جلسه دفاع از پایاننامه: خانم مونا احمدیان ، گروه مهندسی کنترل
خلاصه خبر: بازشناسی الگوی رفتاری فشار کف پا مبتنی بر تکنیکهای یادگیری عمیق
چکیده: فشار کف پا حین راه رفتن، مرجع مهمی برای تحقیقات در زمینهی بررسی گام برداشتن، توانبخشی و درمان، کفشهای کلینیکال و هوشمند و غیره میباشد و مداخلهی الگوریتمهای یادگیری عمیق در تشخیص کلینیکال باعث کمک بزرگی در تشخیص و توانبخشی میگردد. این پژوهش با استفاده از تصاویر توزیع فشار کف پای افراد به طبقهبندی دادههای متعلق به افراد سالم و بیمار و همچنین پیشبینی یک تصویر از فشار کف پا طی گام برداشتن یک فرد با بهرهگیری از شبکههای عصبی مصنوعی عمیق پرداخته است. علاوهبر این در این پژوهش با طراحی یک مدل مبتنی بر شبکهی مولد تخاصمی توانستیم تصاویر فشار کف پا با الگوی سالم متناظر با تصاویر فشار کف پای افراد ناسالم را بهدست آوریم. همچنین از این مدل می توان در روند درمان و برای اطلاع از میزان پیشرفت در این دوره برای شخص دارای مشکل حرکتی (با توجه به هدف درمان که اصلاح راه رفتن شخص و رسیدن به حالت گام برداشتن سالم است) استفاده کرد. برای طبقهبندی دادهها (که شامل تصاویر فشار کف پا میباشند) به دو کلاس سالم و ناسالم، دو حالت را در نظر گرفتهایم. حالت اول بدون در نظر گرفتن ارتباط زمانی میان تصاویر یک گام که با استفاده از شبکهی عصبی کانولوشن بهعنوان طبقهبند، به دقت 99.40% بر روی دادههای تست رسیدیم و در حالت دوم با در نظر گرفتن ارتباط زمانی میان تصاویر با استفاده از مدل متشکل از شبکهی عصبی بازگشتی حافظهی طولانی کوتاه مدت و شبکهی عصبی کانولوشن، دقت 65.58% برای طبقهبندی دادههای تست حاصل گشت. در این پژوهش با هدف پیشبینی یک تصویر از تصاویر فشار کف پا در یک گام شخص، شبکهی عصبی حافظهی طولانی کوتاه مدتی را طراحی کردیم و در این راه به دقت 84.97 % بر روی دادههای تست دست یافتیم. سپس مدل طراحی شده را با پیشبینی مرکز فشار تصویری که هدف پیشبینی است، ارتقا دادیم. در انتها ایدهی استفاده از روش پیشنهادی این پژوهش در زمینهی پیشبینی یک تصویر از تصاویر فشار کف پا در رباتهای توانبخشی مرتبط نیز بیان گشته است. 22 شهریور 1399 / تعداد نمایش : 1303
|