1404/10/07
فریبرز رحیمی

فریبرز رحیمی

مرتبه علمی: دانشیار
ارکید:
تحصیلات: دکترای تخصصی
شاخص H:
دانشکده: دانشکده فنی و مهندسی
اسکولار:
پست الکترونیکی: frahimi [at] ubonab.ac.ir
اسکاپوس:
تلفن:
ریسرچ گیت:

مشخصات پژوهش

عنوان
تحلیل راه رفتن در بیماران مبتلا به بیماری پارکینسون با استفاده از داده های IMU و یادگیری ماشین در سرعت های مختلف
نوع پژوهش
پایان نامه و رساله دکتری
کلیدواژه‌ها
بیماری پارکینسون،هوش ماشین،IMU،آزمون برخاستن و راه رفتن زمان دار(TUG)
سال 1404
پژوهشگران زهرا عونی(دانشجو)، عبدالله علیزاده(استاد راهنما)، فریبرز رحیمی(استاد راهنما)

چکیده

در 30 سال اخیر بیماری پارکینسون شیوع یافته است و کیفیت زندگی افراد مسن را کاهش داده است. بیماری پارکینسون پیامد هایی مانند از دست دادن تعادل و افتادن را به دنبال دارد.روش های زیادی برای بررسی کیفیت حرکت و احتمال زمین خوردن وجود دارد اما آزمون برخاستن و راه رفتن زمان دار (TUG) برای بررسی این بیماری در افراد سالمند مناسب و راحت است که می تواند فقط با مشاهده فرد بهنگام آزمون،مشاهده ویدئوی ذخیره شده از آزمون،یا با استفاده از سنسور های اندازه گیری اینرسی(IMU) انجام شود. سنسور های اینرسی حرکت،سنسورهایی سبک هستند که قابلیت اتصال به جسمی که به بررسی حرکت آن علاقه مند هستیم(از جمله اندامهای مختلف بدن)را دارند.داده های حاصل از این سنسور ها که شامل شتاب سنج،سرعت سنج زاویه و مغناطیس سنجهای سه جهته هستند،میتواند بصورت خام مورد استفاده قرار گیرد. یا می توان پس از اعمال الگوریتمهای جهت گیری اندامها در فضای سه بعدی را محاسبه نموده و نهایتا زوایای آناتومیکی بدن را بدست آورده و در بخش های مختلف آزمون مورد استفاده و بررسی قرار داد. هدف از این مطالعه تشخیص افراد همسال سالم از بیماران پارکینسون با توجه به نتایج آزمون برخاستن و راه رفتن زمان دار است.سعی خواهد شد که با استفاده از معیار های مناسب و روش های مبتنی بر هوش ماشین تشخیص اتوماتیک در سرعت های مختلف راه رفتن،با کیفیت قابل قبول ارائه گردد.در این مطالعه از داده های بدست آمده از 12 بیمار پارکینسون و 19 نفر فرد سالم که در مرکز مطالعات سلامت در شهر لندن در کانادا بدست آمده است،استفاده خواهد شد. برای ارزیابی نتیجه طبقه بندی و سنجش عملکرد این مدل در داده های جدید از کمیت هایی نظیر صحت (accuracy)، تکرار پذیری (Repeatability) و ویژگی (Specificity) استفاده خواهد شد.