Abstract

Celem prac badawczych będących tematem dysertacji jest opracowanie podstaw metodologicznych dla automatycznej platformy eksperckiej asystującej podczas procesu rehabilitacji dzieci chorych na paralysis cerebralis infantium oraz osteogenesis imperfecta. Przedstawione cele rozprawy do realizacji wymagały podejścia wieloetapowego, w którym wykonano szereg prac związanych m.in. z: gromadzeniem odpowiednich danych, selekcją efektywnych metod przetwarzania sygnałów, wyborem reprezentacji danych dla maszyn uczących, a także opracowaniem modeli klasyfikacyjnych i regresyjnych. Do utworzenia modeli klasyfikacji i regresji wykorzystano cztery metody uczenia maszynowego: algorytm k najbliższych sąsiadów, drzewa decyzyjne, maszynę wektorów nośnych i perceptron wielowarstwowy. Zbadano ich skuteczność podczas trzech głównych zadań: identyfikacji stanu zdrowia, oceny wykonywanych ćwiczeń oraz estymacji wykonywanych ruchów na podstawie sygnałów elektromiografii powierzchniowej. We wszystkich zadaniach uzyskano w pełni satysfakcjonującą dokładność klasyfikacji i regresji. Ostatecznie, stwierdzono, że na podstawie stosowanej metodyki możliwe jest opracowanie zintegrowanego systemu wnioskującego i kontrolującego przebieg rehabilitacji (zautomatyzowanie).

Author (1)