อัลกอริทึมเรียนรู้สำหรับการวินิจฉัยโรคที่เกี่ยวข้องกับความผิดปกติทางการเคลื่อนไหวโดยใช้ข้อมูลการเดิน

Learning Algorithm For Medical Diagnosis On Movement Disorder Using Gait Data

Name: รัตติยา ฐานะสุนทรฤกษ์

ThaSH: คอมพิวเตอร์อัลกอริทึม

ThaSH: การเดิน

ThaSH: การเคลื่อนไหว

ThaSH: การเคลื่อนที่ของมนุษย์

Abstract: การวิเคราะห์ข้อมูลการเดิน เป็นการศึกษาเกี่ยวกับข้อมูลการเดินของมนุษย์ รวมถึงการเก็บข้อมูลและการวิเคราะห์ข้อมูล ข้อมูลเหล่านี้สามารถนำไปใช้ประโยชน์ในหลาย ๆ ด้าน โดยเฉพาะอย่างยิ่งในทางการแพทย์ได้ใช้ข้อมูลเหล่านี้นำไปวิเคราะห์โรคที่ส่งผลกระทบต่อการเดิน เพื่อวินิจฉัย ดำเนินรักษาและฟื้นฟูผู้ป่วย กระบวนการการวินิจฉัยนั้น แพทย์ผู้เชี่ยวชาญจะทำการอ่านและวิเคราะห์ผลของข้อมูลที่ได้มา ซึ่งในขั้นตอนนี้ต้องใช้ผู้ที่มีความรู้ที่เฉพาะทางและใช้ผู้ที่มีความเชี่ยวชาญอีกด้วย ดังนั้นวิทยานิพนธ์นี้จึงนำเสนอระบบการวิเคราะห์ข้อมูลการเดินจาก Motion Capture ในการจำแนกผู้ป่วยที่มีโรคเกี่ยวกับการเดิน โดยจะแบ่งออกเป็น 3 คลาส คือ คนปกติ (Normal), ผู้ป่วยข้อเข่าเสื่อม (Sick/Knee OA), ผู้ป่วยพาร์กินสัน (Sick/Parkinson) การทดลองได้ศึกษาสภาพแวดล้อมที่เหมาะสม โดยศึกษาในผู้กลุ่มตัวอย่าง 88 ราย เป็นคนปกติสูงวัย 27 คน ผู้ป่วยข้อเข่าเสื่อม 34 คนและผู้ป่วยพาร์กินสัน 27 คน ซึ่งผลการทดลองได้ให้ค่าความแม่นยำที่ดีที่สุดเป็นฟีเจอร์ที่ใช้ตำแหน่งในวงจรการเดินสี่ตำแหน่งโดยใช้ Support vector machine (SVM) โครงสร้างแบบ One VS One ในการจำแนกประเภท ซึ่งได้ค่าความแม่นยำเป็น 70% และนำเสนอโปรแกรมต้นแบบที่มีขอบเขตค่าปกติเพื่อช่วยให้สามารถใช้ระบบนี้ในการจำแนกผู้ป่วยได้ในเบื้องต้น

Abstract: Gait analysis is the process of collecting and analyzing the data of human walking movement. This kind of information is useful and widely used in many areas, especially in clinical research study. Doctors and physicians use it to identify a type of movement disorder diseases. Different illnesses require different types of doctors and treatments. This thesis presents an automated diagnosis system using gait data to classify patients into three groups: Normal, Sick/Knee Osteoarthritis (OA), and Sick/Parkinson’s disease. In the study, there are 88 samples (patients): 27 elder normal, 34 osteoarthritis, and 27 Parkinson. The best classification scheme is based on a feature set of four major positions in the gait cycle and SVM using the One-VS-One strategy. The experimental results show that the proposed system achieved 70% accuracy. To primarily assist the diagnosis, the prototype system was implemented showing a comparison of gait cycle graphs between a patient and normal people.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: พิษณุ คนองชัยยศ

Role: ที่ปรึกษา

Name: พีรพล เวทีกูล

Role: ที่ปรึกษาร่วม

Modified: 2559-08-30

Issued: 2559-08-30

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมคอมพิวเตอร์

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	rattiya_th.pdf	1.91 MB	27	2024-11-05 15:53:27

ใช้เวลา

0.036853 วินาที