طبقه بندی الگوهای کینتیکی راه رفتن انسان به دو گروه سالم و بیمار با به کارگیری شبکه عصبی و کاهش فرکانس نمونه برداری

چکیده راه رفتن انسان یکی از مهمترین و پیچیده ترین فعالیت هایی است که توسط مغز انسان سازماندهی می گردد. در حین راه رفتن ، سیستم عصبی و سیستم اسکلتی-عضلانی به صورت هماهنگ با یکدیگر عمل می کنند. مطالعه این حرکت پیچیده و شناخت وبژگی های مرتبط با آن می تواند اطلاعات مفیدی در خصوص الگوهای راه رفتن و تعادل انسان در حین حرکت ، ارائه نماید. شناسایی الگوهای نامتعادل در حین راه رفتن در افراد سالمند از اهمیت ویژه ای برخوردار می باشد .در این افراد با افزایش سن الگوهای حرکت به تدریج دچار تغییر شده و می تواند به عدم تعادل فرد و در نتیجه زمین خوردن در حین راه رفتن منتهی گردد.این در حالی است که در افراد سالمند به دلیل بروز مشکلاتی از جمله پوکی استخوان و ضعف عمومی بدن ، زمین خوردن عموماً به شکستگی های جدی در ناحیه مفاصل اندام تحتانی منجر می گردد.در روش های متداول تشخیص تعادل و یا عدم تعادل فرد در حین راه رفتن ، سیگنال های کینماتیکی با فرکانس 200 هرتز ثبت شده و سپس محاسبات آماری مشخصی بر روی داده های جمع آوری شده انجام می گردد. در این محاسبات آماری ، شاخص هایی همچون میانگین داده ها و یا میزان چولگی به راست و چپ فضای داده ها محاسبه می گردد و سپس مقادیر به دست آمده با مقادیر مربوط به افراد سالم مقایسه می شود. با در نظر گیری شرایط جسمی فرد و تکیه بر مهارت تجربی پزشک ، سعی می گردد تا افراد سالمند مستعد زمین خوردن ، شناسایی گردند.اگرچه در چند دهه اخیر مطالعات بسیار زیادی با هدف شناخت الگوهای نامتعادل حرکت و مدلسازی روابط غیر خطی میان پارامترهای توصیف کننده حرکت ، با استفاده از شبکه های فازی و نروفازی ، شبکه های عصبی و ویولت انجام شده است ولی اکثر این مطالعات از سیگنال های کینماتیکی برای توصیف و مدلسازی راه رفتن استفاده می کنند . این در حالی است که تجهیزات مربوط به ثبت و اندازه گیری این سیگنال ها نسبتاً گران قیمت و در بیشتر مراکز تحقیقات ایران موجود نمی باشد ، از این رو در این پایان نامه از داده های کینتیکی برای آنالیز حرکت استفاده می شود.در این تحقیق دو مساله اساسی در حوزه راه رفتن مورد بررسی قرار می گیرد . مساله اول به بررسی فرکانس موثر نمونه برداری برای ثبت سیگنال های کینتیکی می پردازد. این فرکانس به طور معمول بین 166 تا 200 هرتز انتخاب می گردد . در حالیکه استفاده از این نرخ نمونه برداری به ایجاد حجم بسیار بزرگی از داده ها می انجامد که خود نیاز مند صرف وقت و انجام حجم زیادی از محاسبات برای پردازش می باشد.در مساله اول سعی می گردد تا با تکیه بر قدرت تطبیق شبکه های عصبی و مدل آنفیس در مواجه با ورودی های جدید ، فرکانس نمونه برداری کاهش داده شود و حجم کمتری از داده ها به عنوان فضای نمونه مورد استفاده قرار گیرد.در مساله دوم پس از انتخاب حجم کوچکتری از فضای داده ، طبقه بندی الگوهای کینتیکی بررسی می گردد. در این پایان نامه سعی می گردد تا با استفاده اط شبکه های عصبی و نیز الگوریتم های طبقه بندی نروفازی ، روش مناسبی جهت تفکیک الگوهای راه رفتن افراد سالم و افراد بیمار استفاده گردد به گونه ای که الگوهای کینتکی ثبت شده در حین حرکت افراد به عنوان ورودی به شبکه اعمال گردد و در خروجی شبکه الگوهای مربوط به حرکت افراد سالم و افراد مستعد زمین خوردن از یکدیگر تفکیک گردد. در انتها تایج به دست آمده از اعمال شبکه عصبی و مدل آنفیس با یکدیگر مقایسه می گردد. کلمات کلیدی : راه رفتن ، تعادل،پارامترهای کینتیکی، طبقه بندی الگوها، شبکه عصبی ، مدل آنفیس