SUPERVISOR
Maryam Zekri,Farid Sheikholeslam
مریم ذکری (استاد مشاور) فرید شیخ الاسلام (استاد راهنما)
STUDENT
Marzieh Mostafavizadeh Ardestani
مرضیه مصطفوی زاده اردستانی
FACULTY - DEPARTMENT
دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1388
TITLE
Human Walking Classification In Two Healthy And Non-healthy Groups Based on Kinetic Pattern using Neural Network and Reduced Frequency
Human walking is a completely complicated activity in which both musculoskeletal and neural systems of the body are involved . Human aging strongly affect walking pattern so the risk of balance impairment is increased.In addition, most of elderly have the problem of osteoporosis so falling can cause serious fractures especially in lower limb joints such as ankle, knee and hip. As in most cases, the general circumstance of elderly such as blood pressure, heart rate, oxygen saturation ,etc is not proper , so restoration operatio will be challenging and burden extra cost. As the result of these matters, it will be very important to identify balance impairment in gait patterns especially in elderly people. In fact elderly classification in to two groups and recognizing the elderly who are disposed high risk of falling can prevent falling by applying walking aids or protective supports. Gait pattern can be explored by using 3 special kinds of parameters: EMG signals, kinematic and kinetic parameters.EMG signals are most recorded by surface electrodes and contain useful information about muscle activities. Kinematic parameters include displacement, velocity and acceleration of joints involved in walking such as angular/linear velocity or angular/linear displacement of the joints. Kinetic parameters refers to forces and moments that are responsible for changing body state during motion include moments and ground reaction forces (GRF) exerted to the feet .As the only contact region of the body during walking is the feet, the distribution of these forces are very effective in human balance.EMG, kinematic or kinetic signals contain important information about gait pattern and human balance but these information cannot be directly explored by the physician. However in the past decade most researchers are focused on kinematic parameters or combination of EMG and kinematic parameters, recording of these parameters need costly equipments such as Gait Analyzer or Motion Capture with at least 6 infrared cameras of high sensitivity arranged around the path way of walking .these equipments are rarely available in Iran labs and usually very expensive and costly. Another common equipment is force plate or platform which include 4 or 6 strain gauge or piezoelectric pressure sensors and used to obtain ground reaction forces and moments exerted to body during motion. In this paper we use a common six-channel strain gauge force plate with a pre-amplifier to obtain three force components and three moment components in reference planes: media-lateral, frontal and transverse planes. Kinetic data have a very irregular nature and simply noise polluted. In this paper we normalize the obtained data and rearrange them in to special matrixes as the inputs of a 3-layer feed forward neural network with a hidden layer. Actually we explore two major problem with kinetic data. The first one is to reduce the practical sampling frequency and the other is to classify kinetic patterns in two group of healthy and non-healthy people. We use both neural network and Anfis model to solve these problems and then compare the results. Keyword : Human Walking , Balance Impairment , Classification , Neural Network , Anfis Network
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