Artificial neural network for gait disorder classification

Abstract

Son zamanlar hareket analiz sistemlerinde kayda değer gelişmeler gözlenmiştir. şbusistemler çeşitli yürüme bozuklukların teşhislerinde önemli araç haline gelmiştir. Gelişmelerklinisyenleri kritik kararları almakta cesaretlendirmektedir. Bilgisayar ve Hareket kaydıteknolojilerindeki ilerlemeler sayesinde yürümede çeşitli biyomekanik eklem eğrisi eldeedilebilmektedir. Elde edilen tüm parametrelerin incelenmesi yorucu ve zaman isteyen birişlemdir. Son zamanlar Sinir Ağları benzer hususlarda kullanılmaya eğilimindedir. Yapay SinirAğı eğitilebilir ve Yürüme Analizi için Karar destek sistemi olarak düşünülebilir.Bu çalışmada sinir ağı dört farklı yürüme şeklini sınıflandırmak için eğitilmiştir.Denetimli öğrenme metodu ve Hata Geri Yayınım algoritması Çok Katmalı Algılayıcılarıeğitilmesi için kullanılmıştır. Algoritma Matlab programlama dili ile uygulama halinegetirilmiştir. Bu tezde Normal Yürüme, Sağ Hemiparezi, Sol Hemiparezi ve Spastic Dipareziverileri 6 ve 12 yaşlarında toplam 150 kişiden alınmıştır. Çalışmalar stanbul Üniversitesistanbul Tıp Fakültesi Hareket Analizi Laboratuarında yürütülmüştür.Normal ve üç farklı anormal yürüme şekillerini ayırt etmede ortalama % 77sınıflandırma başarısı elde edilmiştir. Çapraz onaylama ve eğitimi erken durdurma metoduyladaha yüksek başarım elde edilmiş ve % 85'e ulaşmıştır.Normal ve anormal yürüme şekillerinin iki gruba sınıflandırılmasında % 96'ya varandaha yüksek başarıma ulaşılmıştır.Mevcut araştırmada yapılan ilerlemelere rağmen daha öte gelişmeler için çalışmalarındevam edilebilir. Sinir Ağı sınıflandırıcısı klinisyenlerin kararlarına destek olarak yararsağlayabilir.Anahtar Kelimeler: Hareket analizi, Sinirsel ağı, Karar destek.

Developments in motion analysis systems are distinctive in last decades. Those systemsbecame very important tools for diagnosis of various gait disorders. They evolved so much thatclinicians nowadays dare to use them in critical decisions. Thanks to advances in computer andmotion capture technology, several biomechanical joint trajectories of human gait areavailable. Examining all parameters is wearisome and time consuming. Recent inclinations aretowards facilitation of neural networks in similar cases. An Artificial Neural Network could betrained and considered as a decision support system for gait analysis.In this study a neural network is trained for classification of four different gait patterns.Supervised learning method and Error Back-Propagation Algorithms are deployed for thetraining of the Multilayer Perceptron. Matlab programming language was exploited for writingthe code of the algorithm. Overall 150 subjects were used in this thesis. Their age range wasbetween six and twelve years. Samples are collected for normal gait, Right Hemiplegia, LeftHemiplegia and Diplegia from Istanbul University Istanbul Medical Faculty MotionAnalysis Laboratory.Attained classification success for distinguishing normal and for three differentabnormal gaits was on average 77%. Further increase in success was achieved after theimplementation of cross validation and early stopping methods, reaching at 85%.For the classification of normal and abnormal gaits into two groups a betterclassification success rate was achieved, up to 96%.There is still space to build upon the current research for further progress. This neuralclassifier could help clinician to support his/her decisions.Keywords: Motion analysis, Neural network, Decision support.