تلفيق اطلاعات سنسوري به منظور حرکت دانشگاه صنعتي اميرکبير دانشکده مهندسي پزشکي تلفيق اطلاعات سنسوري به منظور حرکت ارائه: فرشته لگزي پاييز 1387

مقدمه يکي از پايه هاي اساسي براي تصميم گيري حرکت، تخمين وضعيت فرد در محيط بر مبناي اطلاعات سنسوري است. اندازه گيري کنترل متغيرهاي خارجي متغيرهاي داخلي سيستم عصبي محيط خارج از سيستم عصبي

مقدمه کنترل کننده سيستم خروجي (حرکت فرد) سيستم تلفيق اطلاعات سيستم اندازه گيري محدوديت اندازه گيري←تنوع سنسورها خطاي اندازه گيري←تعدد سنسورها

1- استفاده از داده هاي چند سنسور يکسان، از لحاظ آماري اهميت تلفيق اطلاعات تعدد سنسورها F(X) F(X) X X 1- استفاده از داده هاي چند سنسور يکسان، از لحاظ آماري باعث کاهش خطا مي شود.

اهميت تلفيق اطلاعات تنوع سنسورها 2- استفاده از چندين منبع اطلاعاتي مختلف باعث کاملتر شدن اطلاعات مي شود و در نتيجه امکان تصميم گيري بهتر و سريعتري را فراهم مي کند.

اهميت تلفيق اطلاعات تعدد و تنوع سنسورها افزايش robustness سيستم از کار افتادن سيستم 3- استفاده از داده هاي چندين سنسور، باعث افزايش robustness سيستم مي شود.

4- تلفيق اطلاعات سنسوري مي تواند از لحاظ اقتصادي اهميت تلفيق اطلاعات استفاده از چند سنسور ارزان 4- تلفيق اطلاعات سنسوري مي تواند از لحاظ اقتصادي نيز به صرفه تر باشد.

رويکردهاي تلفيق اطلاعات Sensor A Sensor B Sensor N ASSOCIATION Data Level Fusion FEATURE EXTRACTION Identity Declaration Joint Identity Declaration تلفيق مستقيم داده هاي سنسوري

رويکردهاي تلفيق اطلاعات Joint Identity Declaration Sensor A Sensor B Sensor N ASSOCIATION FEATURE EXTRACTION LEVEL FUSION IDENTITY DECLARATION نمايش داده هاي سنسورها در قالب بردارهاي ويژگي و سپس تلفيق اين بردارها.

رويکردهاي تلفيق اطلاعات Joint Identity Declaration Sensor A Sensor B Sensor N ASSOCIATION FEATURE EXTRACTION LEVEL FUSION IDENTITY DECLARATION پردازش هر سنسور براي بدست آوردن استنتاج سطح بالا از آن به تنهايي و نهايتا تلفيق اين استنتاج ها با يکديگر.

نحوه کد شدن اطلاعات سنسوري Frequency Code کد کردن شدت تحريک Population Code

نحوه کد شدن اطلاعات سنسوري گيرنده هايي که آهسته تطبيق مي يابند. کد کردن زمان تحريک گيرنده هايي که سريع تطبيق مي يابند.

نحوه کد شدن اطلاعات سنسوري براي ايجاد تمايز بين دو محرک و افزايش کنتراست از مکانيسم مهار جانبي استفاده مي شود.

سنسور بينايي

سنسور بينايي

سنسورهاي تعادلي

سلولهاي مويي

سنسورهاي تعادلي اتوليت ها کانالهاي نيم دايره اي

سنسورهاي حس عمقي Golgy Tendon Muscle Spindle

تلفيق اطلاعات سنسوري اطلاعات سنسوري هم به صورت cortical و هم به صورت subcortical با يکديگر تلفيق مي شوند.

معرفي SC سه لايه سطحي مربوط به بينايي، روي چهار لايه عمقي تر مرتبط با موتورها و مالتي سنسورها قرار گرفته اند.

تلفيق اطلاعات در SC(Superior Colliculus) به سمت هدف نقش دارد. اطلاعات ديداري، شنيداري، تعادلي و سوماتوسنسوري در اين بخش با يکديگر تلفيق مي شوند.

نقش Superior Colliculus در تثبيت محور ديد

نرونهاي SC اطلاعات از طريق دو ساختار نروني متفاوت به SC وارد مي شوند: 1- ساختارهاي نروني که اطلاعات يک نوع سنسور را در بر دارند و به يک نرون در SC ختم مي شوند. Unisensory → 2- ساختارهايي که شامل نرونهايي از انواع مختلف سنسورها هستند و اطلاعات چند نوع سنسور را دريافت مي دارند. Multisensory→

يافته هاي تجربي در مورد تلفيق اطلاعات درSC(Superior Colliculus) نرونهاي SC در ابتدا Unisensory هستند و با تعليم فرد Multisensory مي شوند. Auditory RF Multisensory Neuron Visual RF

يافته هاي تجربي در مورد تلفيق اطلاعات در SC(Superior Colliculus) اگر هر دو محرک در درون ناحيه همپوشاني ميدان گيرنده SC باشند، تعداد ايمپالسهايي که در حالت مالتي سنسوري توسط يک نرون SC توليد مي شود، بيشتر از حالتي است که هر نوع سنسور به تنهايي يک نرون SC را تحريک کند. به اين پديده Multisensory Enhancement گفته مي شود. اگر يک محرک در داخل ناحيه همپوشاني ميدان گيرنده SC و ديگري در خارج آن باشد، پاسخ نرون SC به محرکي که در درون ناحيه همپوشاني قرار دارد، به طور قابل توجهي کاهش مي يابد. به اين پديده Multisensory Depression گفته مي شود.

مثالي از Multisensory Enhancement

مثالي از Multisensory Depression

يافته هاي تجربي در مورد تلفيق اطلاعات در SC(Superior Colliculus)

برنامه ريزي حرکت رسيدن در motor planning براي حرکت رسيدن، تخمين موقعيت دست در دو مرحله زير به صورت متفاوت از يکديگر بر اساس تلفيق اطلاعات بينايي و حس عمقي بدست مي آيند: 1- تعيين بردار جابجايي مطلوب 2- تبديل بردار جابجايي به فرمانهاي حرکتي براي تغيير زاويه مفاصل

خطاهاي ناشي از تخمين موقعيت دست

مدل Sober and Sabes(2003) برخي از مطالعات نشان مي دهند که مغز به منظور تلفيق اطلاعات سنسوري از يک تخمين بهينه آماري با وزن دهي هر نوع سنسور بر اساس دقت نسبي آن عمل مي کند. به اين منظور مدلهاي Minimum-Variance پيشنهاد شده اند. برخي ديگر از مطالعات نشان مي دهند که سيگنالهاي سنسوري بسته به نحوه استفاده شان به نحو متفاوتي با يکديگر تلفيق مي شوند. مدل Sober and Sabes(2003) بر اين اساس طراحي شده است.

مدل Sober and Sabes(2003)

مدل Sober and Sabes(2003) براي تعيين بردار جابجايي مطلوب در هر دو مدل بکار مي رود. اين بردار سرعت اوليه مطلوب end point را در velocity command model و شتاب اوليه مطلوب end point را در torque command model تعيين مي کند. براي تبديل حرکت مطلوب به فرمانهاي موتوري بکار مي رود. اين فرمان به صورت سرعت مفاصل در velocity command model و به صورت گشتاور مفاصل در torque command model بيان مي شود.

آزمايشها

مدل Sober and Sabes(2003)

مدل Sober and Sabes(2003) ضرايب مدل الگوي خطا الگوي خطا (بدست آمده توسط آزمايش) الگوي خطا (شبيه سازي شده توسط مدل) ضرايب مدل

نتايج در اين آزمايشها مقادير متوسط پارامترهاي وزن به صورت زير بدست آمدند. تخمين موقعيت دست براي برنامه ريزي بردار جابجايي بيشتر بر ورودي بينايي تکيه دارد در حاليکه تخمين مورد استفاده براي محاسبه فرمانهاي مفاصل بيشتر به سيگنالهاي Proprioceptive وابسته است.

با تشکر از توجه شما