Modellbasert klassifisering av spedbarns bevegelser

Abstract

Hensikten med denne oppgaven er å bruke dynamiske modeller til å klassifisere spedbarnsbevegelser som normale eller avvikende. Bevegelser er registrert med 6 sensorer, festet til ankler, håndledd, bryst og panne. Hver sensor måler posisjon i rommet og rotasjon, og i denne oppgaven er det blitt fokusert på posisjon. Hvert spedbarn har en eller flere segmenter med måledata, kalt Region of Interest (ROI). Ut i fra hver ROI er det blitt identifisert en dynamisk modell på grunnlag av utgangsvariable. I dette arbeidet er det brukt SISO og MIMO AR- og tilstandsrommodeller. Utgangsvariablene representerer utgangen på den dynamiske modellen, og mange forskjellige alternativer har blitt prøvd ut. Klassifisering er blitt foretatt på bakgrunn av de identifiserte systemparameterne. To strategier er fulgt: Den første baserer seg på å bruke systemparameterne direkte som egenskpsvektor sammen med Lineær Diskriminant Analyse. Den andre tar utgangspunkt i metrikker som måler en distanse mellom to dynamiske modeller, og som bruker K-Nærmeste-Nabo som klassifikator. Resultatene viser at bevegelsene til armene og hodet er viktigst for å skille mellom den friske og avvikende gruppen.Ved å kun betrakte hodet i y-retning, på tvers av spedbarnet, oppnås en spesifisitet på 78.26% og en sensitivitet på 78.64% på ROI-nivå. Ved å se på avstanden mellom armene i x-retning,langs spedbarnet, oppnås en spesifisitet på 79.61% og en sensitivitet på 82.61%. I begge tilfellene er det brukt 4.ordens SISO AR-modeller og LDA som klassifikator. Ved å kombinere egenskapsvektorene fra disse to tilfellene sammen i en ny egenskapsvektor oppnåes en spesifisitet på 86.96% og en sensitivitet på 85.44%. Klassifisering på pasient-nivå foregår ved å betrakte ROI'ene tilhørende hver pasient. Ved å vekte friske og avvikende ROI'er forskjellig, kan ulike verdier for spesifisitet og sensitivitet oppnås. Resultatet nærmest det optimale punktet i ROC-plottet har en spesifisitet på 90.91% og sensitivitet på 85.71%. Verdiene på spesifisitet og sensitivitet gitt ovenfor viser at tilpasning av dynamiske modeller er en nyttig metode for klassifisering av spedbarnsbevegelser. Metoden er ikke like nøyaktig som den kliniske metoden GMA, men det er mange muligheter for å forbedre resultatene oppnådd i dette arbeidet.