تشخیص بیماری سندروم دردناک مفصل کشککی رانی با استفاده از شبکه نرو- فازی و آموزش از طریق الگوریتم ازدحام ذرات
محل انتشار: هشتمین همایش ملی مهندسی مکانیک
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 610
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCOFME08_061
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
در این تحقیق، یک راه حل متفاوت برای تشخیص و شناسایی میزان شدت سندرومدردناک مفصل کشککی رانی بر پایه استفاده از شبکه نرو- فازی با آموزش از طریق الگوریتم تکاملی ازدحام ذرات پیشنهاد شده است. این نوع تخمین گر به دلیل استفاده ازدانش بشری بر پایه الگوریتم فازی و قابلیت یادگیری شبکه عصبی و بهینه سازی الگوریتمازدحام ذرات انتخاب شده است.تعادل ایستایی 30 شرکت کننده (15 فرد سالم و 15 فرد بیمار) در حالت دوپا بوسیلهصفحه نیرو با فرکانس 100 هرتز اندازه گرفته می شود. داده برداری از سه نقطه مرکز فشاردر عضلات ابداکتور و اکسترنال روتیتور هر فرد در سه جلسه با فاصله 48 ساعت انجامشده است.مقادیر هفت شاخص تعریف شده مرکز فشار، قبل و بعد از خستگی هر دو عضله، بهعنوان ورودی به شبکه اعمال شده و با استفاده از خروجی این شبکه، با صحت 1 / 88 % فردبیمار از سالم تشخیص داده می شود.در مطالعات آتی، می توان از رویکردهای دیگری در تشخیص بیماری در هر دوحالت راه رفتن و استاتیکی استفاده کرد به عنوان نمونه بهبود زوایا و کنترل گشتاور و یااستفاده از سیگنال های الکترومایوگرافی. همچنین بعد از تشخیص شدت بیماری در حین راهرفتن، حرکت بیمار را با استفاده از یک ارتز کنترل کرد و از زمین خوردن بیمار جلوگیری کرد.
کلیدواژه ها:
نویسندگان
مهدی فقیهی حبیب آبادی
دانشجوی کارشناسی ارشد، دانشکده مکانیک، دانشگاه آزاد خمینی شهر- نویسنده مسئول
نیما جمشیدی
استادیار، دانشکده فنی و مهندسی، دانشگاه اصفهان
سیدمحمدعلی ابطحی
فارق التحصیل کارشناسی ارشد ، دانشکده فنی و مهندسی، دانشگاه اصفهان
محمدرضا یزدچی
استادیار، دانشکده فنی و مهندسی، دانشگاه اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :