>
Fa   |   Ar   |   En
   تشخیص رفتارهای غیرعادی در بیماران زوال عقل و بررسی علائم اولیه آن در خانه هوشمند  
   
نویسنده خسروی علیرضا ,حسینی سنو امین
منبع انفورماتيك سلامت و زيست پزشكي - 1397 - دوره : 5 - شماره : 4 - صفحه:447 -456
چکیده    مقدمه: تعداد افراد سالمندی که نیاز به کمک در رفتارهای روزمره خود دارند به سرعت در حال افزایش است. بیماری زوال عقل یکی از مهم‌ترین علل ناتوانی در سالمندان است که شیوع آن هزینه‌های بسیار بالایی بر جوامع بشری تحمیل کرده است. هدف این تحقیق استفاده از فناوری خانه هوشمند برای نظارت بر رفتار سالمند، شناسایی رفتارهای غیرعادی و کشف علائم اولیه بیماری زوال عقل قبل از وقوع بیماری است. تشخیص زودهنگام بیماری زوال عقل در مراحل اولیه می‌تواند باعث بهبود بالا در درمان آن و منجر به تاخیر بیماری شود.روش: این مقاله از نوع کاربردی و به روش توصیفی تحلیلی انجام شد و با استفاده از تکنیک‌های یادگیری ماشین، رفتار‌های غیرعادی و علائم اولیه بیماری زوال عقل تشخیص داده شد. برای تشخیص رفتارهای غیرعادی از الگوریتم kmedoide و برای بررسی کیفیت خواب به عنوان علائم اولیه بیماری زوال عقل، از پرسشنامه معتبر psqi و برای پیاده‌سازی از نرم‌افزار matlab نسخه 2012 استفاده شد.نتایج: نتایج در بخش رفتارهای غیرعادی نشان می‌دهد الگوریتم‌های خوشه‌بندی کارآیی بالایی در تشخیص رفتارهای غیرعادی در خانه هوشمند داشته و همچنین نتایج در بخش بررسی علائم اولیه منجر به تشخیص خواب ضعیف فرد سالمند در پرسشنامه psqi به عنوان علائم اولیه بیماری زوال عقل گردید. نتیجه گیری: با استفاده از فناوری سیستم تحت نظارت خانه هوشمند می‌توان رفتار سالمندان را تشخیص داد. رفتارهای غیرعادی آن‌ها را شناسایی کرد و علائم اولیه بیماری‌هایی نظیر زوال عقل را کشف نمود.
کلیدواژه خانه هوشمند، یادگیری ماشین، الگوریتم خوشه‌بندی، تشخیص رفتار غیرعادی، بیماری زوال عقل
آدرس دانشگاه آزاد اسلامی واحد نیشابور, دانشکده فنی و مهندسی کامپیوتر, ایران, دانشگاه فردوسی مشهد, دانشکده مهندسی, گروه کامپیوتر, ایران
پست الکترونیکی hosseini@um.ac.ir
 
   Detection of Abnormal Behaviors in Patients with Dementia and Preliminary Symptoms in Smart Home  
   
Authors Khosravi Alireza ,Hosseini Seno Amin
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved