Нейромережевий підхід для автоматичного підбору комплексу реабілітаційних вправ
DOI:
https://doi.org/10.30837/bi.2021.1(96).08Ключові слова:
АНАЛІЗ, ВПРАВА, МУЛЬТИКЛАСОВА КЛАСИФІКАЦІЯ, МУЛЬТИЛЕЙБЛОВА КЛАСИФІКАЦІЯ, НЕЙРОННА МЕРЕЖА, ПРОГРАМНА СИСТЕМА, РЕКОМЕНДАЦІЯ, СЕРЦЕВО-СУДИННА СИСТЕМА, ТРАВМААнотація
Ця стаття присвячена рішенню проблеми автоматичного підбору комплексу відновлювальних вправ під час травм з урахуванням стану серцево-судинної системи людини за допомогою використання нейронних мереж. Для вирішення даної задачі необхідно було обрати один із двох класичних підходів – Multiclass Classification або Multilabel Classification, кожний з яких вирішує проблему класифікації даних через власний алгоритм, та використати обрану архітектуру нейронної мережі для написання програмної системи. Під час роботи над цією системою також необхідно було вирішити певні проблеми, що стосувалися кожного з цих підходів (необхідність у великій вибірці через велику кількість вправ, що система має рекомендувати) або конкретного підходу (неможливість обрати декілька вправ одночасно – для Multiclass Classification, менша продуктивність та кількість підтримуваних мов програмування – для Multilabel Classification). Для навчання нейронної мережі використовувались вибірки різних розмірів (від 1 млн. записів та більше), що генерувались через самостійно написану програму, що генерувала задану кількість записів та записувала їх у .CSV (comma-separated values) файл.
Посилання
Walter R. F. Rehabilitation of Sports Injuries // R. Frontera Walter., 2002.
Physical Therapy Exerises // abayapps. 2019. –https:// play.google.com/store/apps/details?id=com.rehabilitation. physicaltherapyexercises.
Injurymap - Effective exercise therapy // Injurymap, 2020. – https://play.google.com/store/apps/details?id=com. injurymap.injurymap.
Knee Pain Relieving Exercises // Dr.Kavin Khatri, 2016. –https://play.google.com/store/apps/details?id=com. technoherpes.kneepain.
Dybowski R. Clinical Applications of Artificial Neural Networks // R. Dybowski., 2001.
Kolo B. Binary and Multiclass Classification // B. Kolo. – Weatherford: Weatherford Press, 2010.
Walker H. K. Clinical Methods: The History, Physical, and Laboratory Examinations // H. K. Walker, W. D. Hall, J. W. Hurst., 1990.
Multilabel Classification: Problem Analysis, Metrics and Techniques // F.Herrera, F. Charte, A. J. Rivera, M. J. del Jesus. – New York: Springer, 2016.
Tutorial: Classify the severity of restaurant health violations with Model Builder // Microsoft, 2019. – https://docs. microsoft.com/en-us/dotnet/machine-learning/tutorials/ health-violation-classification-model-builder.
Shubham J. Solving Multi-Label Classification problems (Case studies included) // Jain Shubham, 2017. –https:// www.analyticsvidhya.com/blog/2017/08/introduction-tomulti- label-classification.
