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

2. 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

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

4. 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.

5. 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.

6. 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.

7. 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.

8. 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

9. 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.

10. 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.

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

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

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

15. سنسور بينايي

16. سنسور بينايي

17. سنسورهاي تعادلي

18. سلولهاي مويي

19. سنسورهاي تعادلي
اتوليت ها
کانالهاي نيم دايره اي

20. سنسورهاي حس عمقي
Golgy Tendon
Muscle Spindle

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

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

23. 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.

24. نقش Superior Colliculus در تثبيت محور ديد

25. 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→

26. 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

27. 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.

28. مثالي از Multisensory Enhancement

29. مثالي از Multisensory Depression

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

31. 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

32. خطاهاي ناشي از تخمين موقعيت دست

34. 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.

35. مدل Sober and Sabes(2003)

36. 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.

37. آزمايشها

38. مدل Sober and Sabes(2003)

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

40. 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.

41. با تشکر از توجه شما