کنفرانس بین المللی محاسبات نرم

صفحه اصلی / پنجمین کنفرانس بین المللی محاسبات نرم

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

نویسندگان :

پرگل سادات طباطبائی¹ محمدرضا اکبرزاده توتونچی² علیرضا اکبرزاده³ حسین نگهبان سیوکی⁴

1- دانشگاه فردوسی مشهد 2- دانشگاه فردوسی مشهد 3- دانشگاه فردوسی مشهد 4- دانشگاه علوم پزشکی مشهد

کلمات کلیدی :

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

چکیده :

با گسترش فناوری مدرن و تغییر در شیوه زندگی انسان، توان‌بخشی 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 ربات‌های فیزیوتراپی، می توان به ساده‌ و جذاب سازی تمرینات توان‌بخشی اشاره کرد که منجر به‌سرعت بخشیدن در فرایند بهبودی و حتی جلوگیری از آسیب‌های غیرمنتظره حین اجرای حرکات می شود. ما به‌منظور ارزیابی خودکار عملکرد بیمار حین انجام تمرینات ایزومتریک با ربات فیزیوتراپی زانو، شبکه عصبی عمیق پیچشی فازی با لایه آموزش‌پذیر فازی را پیشنهاد می کنیم. این لایه ضمن خوشه بندی ویژگی ها سبب افزایش دقت کلی شبکه می شود. علاوه بر این، داده‌های مختلف از جمله داده های الکترومایوگرافی و سلول بار برای گروه‌های سالم و بیمار جمع آوری شده است. به طور مشخص، تعیین سطح دشواری بازی بر اساس عملکرد کاربر با شبکه عصبی پیچشی فازی صورت‌گرفته که امکان استفاده از سنسورهای ارزان‌قیمت را به‌عنوان جایگزین قابل‌قبول حسگرهای مایکروسافت کینکت و همچنین قابلیت تشخیص از راه دور جهت تعیین میزان صحت تمرینات انجام شده را فراهم می آورد. نتایج نشان می‌دهند که استراتژی معرفی شده بادقت 96.21٪ عملکرد فرد را شناسایی می کند.