(3.238.98.214) 您好!臺灣時間:2021/05/08 11:46
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:黃靖翔
研究生(外文):Jing Siang Huang
論文名稱:功能性退化偵測設備之研發
論文名稱(外文):Research and Development of Frailty Detection Device
指導教授:林仲志林仲志引用關係
指導教授(外文):C. C. Lin
學位類別:碩士
校院名稱:長庚大學
系所名稱:資訊工程學研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
論文頁數:101
中文關鍵詞:退化嵌入式系統無線感測技術類神經網路
外文關鍵詞:frailtyembadded systemwireless sensor technologiesaritificial neural networks
相關次數:
  • 被引用被引用:1
  • 點閱點閱:196
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:2
  退化(frailty)為眾多老年人問題之一,評估指標包括有體重(Weight Loss)、疲憊感(Exhaustion)、活動量(Low Activity)、肌耐力(Weakness)、行動力(Slowness)、平衡感(Balance)、反應力(Reaction Time)、功能性前伸(Functional Reach),指標在傳統健檢上量測不便且存在人為誤差。本研究透過嵌入式系統及感測技術,目的開發出具有自動量測且刻度精細的新式測儀,協助高齡者收集及管理個人退化資料。
  本研究設計開發系統主分兩部份,(1)退化特徵量測設備之研發:以感測網路技術研發四項功能性退化電子測儀,第1項為電子量尺,此設備以LED與觸發器模擬傳統落尺測試量測反應力退化項目;第2項為電子磅秤,主要以壓力感測器偵測受試者按壓力度變化,用於行動力、肌耐力以及體重三項退化項目的量測;第3項為電子踏墊,以軟式薄膜開關放置地上偵測腳步踩踏動作,用於平衡感項目的量測;最後一項為前伸測儀,主要以距離感測器偵測測儀活動板的位移,用於功能性前伸項目的量測。(2)功能退化指標評量系統之研發:整合個案退化指標檔案,以倒傳遞網路為類神經網路架構建立退化趨勢分析模型,協助高齡者了解健康狀況的整體表現以及各面向的趨勢走向。
  為瞭解系統各面向效能,本研究設計下述三種實驗。(1)在系統整體效能方面,各電子測儀與居家閘道間距5公尺內皆為有效運作範圍,最大同時掛載的裝置數量為8個,各電子測儀的取樣頻率為影響系統表現的主要因素,當電子測儀以1Hz取樣時,系統的最佳運作效能為95.21%。(2)在電子測儀信效度方面(n=8),落尺測試測結果相關係數r=0.871、p<0.01,閉眼單足立相關性r=0.996、p<0.01,站姿體前彎相關性r=0.929、p<0.01,30秒坐站相關性r=0.991、p<0.01,計時起走相關性r=0.976、p<0.01,體重相關性r=0.998、p<0.01。所有項目皆呈現高度相關性,最低項目為落尺測試,造成主因為電子量尺與傳統工具視覺感官落差最大,受試者不熟悉儀器操作方式。(3)在退化趨勢分類模型方面,首先以統計方法分析退化資料庫的特性,接著以類神經網路建立各類分析模型,並對各分類模型進行ROC分析。統計方法ANOVA與獨立樣本T檢定分析結果,不論在退化層級分類為2等級(退化、正常)、3等級(退化、初期退化、正常)或是5等級(體重、行動力、肌耐力、疲憊感、活動量),皆達到顯著水準p<0.01,表示資料樣本以何種退化層級分類,在各層級族群間皆可清楚切割分群;接著以真實案例(n=320)建立各類型倒傳遞類神經網路,在ROC統計分析結果發現,當不考量疲憊感與活動量兩退化特徵時,模型辨識能力明顯下降(AUC=0.667),說明此兩特徵為明顯影響辨識模型好壞的主要因素,另外,如增加輸入特徵項目將有助於提昇辨識能力(AUC=0.754),綜合所有分類模型的ROC曲線,模擬資料的ROC曲線(AUC=0.891)皆高於真實資料(AUC=0.815),說明樣本數量以及資料包涵不足的退化狀況將影響模型訓練成效,如能增加個案收集將有助於效能改善。真實樣本的分類模型在效能函數達到10-3時,最佳辨識率可達到75.70%,其參數設定隱藏層節點數25個、輸入層節點數目8個、輸出層節點數目5個、使用可變學習速率訓練函數、學習率0.7、學習率上升係數1.7、學習率下降係數0.7、隱藏層轉移函數為對數彎曲轉移函數、輸出層轉移函數為正切彎曲轉移函數,仔細觀察此模型的敏感性與特異性,敏感性表現為69.66%、特異性82.40%、陽性預測值82.11%、陰性預測值70.07%,表示分類模型屬特異性佳的預測工具,在老化現象中判斷正常族群的預測能力高,另外以預測值面相說明,分析模型陽性預測值較佳,以高齡者角度表示分析模型在確認退化族群的可信度較高。
The purpose of this thesis is to integrate embedded system and wireless sensor technologies in order to develop a new frailty measuring instrument. They can help user to collect and manage personal frailty information automatically. The system consists of five parts. (1) Electronic reaction scale is used to measure elder reaction time, which consists of LED and touch sensor. (2) Electronic pressure chair is used to detect elder’s slowness, weakness and weight loss, which use pressure sensor to detect users’ variation of press strength. (3) Electronic pad is used to measure elder’s balance ability. (4) Reach measuring instrument is used to measure the body extension. (5)Integration Information Gateway is to collect all data and to predict the trend of frailty.
In order to assess overall system performance, we design following experiments.
(1) In the validity and reliability of devices, we compare our devices with the traditional methods. The results show that the drop rules test, close-eyes-one-leg stand, functional reach, and 30 seconds sit-to-stand have high correlation.
(2)We collected 320 cases to evaluate the sensitivity and specificity of our frailty predict algorithm. We used back propagation neural network model to recognition three states of non-frailty, pre-frailty and frailty. The best recognition rate is 75.70%. The sensitivity and specificity of this system is 69.66% and 82.4% respectively. The positive predictive value is 82.11%, and the negative predictive value is 70.07%. These results showed that our system belongs to a good specificity prediction tool, it can be used to assessment the frailty group.
目 錄
指導教授推薦書 i
口試委員會審定書 ii
長庚大學博碩士論文著作授權書 iii
誌謝 iv
中文摘要 v
英文摘要 vii
目 錄 viii
表目錄 x
圖目錄 xi
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 3
1.3 研究目的 4
1.4 論文架構 5
第二章 相關研究 7
2.1 國內外老化研究說明以及觀察指標 7
2.2 各老化指標傳統的操作方式 8
2.3 特殊感測元件的介紹 12
2.4 類神經網路 14
2.5 無線感測網路 16
第三章 研究方法 18
3.1 系統服務模式 19
3.2 功能性退化特徵指標量化 28
3.3 功能性退化監測設備研發 31
3.4 功能性退化分類演算法 42
3.5 統計方法 44
第四章 實驗結果與系統成效 49
4.1 系統承載效能 50
4.2 電子化與傳統工具信效度驗證 53
4.3 分析模型與專家分析結果之比較 58
第五章 結論與未來展望 72
參考文獻 76
附錄 79
附錄 A、 硬體規格 79
附錄 B、 系統成果照 85
[1]內政部統計處,內政國際指標,http://www.moi.gov.tw/stat/,台北,民國94 年。
[2]內政部統計處,戶籍人口統計年報,http://www.moi.gov.tw/stat/,台北,民國95 年。
[3]日本總務廳統計局,世界人口統計於2007,http://www.stat.go.jp/。
[4]行政院經建會人力規劃處,中華民國台灣95 年至140 年人口推計,http://www.cepd.gov.tw/index.jsp,台北,民國95 年7月。
[5]Fried L.P., Tangen C.M., Walston J., Newman A.B., Hirsch C., Gottdiener J., Seeman T., Tracey R., Kop W., Burke G., McBurnie M.A., “Frailty in older adults: Evidence for a phenotype.”, The Journals of Gerontology, 56, 146-156. 2001 Mar.
[6]Peggy M.C., Lynn M.M., Yvonne Michael, Thuy-Tien Dam, et al., “Frailty in Older Men : Prevalence, Progression, and Relationship with Mortality“, The American Geriatrics Society, 55,1216-1223, 2007.
[7]Thomas M.G., Evelyne A.G., Heather G.A., Ling Han. “Transitions Between Frailty States Among Community-Living Older Persons”, Archives of internal medicine, 166,418-423, 2006.
[8]Rockwood K., Song X., MacKnight C., Bergman H., Hogan D.B., McDowell I., Mitnitski A, “A global clinical measure of fitness and frailty in elderly people”, Canadian medical Association Journal, 173(5), 489-495, 2005 Aug.
[9]Weiner D.K., Duncan P.W., Chandler J., Studenski S.A. “Functional Reach: A Marker of Physical Frailty”, Journal of the America Geriatrics Society, 40, 203-207, 1992 Mar.
[10]Gale M.G., Mitchell H.W., “Falls in the Elderly: Part II, Balance, Strength, and Flexibility”, Arch Phys Med Rehabil, 71(10),739-741, 1990 Sep.
[11]Blaum C.S., Xue Q.L., Michelon E., Semba R.D., and Fried L.P., “The Association Between Obesity and the Frailty Syndrome in Older Women: The Women’s Health and Aging Studies”, Journal of the American Geriatrics Society, 53(6),927-934, 2005 Jun.
[12]Ostir G.V., Ottenbacher K.J., and Markides K.S., “Onset of Frailty in Older Adults and the Protective Role of Positive Affect”, Psychology and Aging, 19,402-408, 2004.
[13]Washburn R.A., McAuley E., Katula J., Mihalko S.L., Boileau R.A., “The Physical Activity Scale for the Elderly (PASE) - Evidence for Validity”, Journal of Clinical Epidemiology, 52(7), 643-651, 1999 July.
[14]呂美玲,〈老年人健康狀況、身體活動與功能性體適能相關之探討〉,國立臺灣師範大學,碩士論文,民國92年。
[15]魏榆倩,〈大一學生身體活動與憂鬱症狀之關係研究〉,國立體育學院,碩士論文,民國95年。
[16]吳佳儀,〈社區老人睡眠品質與身體活動、憂鬱之相關性探討〉,國立臺灣大學,碩士論文,民國91年。
[17]Nancy F.W., Andrea Z.L., Shelly L.G., Aaron A., Barbara B.C., Robert L.B., Kamal M., Anne, Anne B.N., “Frailty: Emergence and Consequences in Women Aged 65 and Older in the Women's Health Initiative Observational Study.”, Journal of the American Geriatrics Society. 53(8),1321-1330, 2005 August.
[18]Bandeen-Roche K., Xue Q.L., Ferrucci L., Walston J., Guralnik J.M., Fried L.P. ”Phenotype of Frailty: characterization in the Women’s Health and Aging Studies.”, Journal of Gerontology: Medical Sciences, 61(3),262-266, 2006 Mar.
[19]張斐章、張麗秋,《類神經網路》, 東華書局。
[20]林震岩,《多變量分析-SPSS的操作與應用》,智勝文化事業有限公司。
[21]羅華強, 《類神經網路-MATLAB的應用》, 高立圖書有限公司。
[22]黃綺年,〈統計方法與類神經網路應用於國內開放式股票型基金投資績效分類及投資報酬率預測之研究〉,國立成功大學,碩士論文,民國93年。
[23]McCluskey W.J., Dyson K., Anand S., McFall D.,"The Mass Appraisal of Residential Property in Northern Ireland”, Computer Assisted Mass Appraisal, London, vol. 3,59-77,1997.
[24]丁一賢、陳牧言,《資料探勘》,滄海書局。
[25]張云濤、龔玲,《資料探勘原理與技術》,五南圖書出版股份有限公司。
[26]蔡瑞煌,《類神經網路概論》,三民書局股份有限公司。
[27]曾煜棋、潘夢鉉、林致宇,《無線區域與個人網路-隨意及感測器網路之技術與應用》,知城圖書。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔