دوره ۵، شماره ۴ - ( زمستان ۱۳۹۷ )
جلد ۵ شماره ۴ صفحات ۴۵۶-۴۴۷ |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Khosravi A, Hosseini Seno A. Detection of Abnormal Behaviors in Patients with Dementia and Preliminary Symptoms in Smart Home. jhbmi 2019; 5 (4) :447-456
URL: http://jhbmi.ir/article-1-300-fa.html
URL: http://jhbmi.ir/article-1-300-fa.html
خسروی علیرضا، حسینی سنو امین. تشخیص رفتارهای غیرعادی در بیماران زوال عقل و بررسی علائم اولیه آن در خانه هوشمند. مجله انفورماتیک سلامت و زیست پزشکی. ۱۳۹۷; ۵ (۴) :۴۴۷-۴۵۶
دکترای تخصصی شبکه های کامپیوتری، استادیار، گروه کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران
چکیده: (۶۴۱۱ مشاهده)
مقدمه: تعداد افراد سالمندی که نیاز به کمک در رفتارهای روزمره خود دارند به سرعت در حال افزایش است. بیماری زوال عقل یکی از مهم‌ترین علل ناتوانی در سالمندان است که شیوع آن هزینه‌های بسیار بالایی بر جوامع بشری تحمیل کرده است. هدف این تحقیق استفاده از فناوری خانه هوشمند برای نظارت بر رفتار سالمند، شناسایی رفتارهای غیرعادی و کشف علائم اولیه بیماری زوال عقل قبل از وقوع بیماری است. تشخیص زودهنگام بیماری زوال عقل در مراحل اولیه می‌تواند باعث بهبود بالا در درمان آن و منجر به تأخیر بیماری شود.
روش: این مقاله از نوع کاربردی و به روش توصیفی- تحلیلی انجام شد و با استفاده از تکنیک‌های یادگیری ماشین، رفتارهای غیرعادی و علائم اولیه بیماری زوال عقل تشخیص داده شد. برای تشخیص رفتارهای غیرعادی از الگوریتم kmedoide و برای بررسی کیفیت خواب به عنوان علائم اولیه بیماری زوال عقل، از پرسشنامه معتبر PSQI و برای پیاده‌سازی از نرم‌افزار Matlab نسخه 2012 استفاده شد.
نتایج: نتایج در بخش رفتارهای غیرعادی نشان می‌دهد الگوریتم‌های خوشه‌بندی کارآیی بالایی در تشخیص رفتارهای غیرعادی در خانه هوشمند داشته و همچنین نتایج در بخش بررسی علائم اولیه منجر به تشخیص خواب ضعیف فرد سالمند در پرسشنامه PSQI به عنوان علائم اولیه بیماری زوال عقل گردید.
نتیجه گیری: با استفاده از فناوری سیستم تحت نظارت خانه هوشمند می‌توان رفتار سالمندان را تشخیص داد. رفتارهای غیرعادی آن‌ها را شناسایی کرد و علائم اولیه بیماری‌هایی نظیر زوال عقل را کشف نمود.
روش: این مقاله از نوع کاربردی و به روش توصیفی- تحلیلی انجام شد و با استفاده از تکنیک‌های یادگیری ماشین، رفتارهای غیرعادی و علائم اولیه بیماری زوال عقل تشخیص داده شد. برای تشخیص رفتارهای غیرعادی از الگوریتم kmedoide و برای بررسی کیفیت خواب به عنوان علائم اولیه بیماری زوال عقل، از پرسشنامه معتبر PSQI و برای پیاده‌سازی از نرم‌افزار Matlab نسخه 2012 استفاده شد.
نتایج: نتایج در بخش رفتارهای غیرعادی نشان می‌دهد الگوریتم‌های خوشه‌بندی کارآیی بالایی در تشخیص رفتارهای غیرعادی در خانه هوشمند داشته و همچنین نتایج در بخش بررسی علائم اولیه منجر به تشخیص خواب ضعیف فرد سالمند در پرسشنامه PSQI به عنوان علائم اولیه بیماری زوال عقل گردید.
نتیجه گیری: با استفاده از فناوری سیستم تحت نظارت خانه هوشمند می‌توان رفتار سالمندان را تشخیص داد. رفتارهای غیرعادی آن‌ها را شناسایی کرد و علائم اولیه بیماری‌هایی نظیر زوال عقل را کشف نمود.
واژه‌های کلیدی: خانه هوشمند، یادگیری ماشین، الگوریتم خوشه‌بندی، تشخیص رفتار غیرعادی، بیماری زوال عقل
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت
دریافت: 1397/1/29 | پذیرش: 1397/3/10
دریافت: 1397/1/29 | پذیرش: 1397/3/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
