+ All Categories
Home > Documents > Kohonenovy samoorganizující se mapy a možnosti jejich aplikace v rehabilitačním procesu

Kohonenovy samoorganizující se mapy a možnosti jejich aplikace v rehabilitačním procesu

Date post: 09-Jan-2016
Category:
Upload: menora
View: 33 times
Download: 2 times
Share this document with a friend
Description:
Trendy v biomedicínském inženýrství Rožnov p.Radh. , 21.9.-23.9.11. L ANN A. Jana Tučková Jan Sikora [email protected] sikora @ btlnet. Kohonenovy samoorganizující se mapy a možnosti jejich aplikace v rehabilitačním procesu. TBMI ’ 11. Rožnov pod Radhoštěm. Obsah. - PowerPoint PPT Presentation
17
Kohonenovy samoorganizující se mapy a možnosti jejich aplikace v rehabilitačním procesu Trendy v biomedicínském inženýrství Rožnov p.Radh., 21.9.-23.9.11 . Jana Tučková Jan Sikora [email protected] sikora@btlnet LANNA
Transcript
Page 1: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Kohonenovy samoorganizující se mapy a možnosti jejich aplikace

v rehabilitačním procesu

Trendy v biomedicínském inženýrství Rožnov p.Radh., 21.9.-23.9.11

.

Jana Tučková Jan Sikora [email protected] sikora@btlnet

LANNA

Page 2: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Obsah

Úvod Analýza vlivu rehabilitace na pohyb

ruky u pacientů po mozkové příhodě - Extrakce a zpracování dat

- Návrh Kohonenových map

- Aplikace KSOM Zhodnocení výsledků experimentů Závěr

TBMI’11

2/17

Podporováno výzkumným záměrem MSM 68407700 „Transdisciplinární výzkum v biomedicínském inženýrství II“

Rožnov pod Radhoštěm

Page 3: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

TBMI’11 Rožnov pod Radhoštěm

Úvod

3/17

Co řešíme ?

S Klinikou rehabilitací 1. LF UK v Praze, s katedrou kybernetiky FEL ČVUT v Praze

S kým spolupraujeme ?

Jakým způsobem ?

Chceme objektivizovat proces rehabilitace osob s mozkovou dysfunkcí

Analýzou funkce ruky pomocí UNS

Page 4: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Problém: zvětšující se počet pacientů s poškozením mozku

Úvod

TBMI’11

Cíle: extrakce a analýza funkčních parametrů pacientů rozdělení pacientů do skupin podle závažnosti postižení sledování vývoje pacientů po stacionáři vytvoření metodiky měření funkčních parametrů

4/17

Rožnov pod Radhoštěm

Náhlá mozková příhoda, stavy po úrazech, následky vertebrogenních a jiných neurologických onemocnění

Page 5: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

TBMI’11 Rožnov pod Radhoštěm

Analýza vlivu rehabilitace na pohyb ruky

5/17

Výběr vhodné neuronové sítě pro interpretaci výsledků – KSOM, Supervised KSOM

Výběr vhodné metody pro měření funkčních parametrů – 3D videografie (motion capture)

Definice signifikantních pohybů a umístění markerů ve spolupráci s lékaři Kliniky rehabilitačního lékařství

Výběr parametrů pohybů nezávislých na somatotypu pacienta

Definice grafických výstupů důležitých pro subjektivní posouzení pohybů lékařem

Page 6: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

TBMI’11 Rožnov pod Radhoštěm

3D - videografie - systém 3 kamer, IR markerů pro zachycení prostorových souřadnic pohybů - vzorkování 100 Hz - Výstup: sekvence hodnot pro osu x,y,z

a pořadí vzorků

6/17

Extrakce a zpracování dat

Dříve

Page 7: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

TBMI’11 Rožnov pod Radhoštěm

Extrakce a zpracování dat

Definované pohyby a umístění markerů

Flexe a extenze v lokti

Flexe a extenze v zápěstí, s podorou i bez podpory

Rotace v zápěstí

7/17

Page 8: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Rožnov pod RadhoštěmTBMI’11

8/17

Extrakce a zpracování dat

Nyní

Náramek pro detekci a monitorování pohybu

PRINCIP a.s.

Na klinice i v domácím prostředí

Motivace pacientů: možnost sledování úspěšnosti a správnosti terapie

Přenos dat do řídícího centra

Page 9: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Rožnov pod RadhoštěmTBMI’11

Extrakce a zpracování dat

14 osob: 6 zdravých kontrolních osob 2 pacienti s CMP 4 pacienti s poúrazovými stavy 1 pacient s roztroušenou sklerózou 1 zdravý sportovec

Doba sběru dat: 7 měsíců

Předzpracování dat: filtrace, FFTKontrola získaných dat: vizualizace, animace

9/17

Page 10: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Rožnov pod RadhoštěmTBMI’11

10/17

Prostorový úhel svíraný končetinou a jeho vývoj v čase (maximální a minimální dosažená hodnota)

Filtrace klouzavými průměry a detekcí maxim

Výpočet periody opakování pohybu !

Poloha maximální frekvence v hlavní rovině pohybu

Vypočtené funkční parametry z dat

!

Extrakce a zpracování dat

Page 11: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Kohonenovy samoorganizující se mapy

Rožnov pod RadhoštěmTBMI’11

11/17

Velikost: 15x15 neuronů ve výstupní vrstvěvelká mapa – roste kvantizační chyba, malá mapa – roste topologická chyba

Funkce okolí: Gaussián s inicializačním poloměrem 30 a konečným 1.

Hexagonální mřížka – všesměrová linearita

Dávkové učení, Linearní inicializace

Lineární learning rate

Segmentace prahovaním a K-means

Page 12: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Rožnov pod RadhoštěmTBMI’11

12/17

Aplikace KSOM

těžce poškozenáhybnostruky

Page 13: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

TBMI’11 Rožnov pod Radhoštěm

13/17

Max.úhel Min.úhel Periodaopakování

Frekvence

Flexe a extenze v lokti

Flexe a extenze v zápěstí

Flexe a extenze v zápěstí s oporou

Rotace zápěstí(vychýlení zápěstí z osy rotace)

Aplikace KSOM

Žlutá = pacient s CMP

Page 14: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Zhodnocení

Rožnov pod RadhoštěmTBMI’11

14/17

Analýza běžných pohybů - úchop, posunutí předmětu nebylo možné snímat špatná viditelnost markerů při 3D videografii

Zlepšení: při použití náramků pro detekci pohybu

Výsledky klasifikace pomocí klasických KSOM jsou lepší, než klasifikace pomocí KSOM s učitelem subjektivnílabelování zhoršení generalizace

Potvrzeny předpoklady lékařů a fyzioterapeutů

Page 15: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Potvrzení předpokladu o korelaci měřených parametrů s diagnózou lékařů

Rožnov pod Radhoštěm

ZhodnoceníTBMI’11

15/17

Vizualizace shluků je vhodnější, než analytické vyjádření

Pilotní studie potvrdila možnost využít KSOM k rozlišení - pacientů s mozkovou dysfuncí od zdravých osob - pacientů s rozdílnou diagnózou (dysfunkce způsobená CMP, poúrazovými stavy, nádorem a pod)

- časového vývoje rehabilitace

Page 16: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

ZávěrRožnov pod Radhoštěm

TBMI’11

16/17

Cíl studie – prokázat shopnost KSOM klasifikovat pacientya navrhnout metodiku pro objektivizaci posuzování procesu Rehabilitace byl splněn.

Budoucí výzkum: - prokázat dosazené výsledky na větším počtu pacientů a na kontrolní skupině - pro snímání dat použít náramky na detekci pohybů (akcelerometry) - hledání dalších měřitelných parametrů - statistické vyhodnocení - automatická detekce artefaktů dotahování pohybů (charakteristické pro pacienty)

Page 17: Kohonenovy samoorganizující se mapy a možnosti jejich aplikace  v rehabilitačním procesu

Rožnov pod Radhoštěm

TBMI’11

Děkuji

za pozornost

Závěr - Konec


Recommended