پیشنهاد روشی برای تشخیص ناهنجاری در مسیر حرکت بیماران مبتلا به آلزایمر با استفاده از داده‌های موقعیت تلفن همراه و بهره‌گیری از شبکه‌های عصبی عمیق و شبکه‌های فازی

مقدمه و اهداف امروزه با صنعتی شدن جوامع و کوچک‌تر شدن تعداد افراد خانوارها و گسترش زندگی انفرادی، مراقبت از سالمندان و نظارت بر عملکرد آن‌ها در زندگی روزمره اهمیتی دوچندان یافته است. حمل دستگاه‌های مراقبتی یکی از راهکارهای پیشنهادی است که البته به‌علت احساس ناخوشایند حمل چنین تجهیزاتی و باتوجه‌به اختلالاتی چون فراموشی ناشی از آلزایمر شاید راه‌ حل مناسبی نباشد. یکی از راهکارهای مورد توجه پژوهشگران بررسی رفتار انسان ازطریق داده‌های حسگرهای موجود در تلفن همراه است که با کمک آن امکان تشخیص رویدادهای غیرطبیعی ممکن خواهد بود. در این زمینه، یکی از چالش‌های پیش‌رو تنوع بالای رویدادهای ناهنجار است که در این پژوهش برای حل آن از شبکه‌های عصبی ‌فازی استفاده می‌شود. چالش دیگر، نیاز به تحلیل دقیق داده‌های آموزشی برای دستیابی به مدلی قدرتمند است که برای مواجهه با این چالش استفاده از شبکه‌های عصبی عمیق پیشنهاد می‌شود. مواد و روش‌ها در این مقاله، تشخیص ناهنجاری در مسیر حرکت با استفاده از ترکیب طبقه‌بند مبتنی بر سیستم تطبیقی استنتاج عصبی فازی و یک شبکه عصبی عمیق کانولوشنی مورد توجه قرار گرفته است. این شبکه عمیق با بهره‌گیری از الگوریتم تکاملی وال بهینه‌سازی می‌شود. روش پیشنهادی، بر روی مجموعه‌ای از داده‌های مسیر حرکت با مبدا و مقصد مشخص که مربوط به حسگر تلفن همراه کاربر است، مورد ارزیابی قرار می‌گیرد. یافته‌ها نتایج به‌دست‌آمده از شبیه‌سازی‌ سیستم پیشنهادی که با درصد صحت 95/5 درصد برای دسته‌بندی داده‌های آزمایش همراه بوده است، گواهی بر عملکرد مطلوب روش پیشنهادی است.نتیجه‌گیری به نظر می‌رسد بهره‌گیری از ترکیب طبقه‌بند مبتنی بر سیستم تطبیقی استنتاج عصبی فازی و یک شبکه عصبی عمیق کانولوشنی در تشخیص ناهنجاری مسیر طی‌شده توسط افراد مبتلا به فراموشی ناشی از بیماری آلزایمر موفق عمل کرده است.

proposing a method for anomaly detection in trajectory of patients with alzheimer’s disease using mobile gps data and combination of deep neural network and adaptive neuro-fuzzy inference system

background and aims today, with the industrialization of societies and the reduction of the size of households and tendency to live alone, caring for the elderly and monitoring their performance in daily life has become doubly important. carrying devices such a gps is one of the proposed solutions, which may not be a suitable solution due to the unpleasant feeling of carrying such equipment and due to disorders such as alzheimer’s disease. a proper solution for taking care of old people especially for their outdoor activities is to observe their behavior by using their mobile gps sensor by which it is possible to detect possible abnormal events. an important challenge in this method is the high number of abnormal events. in this paper, this problem is solved by applying an adaptive neuro-fuzzy inference system (anfis). other important challenge is how to carefully analyze the training data to achieve a powerful model. for tackling this problem, we used a deep neural network.methods in this paper, by combination of anfis and convolutional neural networks (cnn), a method was proposed for anomaly detection in trajectory of patients with alzheimer’s disease. the cnn was optimized by the whale algorithm. the proposed method was applied on a set of movement path data with a specific origin and destination based on the mobile gps sensor of subjects. results the proposed method had an accuracy of 95.5% for classification of test data, which indicated the effectiveness of the proposed method.conclusion it seems that the combination of anfis and a cnn is a good method for anomaly detection in trajectory of older people with alzheimer’s disease.