پيش بيني وقوع زمين خوردگي با بكارگيري ويژگي هاي آشوب و يادگيري عميق از روي تصاوير حرارتي ناحيه زانو

در مقاله حال حاضر، پيش بيني وقوع زمين خوردگي با استفاده از تحليل خودكار تصاوير حرارتي ناحيه زانو صورت پذيرفته است. بازشناسي زودهنگام التهاب مفاصل مي تواند سبب كاهش زمين خوردگي هاي افرادي چون سالمندان شود كه به طور متوسط 25٪ تا 47 با خطر افتادن روبه رو هستند. به طور شاخص، تشخيص اختلال حركتي توسط متخصصين طب سالمندي فرايندي پيچيده مي نمايد و تبحر بيومكانيك حركت را مي طلبد. با وجود تصاوير حرارتي نواحي حركتي زانو، امكان استخراج ويژگي ها توسط توصيفگر آشوب فراهم آمده كه بردار صفات ورودي در پيش تعليم عميق را تشكيل مي دهد. عملكرد طبقه بند با امكان يادگيري ژرف توسط الگوريتم بهينه سازي چرخه آب بهبود يافته و مدلي شكل گرفته كه بر مبناي آن، طبقه بندي در حالت دودويي و چند كلاسي، نتايج بهينه اي را به دنبال داشته است. مجموعه تصاوير حرارتي، نمونه هاي مناسبي از وضعيت هاي متفاوت مفاصل است؛ مضاف بر اين موارد، حل مسئله عدم قطعيت پاسخ ها، تكرارپذيري و همگرايي به سمت كمينه خطا از جمله نقاط قوت مدل پيشنهادي است. در قياس با روش هاي متعارف استخراج ويژگي و طبقه بندي، خروجي هاي قابل قبول تري حاصل آمده و مدل براي حالت دو كلاسي و چهار كلاسي و به روش اعتبارسنجي متقاطع K-fold به طور ميانگين خطاهاي كمتر از 2٪ و 7٪ را رقم زده است.