Disease in Elder People Using Gait Analysis and Kinect Camera. jhbmi 2019; 6 (3) :178-196
URL: http://jhbmi.ir/article-1-374-fa.html
URL: http://jhbmi.ir/article-1-374-fa.html
سیف اللهی محمود، سلطانی زاده هادی، حسنی مهربان افسون، خمسه فاطمه. شناسایی بیماری آلزایمر در سالمندان با استفاده از مدل راه رفتن و دوربین کینکت. مجله انفورماتیک سلامت و زیست پزشکی. 1398; 6 (3) :178-196
دکترای مهندسی الکترونیک، استادیار، گروه مهندسی الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران
چکیده: (4983 مشاهده)
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 داده‌های اسکلتی دوربین کینکت برای آنالیز الگوی راه رفتن به منظور شناسایی بیماری آلزایمر در سالمندان استفاده شد.
روش: در این مطالعه توسعهای-کاربردی به‌صورت تجربی، ثبت نمونه‌های راه رفتن در یک مسیر بیضی شکل برای 12 نفر از زنان سالمند با بیماری آلزایمر و 12 نفر سالمند زن سالم، به وسیله دوربین کینکت صورت گرفت. پس از استخراج ویژگیهای راه رفتن، آنالیز توصیفی برای مقایسه ویژگی‌ها در میان گروه سالم و بیمار انجام شد. سپس یک کلاسه‌بند ماشین بردار پشتیبان برای شناسایی سالمندان با بیماری آلزایمر طراحی شد.
نتایج: مقایسه ویژگیهای استخراجی از راه رفتن به وسیله داده‌های اسکلتی دوربین کینکت، حکایت از تطبیق نتایج با یافته‌های پیشین حاصل از سیستم‌های مبتنی بر انواع دیگر سنسورها برای تفکیک دو گروه سالمندان سالم و بیمار دارد. نتایج تفکیک افراد سالمند سالم و بیمار شرکت‌کننده در پژوهش حاضر به وسیله کلاسه‌بند ماشین بردار پشتیبان نیز دارای صحت، حساسیت، دقت و Specificity به ترتیب 91/25%، 93/44%، 90/94% و 93/57% برای شناسایی بیماری است.
نتیجه‌گیری: در کنار آنالیز آمار توصیفی ویژگیهای راه رفتن، با تکیه بر روش‌های مبتنی بر یادگیری ماشین مانند ماشین‌بردار پشتیبان می‌توان به شناسایی سالمندان با بیماری آلزایمر به وسیله ویژگیهای استخراجی به دست آمده از داده‌های اسکلتی راه رفتن سالمندان با نتایج قابل قبولی دست یافت.
روش: در این مطالعه توسعهای-کاربردی به‌صورت تجربی، ثبت نمونه‌های راه رفتن در یک مسیر بیضی شکل برای 12 نفر از زنان سالمند با بیماری آلزایمر و 12 نفر سالمند زن سالم، به وسیله دوربین کینکت صورت گرفت. پس از استخراج ویژگیهای راه رفتن، آنالیز توصیفی برای مقایسه ویژگی‌ها در میان گروه سالم و بیمار انجام شد. سپس یک کلاسه‌بند ماشین بردار پشتیبان برای شناسایی سالمندان با بیماری آلزایمر طراحی شد.
نتایج: مقایسه ویژگیهای استخراجی از راه رفتن به وسیله داده‌های اسکلتی دوربین کینکت، حکایت از تطبیق نتایج با یافته‌های پیشین حاصل از سیستم‌های مبتنی بر انواع دیگر سنسورها برای تفکیک دو گروه سالمندان سالم و بیمار دارد. نتایج تفکیک افراد سالمند سالم و بیمار شرکت‌کننده در پژوهش حاضر به وسیله کلاسه‌بند ماشین بردار پشتیبان نیز دارای صحت، حساسیت، دقت و Specificity به ترتیب 91/25%، 93/44%، 90/94% و 93/57% برای شناسایی بیماری است.
نتیجه‌گیری: در کنار آنالیز آمار توصیفی ویژگیهای راه رفتن، با تکیه بر روش‌های مبتنی بر یادگیری ماشین مانند ماشین‌بردار پشتیبان می‌توان به شناسایی سالمندان با بیماری آلزایمر به وسیله ویژگیهای استخراجی به دست آمده از داده‌های اسکلتی راه رفتن سالمندان با نتایج قابل قبولی دست یافت.
واژه‌های کلیدی: بیماری آلزایمر، شناسایی، راه رفتن، دوربین کینکت، طبقه‌بندی
eprint link: http://eprints.kmu.ac.ir/id/eprint/32275
eprint link: http://eprints.kmu.ac.ir/id/eprint/32275
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
سیستم های تصمیم یار بالینی
دریافت: 1397/10/16 | پذیرش: 1398/4/10
دریافت: 1397/10/16 | پذیرش: 1398/4/10
فایل صوتی [MP3 845 KB] (127 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
