اعتباریابی مدل شبکه عصبی برای پیش بینی طول گام حین گیت با استفاده از 3 مارکر متصل به لگن، تنه و سر(مقاله علمی وزارت علوم)
منبع:
مطالعات طب ورزشی پاییز ۱۴۰۴ شماره ۴۵
57 - 72
حوزههای تخصصی:
تحلیل حرکتی یکی از ارکان کلیدی تحقیقات آنالیز گیت است که به تازگی تحت تأثیر پیشرفت های سیستم های ضبط حرکت و هوش مصنوعی قرار گرفته است. هدف مطالعه حاضر، اعتباریابی مدل شبکه عصبی برای پیش بینی طول گام با استفاده از سه مارکر متصل به لگن، تنه و سر بود. از 28 مرد جوان حاضر در مطالعه خواسته شد تا به مدت دو دقیقه با سه سرعت روی تردمیل راه روند. جابه جایی خطی و سه بعدی لگن، تنه و سر با استفاده از نشانگرهای متصل به این اندام ها جمع آوری شد و در سیزده ترکیب مختلف وارد مدل شبکه عصبی شد. از دو نشانگر متصل به پاشنه برای محاسبه مستقیم طول گام استفاده شد. اطلاعات طول گام به عنوان داده هدف و به منظور آموزش شبکه عصبی وارد مدل شد. از الگوریتم لونبرگ-مارکوارت برای آموزش و برای اعتبارسنجی نتایج از روش بلاند-آلتمن استفاده شد. نتایج اعتبارسنجی نشان داد، در تخمین طول گام، بهترین عملکرد مربوط به حرکت خطی سه مارکر در راستای بالایی-پایینی و قدامی-خلفی با ضریب تعیین 5/86 درصد بود. ضعیف ترین پیش بینی نیز مربوط به حرکت چپی-راستی سه مارکر لگن، تنه و سر با ضریب تعیین 65/9 درصد بود. همچنین در هفت حالت از سیزده حالت بررسی شده، همبستگی بین روش مستقیم و پیش بینی عالی به دست آمد. نتایج نشان داد، تخمین طول گام با استفاده از سه مارکر تعیین شده، همبستگی زیادی با روش های مرسوم اندازه گیری دارد. این روش نه تنها دقت بسیاری را ارائه می دهد، بلکه هزینه ها و زمان پردازش را نیز کاهش می دهد و در محیط های کلینیکی و ورزشی با تجهیزات محدود، مزیت مناسبی را ایجاد می کند.