Phân tích dáng đi của người bị bệnh parkinson sử dụng đặc trưng LBP

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THỊ HỒNG HUỆ PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP Chuyên ngành:Khoa học máy tính Mã số: 8480101 LUẬN VĂN THẠC SĨ KỸ THUẬT Người hướng dẫn khoa học: TS HUỲNH HỮU HƯNG Đà Nẵng - Năm 2018 LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng hướng dẫn trực tiếp TS Huỳnh Hữu Hưng Mọi tham khảo dùng luận văn trích dẫn rõ ràng tên tác giả, tên cơng trình, thời gian, địa điểm cơng bố Mọi chép không hợp lệ, vi phạm quy chế đào tạo, hay gian trá, tơi xin chịu hồn tồn trách nhiệm Tác giả Nguyễn Thị Hồng Huệ MỤC LỤC TRANG BÌA LỜI CAM ĐOAN MỤC LỤC TRANG TÓM TẮT TIẾNG ANH DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH MỞ ĐẦU 1 Lý chọn đề tài Mục tiêu nhiệm vụ Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Ý nghĩa khoa học thực tiễn Bố cục luận văn CHƯƠNG TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI 1.1 CÁC THÔNG SỐ ĐẶC TRƯNG CỦA DÁNG ĐI 1.1.1 Chu kỳ dáng 1.1.2 Các tham số bình thường dáng 1.2 CÁC THIẾT BỊ PHÂN TÍCH DÁNG ĐI 1.2.1 Sử dụng cảm biến 1.2.2 Sử dụng liệu thu từ camera 1.3 CÁC PHƯƠNG PHÁP PHÂN TÍCH DÁNG ĐI 12 1.3.1 Phương pháp dựa vào đặc trưng 12 1.3.2 Phương pháp dựa vào mơ hình 14 1.4 KẾT LUẬN CHƯƠNG 19 CHƯƠNG BỆNH PARKINSON 20 2.1 TỔNG QUAN VỀ BỆNH PARKINSON 20 2.1.1 Giới thiệu 20 2.1.2 Nguyên nhân gây bệnh Parkinson 20 2.1.3 Một số biểu bệnh Parkinson 21 2.1.4 Dáng Parkinson (Parkinsonian Gait) 22 2.1.5 Diễn biến bệnh Parkinson 23 2.1.6 Các phương pháp điều trị bệnh Parkinson 23 2.2 MỘT SỐ PHƯƠNG PHÁP CHẤN ĐOÁN SỚM BỆNH PARKINSON 26 2.2.1 Chẩn đoán Parkinson phương pháp quét DAT 26 2.2.2 Ph n mềm chẩn đoán sớm bệnh Parkinson 27 2.2.3 Dùng bàn phím máy tính để phát sớm bệnh Parkinson 28 2.2.4 Phát bệnh Parkinson qua điện thoại 29 2.2.5 Phát bệnh Parkinson qua khứu giác 29 2.2.6 Có thể chẩn đốn Parkinson sớm theo nét chữ 30 2.2.7 Phát sớm bệnh thông qua kiểm tra mắt đơn giản 31 2.2.8 Kiểm tra thở giúp chẩn đoán bệnh Parkinson sớm 32 2.3 KẾT LUẬN CHƯƠNG 33 CHƯƠNG PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP 35 3.1 TỔNG QUAN HỆ THỐNG 35 3.2 XÂY DỰNG DỮ LIỆU 36 3.2.1 Ph n mềm thiết kế 3D MakeHuman 36 3.2.2 Ph n mềm Blender 37 3.3 TRÍCH XUẤT ĐẶC TRƯNG LBP (Local Binary Pattern) 39 3.3.1 Phương pháp biểu diễn kết cấu dựa vào toán tử LBP 39 3.3.2 Cải tiến LBP: Uniform Patterns [28] 45 3.4 HUẤN LUYỆN 51 3.4.1 Xây dựng mơ hình phân lớp sử dụng SVM để nhận dạng dáng 51 3.4.2 Phát dáng người bị bệnh Parkinson 54 3.5 THỰC NGHIỆM VÀ KẾT QUẢ 55 3.5.1 Dữ liệu thử nghiệm 55 3.5.2 Quá trình thực 56 3.5.3 Kết thực nghiệm 61 3.5.4 Nhận xét 62 3.6 KẾT LUẬN CHƯƠNG 62 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 63 TÀI LIỆU THAM KHẢO 64 U ẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO) BẢN SAO KẾT LUẬN CỦA HỘI ĐỒNG, BẢN SAO NHẬN XÉT CỦA CÁC PHẢN BIỆN TRANG TĨM TẮT TIẾNG ANH PHÂN TÍCH DÁNG ĐI NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP Học viên: Nguyễn Thị Hồng Huệ Chuyên ngành: Khoa học máy tính Mã số: 84800101 Khóa: 34.KMT.QB Trường Đại học Bách khoa - ĐHĐN Tóm tắt - Ngày nay, nghiên cứu lĩnh vực thị giác máy tính hỗ trợ nhiều cho sống, đặc biệt nghiên cứu phân tích dáng hỗ trợ quan sát, chẩn đoán bệnh nhân lĩnh vực y tế Trong luận văn này, tơi đề xuất giải pháp phân tích dáng bệnh nhân Parkinson thông qua đặc trưng LBP uá trình xử lý bao gồm bước: (1) Trích xuất đặc trưng LBP từ liệu xây dựng ph n mềm Makehuman Blender; (2) Đưa véc-tơ đặc trưng LBP frame ảnh lịch sử chuyển động vào mơ hình huấn luyện SVM; (3) Từ ngưỡng quy định, xác định dáng c n nhận dạng thuộc nhãn “Dáng bình thường” hay “Dáng Parkinson” từ đưa kết luận Kết thực nghiệm sở liệu tự xây dựng mơ hình 3D cho thấy giải phải đề xuất mang lại hiệu hứa hẹn Từ khóa: Thị giác máy tính, phân tích dáng đi, Makehuman, Blender, LBP, SVM ANALYZING THE POSTURE OF PARKINSON’S PATIENTS THROUGH LBP CHARACTERISTICS Abstract - Nowadays, researchs in visual field machine suports for life a lot, especially the diagnostic analysis of the gait supports the observation and diagnosis of patients in the medical field In this essay, I offer solutions to analyze the gait of Parkinson's patients through LBP characteristics The process consists of steps (1) Extract LBP characteristics from data created by Makehuman and Blender software; (2) Bring the LBP characteristic vector of moving historical picture frames to the SVM training model, and then identify the gait that should be identified under the label "Normal gait" or "Parkinsonian gait" and draw conclusions The results in a self-built 3D modeling database show that the proposed solution has promising effects Key words: Computer vision, gait analysis, Makehuman, Blender, LBP, SVM DANH MỤC CÁC TỪ VIẾT TẮT 2D Two Dimension 3D Three Dimension ANN Artificial Neural Network DPM Dopamine HMM Hidden Markov Model LBP Local Binary Pattern LDA Linear Discriminant Analysis SRM Structural Risk Minimization SVM Support Vector Machine DANH MỤC CÁC BẢNG Bảng 1.1 Tổng hợp đặc trưng dáng nghiên cứu [52] 12 Bảng 3.1 Bảng thống kê đặc trưng LBP lược đồ 256 chiều 43 Bảng 3.2 Ví dụ uniform non-uniform LBP 46 Bảng 3.3 M LBP mã Uniform LBP .47 Bảng 3.4 Bảng thống kê đặc trưng LBP m nhị phân tương ứng 49 Bảng 3.5 Số l n chuyển bit mã nhị phân LBP 49 Bảng 3.6 Bảng LBP chiều tương ứng cho lược đồ uniform 59 chiều 50 Bảng 3.7 Số khung ảnh lấy từ nhân vật .55 Bảng 3.8 Kết nhận dạng dáng .61 DANH MỤC CÁC HÌNH Hình 1.1 Chu kỳ dáng gồm giai đoạn Hình 1.2 Chu kỳ dáng gồm giai đoạn Hình 1.3 Đo lường bước chân sải chân Hình 1.4 Sử dụng máy gia tốc quay hồi chuyển Hình 1.5 Hệ thống giày cảm biến Gaitshoe .8 Hình 1.6 Hình ảnh thảm cảm biến sàn nhà Hình 1.7 Hình chiếu đặc trưng sử dụng nghiên cứu .9 Hình 1.8 Hệ thống giám sát hành vi té ngã .10 Hình 1.9 Camera Kinect hệ thống máy tính thử nghiệm 10 Hình 1.10 Định vị markerless nhiều góc quay khác 11 Hình 1.11 Hình ảnh thu nghiên cứu 12 Hình 1.12 Mẫu mơ hình dáng 14 Hình 1.13 Tham số xác suất mơ hình Markov ẩn 16 Hình 1.14 Đơn vị đo lường quán tính gắn ngực đối tượng 16 Hình 1.15 Mơ hình HMM tương ứng với mơ hình HMM hoạt động .17 Hình 1.16 Mơ hình mạng nơron dùng nghiên cứu 18 Hình 2.1 Bệnh nhân Parkinson cứng đờ bắp 21 Hình 2.2 Dáng người bị bệnh Parkinson 22 Hình 2.3 Điều trị bệnh Parkinson phương pháp kích thích não sâu .24 Hình 2.4 Kỹ thuật quét DAT thực trường hợp nghi ngờ Parkinson .26 Hình 2.5 Ch c n v giấy để xác định tình trạng bệnh Parkinson 27 Hình 2.6 Parkinson phát sớm kiểm tra mắt 32 Hình 3.1 Giải pháp đề xuất 35 Hình 3.2 Giao diện công cụ MakeHuman .37 Hình 3.3 Giao diện ph n mềm Blender 38 Hình 3.4 Một số khung ảnh lưu vào sở liệu 39 Hình 3.5 Ví dụ tốn tử LBP 40 Hình 3.6 Minh họa tốn tử LBP mở rộng với giá trị P R khác 40 Hình 3.7 Q trình tính giá trị LBP 41 Hình 3.8 Lược đồ Local Binary Patterns 256 chiều 44 Hình 3.9 Ví dụ minh họa mô tả đặc điểm cấu trúc véc-tơ LBP 45 Hình 3.10 Các mẫu uniform 46 Hình 3.11 Lược đồ uniform Local Binary Patterns 59 chiều 51 Hình 3.12 Siêu phẳng phân chia liệu học thành lớp + - với khoảng cách biên lớn Các điểm g n (điểm khoanh tròn) Support Vector 52 Hình 3.13 Minh họa toán phân hai lớp với phương pháp SVM 53 Hình 3.14 Bài tốn SVM trường hợp liệu mẫu không phân tách tuyến tính 53 Hình 3.15 Chuỗi ảnh thể dáng 56 Hình 3.16 Giao diện làm việc nhân vật mặc định 57 Hình 3.17 Nhân vật sau hoàn thiện 57 Hình 3.18 Thêm khung xương cho nhân vật 58 Hình 3.19 Giao diện ban đ u Blender .58 Hình 3.20 Ghi hình liệu 59 Hình 3.21 Chuyển ảnh thành ảnh xám 59 Hình 3.22 Ảnh trước sau trích xuất đặc trưng LBP 60 Hình 3.23 Kết nhận dạng 61 MỞ ĐẦU Lý chọn đề tài Một bệnh lý liên quan đến dáng bệnh Parkinson Parkinson bệnh th n kinh mạn tính thường kết hợp với rối loạn tâm th n, gặp chủ yếu người cao tuổi Theo thống kê độ tuổi khởi bệnh Parkinson trung bình vào khoảng 60 tuổi, với tỷ lệ mắc 90 - 100/100.000 dân tỷ lệ mắc 20/100.000 dân/năm, gặp trường hợp khởi bệnh trước 40 tuổi Khoảng 45% bệnh nhân Parkinson bị tr m cảm 30 - 60% bị sa sút tinh th n Phòng điều trị bệnh gặp khó khăn, bên cạnh đó, bệnh Parkinson dẫn đến số biến chứng [63] Bệnh Parkinson ảnh hưởng đến 6.3 triệu người bệnh thoái hóa th n kinh phổ biến thứ hai tồn giới Số người mắc bệnh ngày gia tăng ngày trẻ hóa Parkinson khơng phải bệnh nguy hiểm cấp tính gây cản trở lớn đến công việc, sinh hoạt ngày, làm giảm chất lượng sống người bệnh, bệnh diễn tiến ngày nặng d n Nếu không điều trị đắn, kịp thời, sau từ đến năm s có nguy bị tàn phế Cho tới nay, y học đại chưa có cách để phòng ngừa chữa khỏi hẳn bệnh Parkinson, việc phát sớm can thiệp kịp thời biện pháp tốt giúp người bệnh cải thiện chức vận động mình, đồng thời phát cảnh báo cho người phụ trách chăm sóc trở thành nhu c u cấp thiết Ngày nay, với phát triển ngành khoa học kĩ thuật, đặc biệt bùng nổ công nghệ thông tin, nghiên cứu lĩnh vực thị giác máy tính hỗ trợ nhiều công tác y tế, đặc biệt nghiên cứu phân tích dáng giúp quan sát bệnh nhân phát sớm số bệnh tật Ứng dụng phân tích dáng lĩnh vực y tế đ triển khai từ sớm để chuẩn đoán phát bệnh tiềm ẩn liên quan đến khung xương [1] Đặc trưng LBP (Local Binary Pattern) đặc trưng sử dụng phổ biến toán liên quan đến nhận dạng khn mặt nói riêng nhận dạng nói chung, LBP có khả bất biến với độ sáng khả phân tách cao chi phí tính tốn thấp Với lí trên, tơi đề xuất chọn đề tài “Phân tích dáng người bị bệnh Parkinson sử dụng đặc trưng LBP” 66 ACM workshop on Analysis and retrieval of events/actions and workflows in video streams, ACM, pp 73-80 [22] Gouwanda, D., & Senanayake, S M N A (2008), Emerging Trends of BodyMounted Sensors in Sports and Human Gait Analysis, Springer Berlin Heidelberg [23] H.J Luinge and P.H Veltink (2005), "Measuring orientation of human body segments using miniature gyroscopes and accelerometers", Medical and Biological Engineering and Computing, vol 43, no 2, p 273–282 [24] Han, J., & Bhanu, B (2005), "Performance prediction for individual recognition by gait", Pattern Recognition Letters, 26(5), pp 615-624 [25] Han, J., Shao, L., Xu, D., & Shotton, J (2013), "Enhanced computer vision with microsoft kinect sensor: A review", Cybernetics, IEEE Transactions on, 43(5), pp 1318-1334 [26] Kavanagh, Justin J., and Hylton B Menz (2008), "Accelerometry: a technique for quantifying movement patterns during walking", Gait & posture, vol 28, no.1 [27] Kerrigan, D C., Todd, M K., & Croce, U D (1998), Gender Differences In Joint Biomechanics During Walking Normative Study in Young Adults, American journal of physical medicine & rehabilitation, 77(1), 2-7 [28] Laura Sánchez López, "Local Binary Patterns applied to Face Detection and Recognition", Universitat Politècnica de Catalunya, November 2010 [29] M Machado-Molina, Ingrid Bönninger, Malay Kishore Dutta, Tobias Kutzner, Carlos M Travieso (2014), "Gait-based recognition of humans using Kinect camera", Tenerife, Spain: WSEAS Press, pp 63-71 [30] Menant, J C., Steele, J R., Menz, H B., Munro, B J & Lord, S R (2009), "Rapid gait termination: Effects of age, walking surfaces and footwear characteristics", Gait & Posture, vol 30, no 1, pp 65-70 [31] Middleton, L., Buss, A A., Bazin, A., & Nixon, M S (2005), "A floor sensor system for gait recognition", In Automatic Identification Advanced Technologies, 2005 Fourth IEEE Workshop on, pp 171-176 [32] Milovanovic, M., Minovic, M., & Starcevic, D (2012), "New gait recognition method using Kinect stick figure and CBIR", Telecommun Forum (TELFOR), vol 1, pp 1323-1326 [33] Morris, Jeremy N., and Adrianne E Hardman (1997), "Walking to health", Sports medicine, vol 23, no 5, pp 306-332 [34] Munich, M., Pirjanian, P., Di Bernardo E., Goncalves, L., Karlsson, N., Lowe, D.G (2006), "SIFT-ing through features with ViPR: Application of visual 67 pattern recognition to robotics and automation", IEEE Robotics anti Automation Magazine, pp 72-77 [ 35] Muro-de-la-Herran, A., Garcia-Zapirain, B., & Mendez-Zorrilla, A (2014), "Gait analysis methods: an overview of wearable and Non-wearable systems, highlighting clinical applications", Sensors, 14(2), pp 3362-3394 [36] Ng, H., Ton, H L., Tan, W H., Yap, T T V., Chong, P F., & Abdullah, J (2011), "Human Identification Based on Extracted Gait Features", International Journal of New Computer Architectures and their Applications (IJNCAA), vol 1, no 2, pp 358-370 [37] Nguyen, H A., Auvinet, E., Mignotte, M., de Guise, J A., & Meunier, J (2012), "Analyzing gait pathologies using a depth camera", Engineering in Medicine and Biology Society (EMBC), 2012 Annual International Conference of the IEEE, pp 4835-4838 [38] Ojala, T.,Pietikäinen, M., Harwood, D., A Comparative Study of Texture Measures with Classification Based on Feature Distributions, Pattern Recognition 29, 51-59, 1996 [39] P H Johnson (2000), Physical Therapist's Clinical Companion, Springhouse Corporation [40] Panahandeh, G., Mohammadiha, N., Leijon, A., & Handel, P (2013), "Continuous Hidden Markov Model for Pedestrian Activity Classification and Gait Analysis", IEEE T Instrumentation and Measurement, 62(5), pp 10731083 [41] Pappas, I P., Popovic, M R., Keller, T., Dietz, V., & Morari, M (2001), "A reliable gait phase detection system", Neural Systems and Rehabilitation Engineering, IEEE Transactions on, 9(2), 113-125 [42] Perry, J (1992), "Gait analysis: normal and pathological function", Thorofare, NJ:Slack [43] Rabiner, L (1989), "A tutorial on hidden Markov models and selected applications in speech recognition", Proceedings of the IEEE, 77(2), pp 257286 [44] Saboune, Jamal, and Franỗois Charpillet (2005), "Markerless human motion capture for gait analysis", arXiv preprint cs/0510063 [45] Shaikh, S H., Saeed, K., & Chaki, N (2014), "Gait recognition using partial silhouette-based approach", Signal Processing and Integrated Networks (SPIN), 2014 International Conference on, pp 101-106 68 [46] Sharma, S., Tiwari, R., Shukla, A., & Singh, V (2011), "Identification of People Using Gait Biometrics", International journal of machine learning and computing, 1(4), pp 409-415 [47] Stanke, M., & Waack, S (2003), "Gene prediction with a hidden Markov model and a new intron submodel", Bioinformatics, vol 19(suppl 2), pp ii215-ii225 [48] Stone, E E., & Skubic, M (2011), "Passive in-home measurement of stride-tostride gait variability comparing vision and Kinect sensing", in Engineering in Medicine and Biology Society, EMBC, 2011 Annual International Conference of the IEEE [49] Stone, Erik E., and Marjorie Skubic (2012), "Passive, in-home gait measurement using an inexpensive depth camera: initial results", in Pervasive Computing Technologies for Healthcare (PervasiveHealth), 2012 6th International Conference on [50] Sutherland, D H (2001), "The evolution of clinical gait analysis part l: kinesiological EMG", Gait & posture, 14(1), pp 61-70 [51] Suzuki, K., Yamada, Y., Handa, T., Imada, G., Iwaya, T., & Nakamura, R (1999), "Relationship Between Stride Length and Walking Rate in Gait Training for Hemiparetic Stroke Patients1", American journal of physical medicine & rehabilitation, 78(2), pp 147-152 [52] Tao, W., Liu, T., Zheng, R., & Feng, H (2012), "Gait analysis using wearable sensors", Sensors, 12(2), pp 2255-2283 [53] Timo Ojala, M Pietikăainen, Mäenpää Topi, “Multiresolution GrayScale and Rotation Invariant Texture Classification with Local Binary Patterns”., IEEE Transactions on Pattern Analysis and Machine Intelligence,: Vol 24, No 7, 2002 [54] United Nations Dept of Economic (2002), World population ageing, 19502050 (No 207), New York: United Nations [55] Vapnik, V N., & Vapnik, V (1998), Statistical learning theory (Vol 1), New York: Wiley [56] Villanueva, D., Trujillo, A., Fermon, E., Cardiel, E., & Hedz, P R (2002), "Method for monitoring acceleration of the trunk during gait", In Engineering in Medicine and Biology, 2002 24th Annual Conference and the Annual Fall Meeting of the Biomedical Engineering Society EMBS/BMES Conference, 2002 Proceedings of the Second Joint, vol 2, pp 1758-1759 [57] W Zeng (2012), "Microsoft Kinect Sensor and Its Effect", IEEE MultiMedia, pp 4-10 69 [58] Wang, L., Tan, T., Ning, H., & Hu, W (2003), "Silhouette analysis-based gait recognition for human identification", Pattern Analysis and Machine Intelligence, IEEE Transactions on, 25(12), pp 1505-1518 [59] Yoo, J H., Hwang, D., & Nixon, M S (2005), "Gender classification in human gait using support véc-tơ machine", In Advanced concepts for intelligent vision systems, Springer Berlin Heidelberg, pp 138-145 [60] Yoo, J H., Hwang, D., Moon, K Y., & Nixon, M S (2008), "Automated human recognition by gait using neural network", In Image Processing Theory, Tools and Applications, 2008 IPTA 2008 First Workshops on, IEEE, pp 1-6 [61] Zöllner, M., Huber, S., Jetter, H C., & Reiterer, H (2011), NAVI- A proof-ofconcept of a mobile navigational aid for visually impaired based on the microsoft kinect, Springer Berlin Heidelberg Website [62] http://www.tecgihan.co.jp/english/p7.html [Accessed: March 7, 2018] [63] http://suckhoedoisong.vn/parkinson-benh-cua-nguoi-cao-tuoi-n62422.html [Accessed: March 7, 2018] [64] http://www.dongtay.net.vn/benh-hoc/run-chan-tay/689-bieu-hien-trong-tunggiai-doan-cua-benh-Parkinson.html [Accessed: March 8, 2018] [65] http://suckhoetot.net/benh-Parkinson-co-nguy-hiem-hay-khong.html [Accessed: March 8, 2018] [66] Wikipedia: http://en.wikipedia.org/wiki/Local_binary_patterns [Accessed: March 2, 2018] [67] https://lilyapp.me/health/article/tong-quan-ve-benh-Parkinson-va-nhung-dieucan-luu-y-59d2b8b9d78bb88d4fef598e.html [Accessed: March 8, 2018] [68] http://hoithankinhhocvietnam.com.vn/5-giai-doan-cua-benhParkinson/[Accessed: March 8, 2018] [69] http://www.dongtay.net.vn/gioi-thieu/gioi-thieu-cong-ty-dong-tay/benh-hoc/runchan-tay/406-phuong-phap-dieu-tri-benh-parkinson.html [Accessed: May 8, 2018] [70] http://runchantay.com/bai-viet/thong-tin-benh/chan-doan-parkinson-bangphuong-phap-quet-dat.html [71] https://thanhnien.vn/suc-khoe/dung-phan-mem-do-toc-do-va-luc-ve-de-chandoan-benh-parkinson-873130.html [Accessed: June 8, 2018] [72] http://soha.vn/song-khoe/dung-ban-phim-may-tinh-de-phat-hien-som-benhParkinson-20151226094405698.htm [Accessed: June 15, 2018] [73] http://khoahoc.tv/phat-hien-benh-Parkinson-qua-dien-thoai-41986[Accessed: 70 [74] [75] [76] [77] June 15, 2018] http://thegioitiepthi.vn/p/kiem-tra-ve-khuu-giac-co-the-phat-hien-som-benhParkinson-1906.html [Accessed: June 15, 2018] https://www.thuocbietduoc.com.vn/tin-tuc-18605-1-45/co-the-chan-doanParkinson-som-theo-net-chu.aspx [Accessed: June 16, 2018] http://www.dongtay.net.vn/tin-tuc/thong-tin-y-hoc/1359-buoc-dot-pha-trongchan-doan-parkinson-phat-hien-som-benh-thong-qua-kiem-tra-mat-dongian.html [Accessed: August 8, 2018] http://hpstic.com.vn/news/Kiem-tra-hoi-tho-giup-chan-doan-benh-Parkinsonsom-17916.html [Accessed: August 8, 2018] ... Parkinson Chương - Phân tích dáng người bị bệnh Parkinson sử dụng đặc trưng LBP Trong chương mô tả giải pháp đề xuất phương pháp phân tích dáng Parkinson sử dụng đặc trưng LBP bao gồm: tổng quan... thơng số đặc trưng dáng đi, thiết bị sử dụng phân tích dáng phương pháp phân tích dáng đ sử dụng phổ biến Mỗi thiết bị, phương pháp có ưu đi? ??m hạn chế riêng Việc sử dụng thiết bị nào, áp dụng phương... cho người phụ trách chăm sóc trở thành nhu c u cấp thiết Chương s trình bày phân tích dáng bệnh nhân Parkinson sử dụng đặc trưng LBP 35 CHƯƠNG - PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ BỆNH PARKINSON SỬ