ارزيابي خودكار عملكرد بيمار با شبكه عصبي عميق پيچشي فازي با لايه آموزش‌پذير در ربات فيزيوتراپي زانو مبتني بر بازي

Automatic assessment of patient performance with deep convolutional fuzzy neural network with learnable layer in game-based knee physiotherapy robot

با گسترش فناوري مدرن و تغيير در شيوه زندگي انسان، توان‌بخشي و آموزش افراد معلول، سالمندان و افراد با اختلالات حركتي به يك چالش اجتماعي بزرگ تبديل شده است. از مزيت هاي استفاده از بازي در ربات‌هاي فيزيوتراپي، مي توان به ساده‌ و جذاب سازي تمرينات توان‌بخشي اشاره كرد كه منجر به‌سرعت بخشيدن در فرايند بهبودي و حتي جلوگيري از آسيب‌هاي غيرمنتظره حين اجراي حركات مي شود. ما به‌منظور ارزيابي خودكار عملكرد بيمار حين انجام تمرينات ايزومتريك با ربات فيزيوتراپي زانو، شبكه عصبي عميق پيچشي فازي با لايه آموزش‌پذير فازي را پيشنهاد مي كنيم. اين لايه ضمن خوشه بندي ويژگي ها سبب افزايش دقت كلي شبكه مي شود. علاوه بر اين، داده‌هاي مختلف از جمله داده هاي الكترومايوگرافي و سلول بار براي گروه‌هاي سالم و بيمار جمع آوري شده است. به طور مشخص، تعيين سطح دشواري بازي بر اساس عملكرد كاربر با شبكه عصبي پيچشي فازي صورت‌گرفته كه امكان استفاده از سنسورهاي ارزان‌قيمت را به‌عنوان جايگزين قابل‌قبول حسگرهاي مايكروسافت كينكت و همچنين قابليت تشخيص از راه دور جهت تعيين ميزان صحت تمرينات انجام شده را فراهم مي آورد. نتايج نشان مي‌دهند كه استراتژي معرفي شده بادقت 96.21٪ عملكرد فرد را شناسايي مي كند.