سه شنبه, 04 مهر 1396

بسمه تعالی

جلسه دفاعیه

از پايان نامه کارشناسی ارشد

آشکار‌سازی رخداد‌های فرآیند گام‌برداشتن با استفاده از اطلاعات موقعیت ساق پا و ترکیب مدل مخفی مارکوف با شبکه‌های عصبی مصنوعی

در میان فعالیت های روزانه، راه رفتن نقش مهمی در عمکرد انسان به صورت مستقل دارد. روند راه رفتن به طور ناخودآگاه و بدون نیاز به فکر است. راه رفتن در اکثر فعالیت‌های روزانه صورت می‌گیرد و علاوه بر این یک راه مهم و موثر در جابه‌جایی می‌باشد. آسیب نخاعی و یا ضایعات مغزی می‌تواند این قابلیت را تحت تاثیر قرار دهد و در نتیجه باعث می‌شود بیمار نیاز به توانبخشی داشته باشد. برای مقابله با این مشکلات، از حسگرهایی که معمولا شامل شتاب‌سنج‌ها و ژیروسکوپ‌ها هستند و بر روی قسمت‌های مختلف اندام‌ تهتانی بدن نصب می‌شوند، برای آنالیز حرکت و شناسایی رخداد‌های گیت استفاده کرده‌اند. در این سیستم‌ها یک الگوریتم تشخیص اتوماتیک خاص، رخداد‌های گام برداشتن را در فرد بررسی می‌کند. در بیشتر موارد سیگنال‌ها از روی ساق پا و یا ناحیه کمری اندازه‌گیری می‌شود.

هدف اصلی این پروژه، آشکارسازی رخدادهای فرآیند گام برداشتن با استفاده از اطلاعات موقعیت ساق پا و ترکیب مدل مخفی مارکوف با شبکه‌های عصبی مصنوعی است. شناسایی رخداد‌های گیت به معنی شناسایی ترتیب رخداد‌هایی که برای آشکارسازی حالت گذار از یک فاز به فاز دیگر در هر دوره از هر گیت است، تعبیر می‌شود. شناسایی رخداد‌های گام ‌برداشتن ، تقریبا در تمام جنبه‌های آنالیز راه رفتن و بهبود آن از اهمیت زیادی برخوردار است. تغییرات موقعیت ساق پا هنگام گام برداشتن، حاوی اطلاعاتی در مورد رخدادهای گام برداشتن است که قابل مشاهده نیستند. مشاهدات نیز همان موقعیت ساق پا هستند. بنابراین ازمدل مخفی مارکوف همراه با شبکه‌های عصبی مصنوعی استفاده می‌شود. ابتدا سیگنال‌ها به طور خام و سپس ویژگی‌های زمانی سیگنال، به مدل مخفی مارکوف داده می‌شوند. مارکوف با بررسی احتمالات هر مشاهده، مشخص می‌کند که هر مشاهده در چه حالتی قرار دارد. در مرحله بعد، خروجی‌های مدل مارکوف برای تصمیم‌گیری دقیق‌تر به شبکه عصبی مصنوعی داده می‌شود.

واژه‌های کلیدی: رخداد‌های گام‌ برداشتن، گیت، مدل مخفی مارکوف، شبکه‌ عصبی مصنوعی

دانشجو: سمیرا محمودآبادی

استاد راهنما: دكترحمیدرضا کبروی

هيات داوري: دكتر راوری ؛ دكتر صادقی

تاريخ دفاع: چهارشنبه   30/1/1396             ساعت:  11:30      

محل: کلاس 108