عنوان
تشخيص زمين خوردن سالمندان تحت مراقبت از راه دور در افزاره‌هاي پوشيدني خود توان
نويسنده اصلي
السويدي، سيف
محل تحصيل
اصفهان : دانشگاه صنعتي اصفهان
رشته تحصيلي
مهندسي پزشكي
مقطع تحصيلي
كارشناسي ارشد
چكيده
سقوط يكي از مهم‌ترين مخاطرات سلامت براي جمعيت رو به رشد سالمندان به شمار مي‌رود و پيامدهايي نظير بستري شدن طولاني‌مدت، ناتواني دائمي و افزايش نرخ مرگ‌ومير را به همراه دارد. سامانه‌هاي پوشيدني تشخيص سقوط، راهكاري اميدبخش براي پايش مداوم سلامت هستند؛ با اين حال، كارايي عملي اين سامانه‌ها به دليل محدوديت ظرفيت باتري، نياز مداوم به شارژ و از كارافتادگي دستگاه در زمان شارژ، با چالش‌هاي جدي روبروست.
اين پژوهش با هدف غلبه بر اين محدوديت‌ها، يك چارچوب تشخيص سقوط مبتني بر يادگيري عميق ارائه مي‌دهد كه با بهره‌وري انرژي بالا، پتانسيل لازم براي ادغام با فناوري برداشت انرژي جنبشي را داراست. چارچوب پيشنهادي بر پايه مجموعه داده‌ي استاندارد SisFall توسعه يافته و داده‌هاي حاصل از دو شتاب‌سنج سه‌محوره و يك ژيروسكوپ سه‌محوره را پردازش مي‌كند. در اين پژوهش، سي و هفت ويژگي سينماتيكي شامل آماره‌هاي حوزه زمان، مساحت دامنه سيگنال و ژرك استخراج گرديد. به منظور جلوگيري از نشتي داده‌ها، از روش تفكيك داده‌ها به صورت كاملاً مستقل از افراد استفاده شد.
در گام نخست، يك طبقه‌بند جنگل تصادفي به عنوان مدل پايه پياده‌سازي شد كه به دقت 89.69 درصد و حساسيت 76.45 درصد دست يافت. در ادامه، براي مدل‌سازي وابستگي‌هاي زماني موجود در سيگنال‌هاي حركتي، از شبكه عصبي حافظه بلندمدت كوتاه‌مدت دوسويه استفاده شد. جهت مقابله با چالش عدم توازن شديد كلاس‌ها، معماري پيشرفته‌اي شامل سه لايه Bi-LSTM با 256 واحد، مكانيزم خودتوجهي با هشت سر و تابع هزينه Focal Loss ارائه گرديد.
مدل نهايي بهينه‌شده عملكرد برجسته‌اي با دقت 97.74 درصد، حساسيت 95.44 درصد، ويژگي 98.83 درصد، نمره F1 معادل 96.45 درصد و مساحت زير منحني ROC برابر با 99.65 درصد دست يافت. اين نتايج نشان‌دهنده بهبود 18.99 درصدي در حساسيت و 13.06 درصدي در نمره F1 نسبت به مدل پايه است. ماتريس درهم‌ريختگي كاهش چشمگير خطاهاي منفي كاذب را نشان مي‌دهد كه حاكي از قابليت بالاي مدل در تشخيص سقوط است. چارچوب پيشنهادي با ايجاد تعادلي بهينه ميان دقت تشخيص و بهره‌وري انرژي، راهكاري مقاوم، خودمختار و قابل استقرار براي پايش طولاني‌مدت سلامت سالمندان و كاربردهاي پزشكي از راه دور ارائه مي‌دهد.
شماره ركورد
238009
گرايش رشته تحصيلي
بيوالكتريك
دانشكده
مهندسي برق و كامپيوتر
دانشگاه
دانشگاه صنعتي اصفهان