مدلسازی اختلالات حرکتی تعادل انسان با استفاده از دادگان حاصل از پردازش تصویر
نام نخستين پديدآور
/حکیمه پوراکبری اصل سردرود
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی فناوری های نوین
تاریخ نشرو بخش و غیره
، ۱۳۹۳
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی مکاترونیک
زمان اعطا مدرک
۱۳۹۳/۱۰/۱۷
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در هنگام وقوع بیماری های عصبی، عملکرد سیستم اعصاب مرکزی دچار اختلال شده و گاهی پاسخ های مشخصی را تولید میکنند که علائم بیماری میباشند .اختلالات حرکتی مخصوصا اختلالات مربوط به حفظ تعادل یکی از مهمترین مشکلات مکاترونیکی در انسان می-باشد .در این بین، بیماری مولتیپل اسکلروزیس) ام اس (یکی از بیماریهای شایع مغز و اعصاب بوده و جمعیتی حدود ۲.۵ میلیون نفر در سراسر دنیا از این بیماری رنج میصبرند .این بیماری عمدتا در بالغین جوان بروز میصکند .بیشترین میزان بروز بین سن۲۰ - ۴۰سالگی است و زنان تقریبا دو برابر مردان مبتلا میصشوند .اختلالات تعادل یکی از ابتدائیترین و مهمترین عارضهصهای این بیماری است که ۷۵ درصد مبتلایان را گرفتار میصسازد .با پیشرفت بیماری، علایم مختلفی آشکار میشوند و ممکن است تا فلج شدن کامل شخص ادامه یابند .مطالعهی بیماری ام اس این امکان را میدهد تا شناختی از نحوهی کنترل تعادل بدن به دست آوریم .هدف اصلی این پایاننامه مدلسازی اختلالات حرکتی تعادل انسان بر پایهی اطلاعات حاصل از پردازش تصویر رفتار کنترل تعادل بیمار مبتلا به ام اس است .بررسی این اختلالات میتواند ما را به یک مدل کمی ماکروسکوپی برای بیماری ام اس برساند .وجود چنین مدلی میصتواند باعث شناخت بهتر عملکرد بیماری ام اس شده و اطلاعات ما را در مورد نحوهصی ایجاد اختلالات و همچنین عوارض بیماری ام اس به خوبی افزایش دهد .بنابراین میصتوان افقصهای جدیدی در دنبال کردن نحوهصی رشد و گسترش بیماری و همچنین پیش بینی زمان و رفتار حملات عصبی بیماری ام اس گشود .در این مطالعه، ابتدا سعی گردید مطالعهصای جامع روی بیماری ام اس انجام گیرد .بر اساس پاتولوژی آن تلاش شد مدلی برای اختلالات تعادل ارائه گردد .سپس به کمک دادهصهای کلینیکی موجود مدل ارائه شده تحقق بخشیده شد .در گام بعدی با استفاده از طبقه بندی کنندهصای که بر مبنای ویژگیصهای مناسب استخراج شده از دادهصهای کلینیکی طراحی شده و با دقت۳۵/۹۲درصد گروه افراد سالم و بیمار را از هم جدا میصنماید، مدل ارائه شده اعتبار سنجی شده و روشصهای درمانی مختلف بر روی آن بررسی گردید .همچنین طبقهصبندی کنندهصی دیگری بر مبنای ویژگیصهای استخراج شده طراحی گردید که قادر است با احتمال مناسبی) دقت ۸/۸۴ درصد (افرادی را که احتمالا در آینده دچار بیماری خواهند شد، تشخیص دهد
متن يادداشت
During the neurological diseases, the function of the central nervous system (CNS) is disrupted and sometimes specific responses occur that represent the symptoms of the relevant disease. Motor disorders, specifically the ones related to balance disorders, are among the most important mechatronic problems in humans. Multiple Sclerosis (MS) is one of the most common CNS diseases that more than 2.5 million people are affected by MS worldwide. It is common in the people of ages between 20-40 and affects women twice more than men. Balance disorders are among the most important symptoms that involve 75 of the patienst. As the disease develops, different symptoms appear and may ultimately cause complete paralysis. Studying MS gives us the opportunity to gain a proper knowledge about controlling the balance of the body. The main object of this thesis is the modeling of human balance disorder based on the image processing data of the MS patients. Studying these disorders leads us to present a quantitative macroscopic model for MS. Such a model can effectively improve our knowledge concerning MS and increase the amount of information regarding the causes of disruptions and side effects of the disease. As a result, it will be possible to extend the potential to unravel the trends of development and distribution of the disease and predicting the behavior and time of MS attacks. In this thesis, performing a comprehensive study on MS disease has been carried out at first. Then, based on the deduced pathology, a model for the balance disorders has been presented. The model has been realized through clinical data. Finally, the model has been validated by using a classifier that was properly designed based on clinical features that can separate patients and healthy subjects with accuracy of 92.35 . Then various therapeutic methods were examined on it. Another classifier has been designed as well, which is able to diagnose the potential patients who might be affected by MS in the future with accuracy of 84.8
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )