Kohonenovy samoorganizující se mapy a možnosti jejich aplikace

Prezentace na téma: "Kohonenovy samoorganizující se mapy a možnosti jejich aplikace"— Transkript prezentace:

1 Kohonenovy samoorganizující se mapy a možnosti jejich aplikace
Trendy v biomedicínském inženýrství Rožnov p.Radh., LANNA Jana Tučková Jan Sikora . Kohonenovy samoorganizující se mapy a možnosti jejich aplikace v rehabilitačním procesu

2 TBMI’11 Obsah Rožnov pod Radhoštěm 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 Podporováno výzkumným záměrem MSM „Transdisciplinární výzkum v biomedicínském inženýrství II“ 2/17

3 Úvod Co řešíme ? Jakým způsobem ? S kým spolupraujeme ?
TBMI’11 Rožnov pod Radhoštěm Úvod Co řešíme ? Chceme objektivizovat proces rehabilitace osob s mozkovou dysfunkcí Jakým způsobem ? Analýzou funkce ruky pomocí UNS S kým spolupraujeme ? S Klinikou rehabilitací 1. LF UK v Praze, s katedrou kybernetiky FEL ČVUT v Praze 3/17

4 Úvod Problém: zvětšující se počet pacientů s poškozením mozku
TBMI’11 Rožnov pod Radhoštěm Problém: zvětšující se počet pacientů s poškozením mozku Náhlá mozková příhoda, stavy po úrazech, následky vertebrogenních a jiných neurologických onemocnění 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

5 Analýza vlivu rehabilitace na pohyb ruky
TBMI’11 Rožnov pod Radhoštěm Analýza vlivu rehabilitace na pohyb ruky 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 5/17

6 Extrakce a zpracování dat
TBMI’11 Rožnov pod Radhoštěm Extrakce a zpracování dat 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 Dříve 6/17

7 Extrakce a zpracování dat
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

8 Extrakce a zpracování dat
TBMI’11 Rožnov pod Radhoštěm Extrakce a zpracování dat Náramek pro detekci a monitorování pohybu Na klinice i v domácím prostředí Motivace pacientů: možnost sledování úspěšnosti a správnosti terapie Nyní PRINCIP a.s. Přenos dat do řídícího centra 8/17

9 Extrakce a zpracování dat
TBMI’11 Rožnov pod Radhoštěm Extrakce a zpracování dat 14 osob: 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, FFT Kontrola získaných dat: vizualizace, animace 9/17

10 ! Extrakce a zpracování dat Vypočtené funkční parametry z dat
TBMI’11 Rožnov pod Radhoštěm Extrakce a zpracování dat Vypočtené funkční parametry z dat 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 ! 10/17

11 Kohonenovy samoorganizující se mapy
TBMI’11 Rožnov pod Radhoštěm Kohonenovy samoorganizující se mapy Velikost: 15x15 neuronů ve výstupní vrstvě velká 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 11/17

12 Aplikace KSOM těžce poškozená hybnost ruky TBMI’11
Rožnov pod Radhoštěm Aplikace KSOM těžce poškozená hybnost ruky 12/17

13 Aplikace KSOM Flexe a extenze v lokti Žlutá = pacient s CMP
TBMI’11 Rožnov pod Radhoštěm Aplikace KSOM Perioda opakování Max.úhel Min.úhel Frekvence Flexe a extenze v lokti Žlutá = pacient s CMP Flexe a extenze v zápěstí Flexe a extenze v zápěstí s oporou Barevná škála = vzdálenost mezi vektory, modrá = minimální vzdálenost, největší podobnost, červená = maximální vzdálenost, vektory si nejsou podobné. Rotace zápěstí (vychýlení zápěstí z osy rotace) 13/17

14 Zhodnocení Analýza běžných pohybů - úchop, posunutí předmětu
TBMI’11 Rožnov pod Radhoštěm Zhodnocení 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 subjektivní labelování zhoršení generalizace Potvrzeny předpoklady lékařů a fyzioterapeutů 14/17

15 Zhodnocení Potvrzení předpokladu o korelaci měřených parametrů
TBMI’11 Rožnov pod Radhoštěm Zhodnocení Potvrzení předpokladu o korelaci měřených parametrů s diagnózou lékařů 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 15/17

16 Závěr Cíl studie – prokázat shopnost KSOM klasifikovat pacienty
TBMI’11 Závěr Rožnov pod Radhoštěm Cíl studie – prokázat shopnost KSOM klasifikovat pacienty a 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) 16/17

17 TBMI’11 Rožnov pod Radhoštěm Závěr - Konec Děkuji za pozornost