ماشین خبره تعمیم یافته بازشناسی اختلالات گیت: تحلیل خودکار تصاویرحرارتی اندام تحتانی با استفاده از راهکارهای ترکیبی شناسایی الگو

در این مقاله راهکار جدیدی در شناسایی اختلالات حرکتی در حین راه رفتن از اندام تحتانی پیشنهاد شده که از تحلیل تصاویر حرارتی (ترمو ویژن) استفاده میکند و قادر است بصورت خودکار وجود درد احتمالی منجر به اختلال عصبی-حرکتی راتشخیص دهد. در گام نخست با استفاده از تکنیکهای پردازش اولیه تصاویر و توسط تبدیل موجک گسسته، نویزهای احتمالی از ویژگیهای با اهمیت از ،(PCA) تصویر حرارتی نمونه اندام تحتانی حذف میگردد. سپس با تکیه بر روش تحلیل مولفههای اصلیتصویر حرارتی استخراج میشود. در نهایت، این ویژگیهای بدست آمده هستند که وارد طبقه بند فازی-ماشین بردار پشتیبانFSVMمیشوند و این طبقهبند وجود درد و شدت آنرا در تصویر حرارتی اندام تحتانی آشکار میسازد. راهکار کنونی در مراحل آموزش و آزمایش دارای دقت بالاتر از 90 % بوده و ضریب اطمینان (تعمیم پذیری) مناسبی را در اختیار پزشک متخصص قرارمیدهد. سیستم بصورت یکپارچه و بلادرنگReal-Time امکان پیاده سازی دارد و بعنوان ناظر ویدئویی گیت Gait درمراکز توانبخشی افراد معلول کارایی دارد

کلیدواژه ها:

اختلال حرکتی ، تصویر حرارتی ، تبدیل موجک گسسته ، تحلیل مولفههای اصلی و طبقهبند فازی-ماشین بردارپشتیبان