Anomaly gait classification of Parkinson disease based on ANN

Manap, Hany Hazfiza; Tahir, Nooritawati Md; Yassin, Ahmad Ihsan Mohd; Abdullah, Ramli

doi:10.1109/icsengt.2011.5993410

Cited by 15 publications

(6 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Consequently, it is more common to collect data under normal operating conditions, and determining if novel measurements lie outside some threshold of normal operation. Impact detection and gait anomaly due to diseases such as Parkinson's are notable exceptions to this situation, as impacts can be performed on a structure without actually damaging the structure [48,84,142,149], and gait data can be collected and diagnosed for individuals with and without a particular disease [89,90,92].…”

Section: Novelty Detectionmentioning

confidence: 99%

“…Neural Networks. Artifical neural networks are common approaches to perform classification and regression in the literature cited [28,29,33,36,48,84,91,92,97,113,140,142,147,149,161,162]. Artificial neural networks are computational models inspired by the behavior of biological neurons.…”

Section: Classification and Regressionmentioning

confidence: 99%

“…Kinetic features are based on contact with the ground at different phases of the gait cycle. Heel strike force, push-off force and mid-stance force are included in a feature set for novelty detection in [92]. Kinematic features are based on joint angle (e.g., ankle, knee and hip), either measured at different phases of gait, or by measuring the angle at maximum extension and flexion of the joints.…”

Section: Model Based Featuresmentioning

confidence: 99%

“…Accelerometers are typically used as sensors [126], as these are typically less expensive than other appropriate sensors and are present in many consumer electronic devices (e.g., smartphone), through gyroscopes or IMUs are also used. Anomalous gaits, such as freezing gait, are present in individuals with diseases such as Parkinson's disease, or after a stroke [92]. Detection of gait anomaly and be used to predict and possibly prevent falls.…”

Section: Wearable Computingmentioning

confidence: 99%

See 3 more Smart Citations

Distributed Machine Learning in Materials that Couple Sensing, Actuation, Computation and Communication

Hughes¹,

Correll²

2016

Preprint

View full text Add to dashboard Cite

This paper reviews machine learning applications and approaches to detection, classification and control of intelligent materials and structures with embedded distributed computation elements. The purpose of this survey is to identify desired tasks to be performed in each type of material or structure (e.g., damage detection in composites), identify and compare common approaches to learning such tasks, and investigate models and training paradigms used. Machine learning approaches and common temporal features used in the domains of structural health monitoring, morphable aircraft, wearable computing and robotic skins are explored. As the ultimate goal of this research is to incorporate the approaches described in this survey into a robotic material paradigm, the potential for adapting the computational models used in these applications, and corresponding training algorithms, to an amorphous network of computing nodes is considered. Distributed versions of support vector machines, graphical models and mixture models developed in the field of wireless sensor networks are reviewed. Potential areas of investigation, including possible architectures for incorporating machine learning into robotic nodes, training approaches, and the possibility of using deep learning approaches for automatic feature extraction, are discussed.

show abstract

Section: Novelty Detectionmentioning

confidence: 99%

Section: Classification and Regressionmentioning

confidence: 99%

Section: Model Based Featuresmentioning

confidence: 99%

Section: Wearable Computingmentioning

confidence: 99%

See 2 more Smart Citations

Distributed Machine Learning in Materials that Couple Sensing, Actuation, Computation and Communication

Hughes¹,

Correll²

2016

Preprint

View full text Add to dashboard Cite

show abstract

“…De telles méthodes sont utilisées pour différentier la démarche entre un sujet normal et un patient atteint de la maladie de parkinson [64]. Dans un même ordre d'idée, l'utilisation de réseaux de neurones artificielles permet l'identification de démarches anormales chez les parkinsoniens [65].…”

Section: Modele Avec Reseau De Neurones (Donnees En Temps-reel)unclassified

Évaluation d'un risque de chute selon les paramètres de la démarche et étude d'une méthode de transmission à l'aide de stimuli tactiles /

Gagnon¹

2014

View full text Add to dashboard Cite

RÉSUMÉ D'après les statistiques, près du tiers des personnes de 65 ans et plus tombent au moins une fois par année, causant ainsi 60 % des blessures dans ce groupe d'âge. En plus des dommages physiques, ces chutes peuvent causer un impact psychologique dû à la peur de tomber à nouveau. En conséquence, même sans blessure, une chute peut entrainer une perte de confiance et une réduction de la mobilité. Ainsi, ce constat souligne le besoin de fournir des moyens de prévention des chutes.Aux meilleures de notre connaissance, bien qu'il existe de nombreux programmes de prévention de chute, il semble qu'aucun d'entre eux ne fournisse une assistance en temps réel aux personnes à risque de chute. Dans cette optique, deux chercheurs de l'UQAC ont développé une chaussure instrumentée qui permet la détection des risques et l'avertissement à l'utilisateur. Ainsi, ce mémoire s'intéresse à la capacité de ce système pour la détection et l'avertissement. Plus particulièrement, la problématique abordée est de prévenir une chute lors de la marche d'une personne âgée. Elle est abordée sous trois volets : la détection, l'avertissement, et l'apprentissage.Dans le premier volet de ce mémoire, différents facteurs affectant le risque de chutes sont exposés, incluant le type de sol, l'angle du sol, la température extérieure, le taux d'humidité, la fatigue, la médication, la peur de tomber et l'équilibre. Néanmoins, un intérêt particulier est porté sur la démarche, l'un des principaux facteurs de chutes. Ainsi, pour définir le niveau de risque de chute associé à la démarche de l'utilisateur, trois algorithmes sont présentés et évalués. Dans le premier, soit le modèle STAT, certains paramètres de la démarche sont comparés avec leur moyenne statistique respective. Ainsi, plus le pas est différent de la démarche normale de l'utilisateur, plus l'indice de risque augmente. Les deux autres algorithmes, les modèles ANN-RT et ANN-S, utilisent un réseau de neurones pour traiter quatre paramètres de la démarche. La différence entre ces deux modèles réside dans la sélection des paramètres : alors que le modèle ANN-RT utilise des paramètres calculés sur une courte période (dix millisecondes), le modèle ANN-S calcule les paramètres à partir d'une enjambée complète. Par deux évaluations, les trois algorithmes ont démontrés leur capacité à déceler de grands changements dans la démarche ainsi que leur habileté à détecter des variations de la démarche induites par une diminution de l'acuité visuelle. Les résultats préliminaires confirment ainsi l'utilisation des trois algorithmes.Le deuxième volet de ce mémoire s'intéresse à l'avertissement du niveau de risque via des stimuli tactiles sous les pieds, déchargeant ainsi les canaux visuels et auditifs. Plus particulièrement, les travaux sont orientés vers une étude de la perception tactile sous les pieds afin de sélectionner un ensemble de messages tactiles facilement différentiables. Pour ce faire, une carte perceptuelle est d'abord obtenue par une analyse par échelonnement multidimensionnel (Multidimension...

show abstract

A Review of Abnormal Behavior Detection in Activities of Daily Living

et al. 2023

View full text Add to dashboard Cite

Abnormal behavior detection (ABD) systems are built to automatically identify and recognize abnormal behavior from various input data types, such as sensor-based and vision-based input. As much as the attention received for ABD systems, the number of studies on ABD in activities of daily living (ADL) is limited. Owing to the increasing rate of elderly accidents in the home compound, ABD in ADL research should be given as much attention to preventing accidents by sending out signals when abnormal behavior such as falling is detected. In this study, we compare and contrast the formation of the ABD system in ADL from input data types (sensor-based input and vision-based input) to modeling techniques (conventional and deep learning approaches). We scrutinize the public datasets available and provide solutions for one of the significant issues: the lack of datasets in ABD in ADL. This work aims to guide new research to understand the field of ABD in ADL better and serve as a reference for future study of better Ambient Assisted Living with the growing smart home trend. INDEX TERMS abnormal behavior detection, activities of daily living

show abstract

Anomaly gait classification of Parkinson disease based on ANN

Cited by 15 publications

References 17 publications

Distributed Machine Learning in Materials that Couple Sensing, Actuation, Computation and Communication

Distributed Machine Learning in Materials that Couple Sensing, Actuation, Computation and Communication

Évaluation d'un risque de chute selon les paramètres de la démarche et étude d'une méthode de transmission à l'aide de stimuli tactiles /

A Review of Abnormal Behavior Detection in Activities of Daily Living

Contact Info

Product

Resources

About