Kohonenovy samoorganizující se mapy a možnosti jejich aplikace v rehabilitačním procesu
description
Transcript of 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
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
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
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
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
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
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
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
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
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
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
Rožnov pod RadhoštěmTBMI’11
12/17
Aplikace KSOM
těžce poškozenáhybnostruky
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
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
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
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)
Rožnov pod Radhoštěm
TBMI’11
Děkuji
za pozornost
Závěr - Konec