Fraktalna analiza i predykcja zmian parametrów chodu

• Autorzy: Mikołajewski Dariusz , Mikołajewska Emilia , Sangho Belco

Identyfikatory

DOI

10.34767/SIMIS.2021.02.04

Warianty tytułu

EN

Fractal analysis and prediction of changes in gait parameters

• Języki publikacji: PL

Abstrakty

PL

Chód jest jedną z najbardziej złożonych i najczęściej wykonywanych czynności przez człowieka. Cel pracy był dwojaki: analiza metody obliczania miar fraktalnych chodu, klasyfikacja z wykorzystaniem sztucznych sieci neuronowych (ANN) i ich przydatność w codziennej praktyce klinicznej oraz ustalenie minimalnego zestawu parametrów odzwierciedlających z wystarczającą dokładnością kliniczną zmiany u chorych po udarze mózgu. Badania przeprowadzono na podstawie danych archiwalnych 50 zdrowych osób chodzących i 50 chorych po udarze mózgu. Wykazano, że mniejsza liczba parametrów (wymiar fraktalny, indeks Hursta) pozwala na lepszy opis chodu. ANN są w stanie dokonać automatycznej oceny jakościowej, a nie tylko ilościowej chodu.

EN

Walking is one of the most complex and most frequently performedhuman activities. The aim of the study was twofold: analysis of the methodof calculating fractal gait measures, classification using artificial neural net-works (ANNs) and their usefulness in everyday clinical practice and establish-ing a minimum set of parameters reflecting with sufficient clinical accuracythe change in stroke patients. The study was based on the following datafrom archival records of 50 healthy walkers and 50 stroke patients. The studyshowed that fewer parameters (fractal dimension, Hurst index) allow for betterdescription of the walk. ANNs are able to make an automatic qualitative, notjust quantitative assessment of the walk.

Słowa kluczowe

PL

analiza chodu; parametry fraktalne; klasyfikacja

EN

gait analysis; fractal parameters; classification

• Wydawca: Instytut Informatyki Uniwersytet Kazimierza Wielkiego
• Czasopismo: Studia i Materiały Informatyki Stosowanej
• Rocznik: 2021
• Tom: nr 2
• Strony: 21--25
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Mikołajewski Dariusz

• Uniwersytet Kazimierza Wielkiego, InstytutInformatyki, Chodkiewicza 30, 85-064 Bydgoszcz

autor

Mikołajewska Emilia

• Uniwersytet Mikołaja Kopernika, Collegium Medicum im. Ludwika Rydygiera, Wydział Nauk o Zdrowiu, Katedra Fizjoterapii, Jagiellońska 13-15, 85-094 Bydgoszcz

autor

Sangho Belco

• Uniwersytet Kazimierza Wielkiego, InstytutInformatyki, Chodkiewicza 30, 85-064 Bydgoszcz

Bibliografia

• 1. Mandelbrot B. B. The fractal geometry of nature, W.H. Freeman, San Francisco (1982).
• 2. Prokopowicz P., Mikołajewski D., Tyburek K., Mikołajewska E. Computational gait anal-ysis for post-stroke rehabilitation purposes using fuzzy numbers, fractal dimension andneural networks. Bull Pol Acad Sci Tech Sci 2020, 68(2), 191-198 (2020).
• 3. Mikołajewski D., Mikołajewska E., Fractal analysis of gait, Studies and Materials in Applied Computer Science, 12 pp. 23-26 (2020).
• 4. Mikołajewska E. Nowe markery chodu w klinicznej analizie chodu w grupie pacjent ́ow poudarze m ́ozgu usprawnianych metoda NDT-Bobath. Wydawnictwo CM UMK, Bydgoszczy 2017.
• 5. Kaczmarczyk K., Wit A., Krawczyk M., Zaborski J. Gait classification in post-strokepatients using artificial neural networks, Gait Posture, 30(2), 207-210 (2009).
• 6. Kostek B., Kupryjanow A. Wykorzystanie sieci neuronowych i metody wektorów nósnych SVM w procesie rozpoznawania aktywności ruchowej pacjentów dotknitych chorobą Parkinsona. [W:] Tadeusiewicz R., Korbicz J., Rutkowski L., Duch W. (red.) Sieci neuronowe w inżynierii biomedycznej. Tom 9. monografii: Torbacz W., Maniewski R., WójcickiJ. M., Liebert A. (red.) Inżynieria biomedyczna – podstawy i zastosowania. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2013, ss. 239-262.
• 7. Ripoli A., Belardinelli A., Palagi G., Franchi D., Bedini R. An effective algorithm forquick fractal analysis of movement biosignals. J Med Eng Technol, 23(6), 216-221 (1999).
• 8. Phinyomark A., Larracy R., Scheme E. Fractal analysis of human gait variability viastride interval time series. Frontiers in Physiology, 11, 333 (2020).
• 9. Gates D. H., Dingwell J. B. Peripheral neuropathy does not alter the fractal dynamicsof stride intervals of gait, J Appl Physiol , 102(3), 965-971 (2007).
• 10. Dierick F., Nivard A.-L., White O., Buisseret F. Fractal analyses reveal independentcomplexity and predictability of gait, PLoS ONE 12(11), e0188711 (2017).
• 11. Lopes R., Betrouni N. Fractal and multifractal analysis: a review. Med Image Anal.,13(4), 634-49 (2009).
• 12. Chau T. A review of analytical techniques for gait data. Part 1: fuzzy, statistical and fractal methods. Gait Posture 13, 49–66 (2001).
• 13. Chakraborty M., Das T., Ghosh D. Characterization of gait dynamics using fractalanalysis for normal and Parkinson disease patients, 2015 IEEE Power, Communication andInformation Technology Conference (PCITC), Bhubaneswar, 367–372 (2015). Immersive Virtual Reality to Restore Natural Long-Range Autocorrelations in Parkinson’s Disease Patients’ Gait During Treadmill Walking.
• 14. Lheureux A., Lebleu J., Frisque C., Sion C., Stoquart G., Warlop T., Detrembleur C.,Lejeune T. Immersive Virtual Reality to Restore Natural Long Range Autocorrelations in Parkinson’s Disease Patients’ Gait During Treadmill Walking, Front Physiol. 11, 572063,2020.
• 15. Mikołajewski D., Mikołajewska E., Prokopowicz P., Nedashkovskyy M. Wearable devicesin clinical gait analysis, Studies and Materials in Applied Computer Science, 10(1), 5-8(2018).
• 16. Mikołajewska E. Normalized gait parameters in NDT-Bobath post-stroke gait rehabilitation, Central European Journal of Medicine, 7(2), 176-182 (2012).
• 17. Mikołajewska E., Mikołajewski D. Roboty rehabilitacyjne. Rehabil. Prakt 4, 49-53 (2010).
• 18. Mikołajewska E., Mikołajewski D. Zastosowania automatyki i robotyki w wózkach dla niepełnosprawnych i egzoszkieletach medycznych. Pomiary Automatyka Robotyka 15, 58-63 (2011).
• 19. Mikołajewska E., Mikołajewski D. Roboty rehabilitacyjne i pielęgnacyjne. Mag. Pielęg. Położ 12, 42 (2009).