دوره 17، شماره 3 - ( 9-1399 )                   جلد 17 شماره 3 صفحات 87-100 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sekhavat Y, Namani M S. Believable Visual Feedback in Motor Learning Using Occlusion-based Clipping in Video Mapping. JSDP. 2020; 17 (3) :87-100
URL: http://jsdp.rcisp.ac.ir/article-1-915-fa.html
سخاوت یونس، نعمانی محمدصادق. نمایش باورپذیر بازخورد تصویری در سامانه توان‌بخشی با استفاده از انسداد تصویر در نگاشت ویدیو. پردازش علائم و داده‌ها. 1399; 17 (3) :87-100

URL: http://jsdp.rcisp.ac.ir/article-1-915-fa.html


دانشکده چندرسانه‌ای، دانشگاه هنراسلامی تبریز
چکیده:   (191 مشاهده)
کیفیت بازخورد تصویری و نمایش مناسب آن تأثیر به‌سزایی در انجام درست حرکات توان‌بخشی با استفاده از سامانه‌­های توان‌بخشی حرکتی دارند. یکی از مشکلات اساسی سامانه­‌های معمول مبتنی بر واقعیت مجازی آن است که محل وقوع حرکت بر روی زمین و یا تردمیل بوده، درحالی‌که محل نمایش بازخورد این حرکت در صفحه‌نمایش روبه­‌روی بیمار است. در این مقاله، روشی جدید برای نمایش بازخوردهای حرکت با استفاده از نگاشت ویدیو بر روی صفحه تردمیل ارائه شده که سعی در کم‌کردن فاصله میان محل وقوع حرکت و محل نمایش بازخورد آن حرکت برای دریافت بهتر بازخورد دارد. در این روش، بازخورد تصویری با استفاده از ویدیو‌پروژکتور بر روی صفحه تردمیل نمایش داده می­‌شود. ویژگی مهم این روش در مقایسه با کارهای قبلی، ارایه روشی برای باورپذیر‌کردن بازخورد با استفاده از انسداد تصویر است. پس از طراحی و پیاده‌­سازی سامانه بازخورد با انسداد تصویر و بدون انسداد تصویر، یک مطالعه کاربری برای ارزیابی سامانه و مقایسه آنها انجام شد. در این مطالعه، از 24 نفر از شرکت‌کنندگان بدون مشکل حرکتی خواسته شد تا تمرین­‌های قدم‌زدن و عبور از موانع بر اساس پروتکل طراحی‌شده انجام دهند. با توجه به اینکه هدف این مقاله تنها ارایه روشی برای بهبود کیفیت نمایش بازخورد حرکتی بوده و نه بررسی تأثیر سامانه ارایه‌شده بر روی بهبود و توان‌بخشی بیماران، از شرکت‌کنندگان بدون مشکل حرکتی برای ارزیابی این مطالعه استفاده شده است. نتایج حاصل از این پژوهش حاکی از آن است که اختلاف معنادار آماری میان نرخ خطای سامانه نگاشت ویدیو مبتنی بر انسداد تصویر و سامانه بدون انسداد تصویر در تمرین قدم‌زدن (p=0.0031) و عبور از موانع (p=0.021) وجود دارد. از لحاظ شهودی‌بودن بازخورد بر اساس خود‌اظهاری شرکت‌کنندگان در پژوهش، نتایج حاصل بیان‌گر برتری معنادار آماری (p=0.011) سامانه نگاشت ویدیو با انسداد تصویر در مقایسه با سامانه بدون انسداد تصویر است.
متن کامل [PDF 4328 kb]   (68 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: 1397/7/26 | پذیرش: 1399/5/28 | انتشار: 1399/9/15 | انتشار الکترونیک: 1399/9/15

فهرست منابع
1. [1]حاجي زاده مريم, هاشمي اسكويي عليرضا, قاليچي فرزان, قابلیت اطمینان پارامترهای سینماتیکی زانو و نیروی عکس العمل پا در افراد با آسیب لیگامان متقاطع قدامی در بالا رفتن از پله, مجله مهندسي پزشكي زيستي, دوره 11 ،شماره 3، صفحات 31-17 ،1396.
2. ]1[ M. Hajizadeh, A. Hashemi Oskouei, F. Ghalichi, "The Reliability of Knee Kinematics and Ground Reaction Force During Stair Negotiation", Iranian journal of Biomedical Engineering, vol.11. No. 3, pp.17-31, 2017.
3. [2]زمانی حمید، دادگو مهدی، ابراهیمی تکامجانی اسماعیل، تأثیر دو ماه آموزش راه رفتن همراه با حمایت وزن روی تردمیل بر تعادل و کیفیت زندگی بیماران ضایعه نخاعی ناکامل, مجله توانبخشی، دوره 18 ،شماره 4، صفحات 31-17 ،1396
4. ]2[ H. Zamani, M. Dadgoo, I. Ebrahimi Takamjani, E. Hajouj, A. Jamshidi Khorneh , "The Effects of Two Months Body Weight Supported Treadmill Training on Balance and Quality of Life of Patients With Incomplete Spinal Cord Injury", jrehab, vol.18, No.4, 328-337, 2018. [DOI:10.21859/jrehab.18.4.7]
5. [3] شمسی گوشکی اسما، نظام آبادی پور حسین، سریزدی سعید، کبیر احسان اله. روشی برای بازخورد ربط براساس بهبود تابع شباهت در بازیابی تصویر بر اساس محتوا. پردازش علائم و داده‌ها، دوره 11 شماره 2 صفحات 43-55، ۱۳۹۳.
6. ]3[ A. Shamsi gooshki, H. Nezamabadi-pour, S. Saryazdi, E. Kabir, "a relevance feedback approach based on similarity refinement in content based image retrieval", JSDP, vol. 11, No.2, pp. 43-55, 2015.
7. ]4[ R. Sigrist, G. Rauter, R. Riener, & P. Wolf, "Augmented visual, auditory, haptic, and multimodal feedback in motor learning: a review" Psychonomic bulletin & review, vol. 20. No.1, pp.21-53, 2013. [DOI:10.3758/s13423-012-0333-8] [PMID]
8. ]5[ J. Lee, Y. Kim, & G. J.Kim, "Effects of Visual Feedback on Outof-Body Illusory Tactile Sensation When Interacting with AugmentedVirtual Objects", IEEE Transactions on Human-Machine Systems, vol.47, No.1, pp. 101-112, 2017. [DOI:10.1109/THMS.2016.2599492]
9. ]6[ E. Kearney, S. Shellikeri, R. Martino, & Y. Yunusova, "Augmented visual feedback-aided interventions for motor rehabilitation in Parkinson's disease: a systematic review", Disability and rehabilitation, pp.1-17, 2018. [DOI:10.1080/09638288.2017.1419292] [PMID]
10. ]7[ L. E. Sucar, F. Orihuela-Espina, R.L. Velazquez, D.J. Reinkensmeyer, R. Leder, & J. Hernandez-Franco, "Gesture therapy: An upper limb virtual reality-based motor rehabilitation platform", IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 22, No. 3, pp.634-643, 2014. [DOI:10.1109/TNSRE.2013.2293673] [PMID]
11. ]8[L. Y. Liu, S.Sangani, & A. Lamontagne, "A real-time visual feedback protocol to improve symmetry of spatiotemporal factors of gait in stroke survivors: In Virtual Rehabilitation (ICVR)", 2017 International Conference on, 2017, pp. 1-2.
12. ]9[ T. T. James, "Effect of Gaming Assisted Visual Feedback on Functional Standing Balance among Acute Hemiparetic Stroke Patients", "Indian Journal of Physiotherapy & Occupational Therapy", vol.11, No.4, 2017. [DOI:10.5958/0973-5674.2017.00137.X]
13. ]10[ L.M. Muratori, E.M. Lamberg, L. Quinn, & S. V. Duff, "Applying principles of motor learning and control to upper extremity rehabilitation", Journal of Hand Therapy, vol. 26, No.2, pp.94-103, 2013. [DOI:10.1016/j.jht.2012.12.007] [PMID] [PMCID]
14. ]11[ S. N. Omkar, & D. K. Ganesh, "Stability training and measurement system for sportsperson (P84)", In the Engineering of Sport 7 , pp. 435-442, 2008. [DOI:10.1007/978-2-287-99054-0_51]
15. ]12[ M. Y. Lee, C.F.Lin, & K.S. Soon, "Balance control enhancement using sub-sensory stimulation and visual-auditory biofeedback strategies for amputee subjects. Prosthetics and orthotics international", vol. 3, No.4, pp.342-352, 2007. [DOI:10.1080/03093640601058162] [PMID]
16. ]13[ E. Ivanova, M. Schrader, K.Lorenz, & M. Minge, "Developing motivational visual feedback for a new telerehabilitation system for motor relearning after stroke", In Proceedings of the 31st British Computer Society Human Computer Interaction Conference , BCS Learning & Development Ltd, 2017, pp. 75. [DOI:10.14236/ewic/HCI2017.75]
17. ]14[ HK.Wu, H. R. Chen, & C. H.Yu, "Development of posterior walker with adjustable visual cues to improve gait performance for patients with Parkinson's disease", In IECON 2010-36th Annual Conference on IEEE Industrial Electronics Society, 2010, pp. 1512-1516.
18. ]15[ J. Lieberman, & C. Breazeal, "TIKL: Development of a wearable vibrotactile feedback suit for improved human motor learning", IEEE Transactions on Robotics, vol.23 (5), pp.919-926, 2007. [DOI:10.1109/TRO.2007.907481]
19. ]16[ P. Celnik, K.Stefan, F. Hummel, J. Duque, J. Classen, L.G. Cohen, "Encoding a motor memory in the older adult by action observation", Neuroimage, vol. 29(2), pp. 677-684, 2006. [DOI:10.1016/j.neuroimage.2005.07.039] [PMID]
20. ]17[ R. Saegusa, K. Shigematsu, K. Terashima, "Audiovisual feedback for cognitive assistance toward walk training: In Robotics and Biomimetics (ROBIO)", 2014 IEEE International Conference, pp. 925-930, 2014. [DOI:10.1109/ROBIO.2014.7090451]
21. ]18[ D. Freides, "Human information processing and sensory modality: Cross-modal functions, information complexity, memory, and deficit", Psychological bulletin, vol.81, No. 5, pp.284, 2008. [DOI:10.1037/h0036331] [PMID]
22. [19]زمانی حمید، دادگو مهدی، ابراهیمی تکامجانی اسماعیل، اصلاح الگوی راه رفتن در قطع عضو زیر زانو از طریق بازخورد همزمان بصری, مجله بیومکانیک ورزشی، دوره 1 ،شماره 3، صفحات 32-25 ،1394
23. ]19[ H. Zamani, M. Dadgoo, E. Ebrahimi, "Trans-Tibial Amputee Gait Correction through Real-Time Visual Feedback", vol. 1(3), pp. 25-32, 2015.
24. [20]مشرف رضوی سیما، سهرابی مهدی، ستوده محمد صابر, تأثیر مداخلات نوروفیدبک و تصویرسازی ذهنی بر تعادل سالمندان, مجله سالمندی ایران, دوره 12 ،شماره 3، صفحات 299-288 ،1396
25. ]20[ S. Moshref-Razavi, M. Sohrabi, M. S. Sotoodeh, "Effect of Neurofeedback Interactions and Mental Imagery on the Elderly's Balance", sija, vol.12 (3), pp.288-299, 2017. [DOI:10.21859/sija.12.3.288]
26. ]21[ R. Tang, H. Alizadeh, A. Tang, S. Bateman, J.A. Jorge, " Physio@ Home: design explorations to support movement guidance", In Proceedings of the extended abstracts of the 32nd annual ACM conference on Human factors in computing systems, 2014, pp. 1651-1656. [DOI:10.1145/2559206.2581197] [PMID]
27. ]22[ M. W.van Ooijen, M. Roerdink, M. Trekop, T.W. Janssen, & P. J. Beek, " The efficacy of treadmill training with and without projected visual context for improving walking ability and reducing fall incidence and fear of falling in older adults with fall-related hip fracture: a randomized controlled trial", BMC geriatrics, vol.16(1), pp. 215, 2014. [DOI:10.1186/s12877-016-0388-x] [PMID] [PMCID]
28. [23]سخاوت یونس, زارعی حسین, تنظیم خودکار سختی بازی‌های توانبخشی با استفاده از روش یادگیری تقویتی چندتناوبی (یاقوت), مجله مهندسي برق دانشگاه تبریز, دوره 48 ،شماره 1، صفحات 70-62 ،1397.
29. ]23[ Y. Sekhavat, H. Zarei, "Dynamic Difficulty Adjustment of Rehabilitation Games using Reinforcement Learning", vol. 48(1), pp.62-70, 2018.
30. ]24[ F. Anderson, T. Grossman, J. Matejka, G. Fitzmaurice, "YouMove: enhancing movement training with an augmented reality mirror", In Proceedings of the 26th annual ACM symposium on User interface software and technology, pp. 311-320, 2013. [DOI:10.1145/2501988.2502045] [PMCID]
31. ]25[ A.Alamri, J. Cha, A. El Saddik, "AR-REHAB: An augmented reality framework for poststroke-patient rehabilitation", IEEE Transactions on Instrumentation and Measurement, vol.59 (10), pp.2554-2563, 2010. [DOI:10.1109/TIM.2010.2057750]
32. ]26[ E. Velloso, A. Bulling, H. Gellersen," MotionMA: motion modelling and analysis by demonstration", In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 2013, pp. 1309- 1318. [DOI:10.1145/2470654.2466171]
33. ]27[ Y.Tian, Y. Long, D. Xia, H. Yao, J. Zhang, "Handling occlusions in augmented reality based on 3D reconstruction method", Neurocomputing, vol.156, pp.96-104, 2013. [DOI:10.1016/j.neucom.2014.12.081]
34. ]28[ Y.A.Sekhavat, M.S. Namani, " Projection-based AR: Effective visual feedback in gait rehabilitation", IEEE Transactions on Human-Machine Systems, vol.48(6), pp.626-636, 2018. [DOI:10.1109/THMS.2018.2860579]
35. [29] F. Clemente, S. Dosen, L. Lonini, M. Markovic, D. Farina, C. Cipriani, " Humans can integrate augmented reality feedback in their sensorimotor control of a robotic hand", IEEE Transactions on Human-Machine Systems, vol.47(4), pp.583-589, 2016. [DOI:10.1109/THMS.2016.2611998]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.