Senarai Penerbitan
Terdapat sebilangan besar penyelidikan berkaitan autisme yang boleh dijumpai di Malaysia yang umumnya menumpukan pada ASD, gangguan pembelajaran, alat bantu komunikasi, terapi dan banyak lagi. Senarai penerbitan disediakan di bawah:
- Klik ini untuk mencari menggunakan kata kunci yang ditentukan oleh pengguna.
- Ia akan membawa kepada laman web baru dengan kotak carian teks.
- Taip kata kunci anda di kotak carian
- Klik pada Kata kunci untuk mencari sebarang penerbitan. Kata yang lebih besar menunjukkan tanda yang paling banyak digunakan dan kata yang lebih kecil menunjukkan yang paling sedikit digunakan.
- Klik pada butang lungsur untuk memilih bertahun-tahun, jenis penerbitan atau pengarang pilihan anda.
- Klik pada perkataan bergaris bawah dalam perincian penerbitan untuk melihat lebih banyak maklumat.
2020 |
Tidak juga, Mohd M N; Jailani, R; Tahir, N M Pemilihan Ciri-ciri Isyarat Elektromiografi untuk Kanak-kanak Gangguan Spektrum Autisme Semasa Gait Menggunakan Ujian Mann-Whitney Artikel Jurnal JURNAL TEKNOLOGI, 82 (2), hlm. 113-120, 2020, ISSN: 0127-9696. Abstrak | Pautan | BibTeX | Tag: Gangguan Spektrum Autisme, Elektromiografi, Langkah, Analisis Gait @artikel{ISI:000523676900014, tajuk = {Pemilihan Ciri-ciri Isyarat Elektromiografi untuk Kanak-kanak Gangguan Spektrum Autisme Semasa Gait Menggunakan Ujian Mann-Whitney}, pengarang = {Mohd M N Nor and R Jailani and N M Tahir}, doi = {10.11113/jt.v82.13928}, terbitan = {0127-9696}, tahun = {2020}, tarikh = {2020-03-01}, jurnal = {JURNAL TEKNOLOGI}, isi padu = {82}, nombor = {2}, halaman = {113-120}, penerbit = {PENERBIT TEKAN UTM}, alamat = {PENERBIT TEKAN UTM, SKUDAI, JOHOR, 81310, MALAYSIA}, abstrak = {Autism Spectrum Disorder adalah gangguan perkembangan saraf sepanjang hayat yang mempengaruhi pertumbuhan otak dan keupayaan fungsional individu yang mengaitkan dengan pergerakan dan gangguan berjalan yang tidak biasa. Matlamat ini kajian adalah untuk mengkaji ciri-ciri ketara isyarat EMG untuk otot anggota badan dan lengan bawah antara Autism Spectrum Disorder (ASD) dan Perkembangan Khas (TD) Kanak-kanak semasa berjalan. Dalam kajian ini, 30 ASD dan 30 Perkembangan Khas (TD) kanak-kanak berumur antara 6 ke 13 tahun diminta berjalan di laluan pejalan kaki secara semula jadi. Elektromiografi (EMG) isyarat Biceps Femoris (BF), rektus femoris (RF), Tibialis Anterior (TA), Gastrocnemius (GAS), Bisep Brachii (BB) dan Tricep Brachii (TB) otot-otot kanak-kanak ASD dan TD direkodkan dengan menggunakan permukaan EMG penderia. Otot BF terletak di petak posterior paha sedangkan otot RF terletak di petak anterior peha. Selain itu, otot TA berasal dari anterior petak kaki, dan otot Gas berasal dari bahagian belakang petak anak lembu. Sementara itu, otot BB berada di bahagian hadapan lengan atas antara bahu dan siku, dan otot TB adalah otot yang besar bahagian belakang anggota atas lengan. Data terdiri daripada 42 ciri dari 7 fasa berjalan kaki dari 6 otot semasa satu kitaran berjalan diperoleh dari pengumpulan data. Pertama, data akan dinormalisasi ke satu kitaran berjalan untuk menyeragamkan panjang isyarat EMG yang digunakan untuk semua mata pelajaran. Kemudian, kaedah pemilihan ciri menggunakan Mann-Whitney Test diaplikasikan untuk mencari ciri penting untuk membezakan antara anak ASD dan TD dari isyarat EMG. Daripada 42 ciri-ciri, 5 didapati paling banyak ciri ketara isyarat EMG antara kanak-kanak ASD dan TD, di sana adalah otot TA di 30% kitaran berjalan, Otot gas di 50% dan 60% cara berjalan kitar, dan otot BB di 10% dan 80% kitaran berjalan dengan ketara nilai-nilai 0.017, 0.049, 0.034, 0.021 dan 0.003, masing-masing. Ini penemuan berguna untuk doktor dan ibu bapa sebagai anggota badan bawah dan otot lengan boleh menjadi parameter terapi yang berharga untuk kanak-kanak ASD rancangan pemulihan. Hasil kajian ini juga menunjukkan bahawa perbezaan ketara isyarat EMG yang diperoleh dapat menjadi parameter untuk membezakan antara kanak-kanak ASD dan TD.}, kata kunci = {Gangguan Spektrum Autisme, Elektromiografi, Langkah, Analisis Gait}, pubstate = {diterbitkan}, tppubtype = {artikel} } Autism Spectrum Disorder adalah gangguan perkembangan saraf sepanjang hayat yang mempengaruhi pertumbuhan otak dan keupayaan fungsional individu yang mengaitkan dengan pergerakan dan gangguan berjalan yang tidak biasa. Matlamat ini kajian adalah untuk mengkaji ciri-ciri ketara isyarat EMG untuk otot anggota badan dan lengan bawah antara Autism Spectrum Disorder (ASD) dan Perkembangan Khas (TD) Kanak-kanak semasa berjalan. Dalam kajian ini, 30 ASD dan 30 Perkembangan Khas (TD) kanak-kanak berumur antara 6 ke 13 tahun diminta berjalan di laluan pejalan kaki secara semula jadi. Elektromiografi (EMG) isyarat Biceps Femoris (BF), rektus femoris (RF), Tibialis Anterior (TA), Gastrocnemius (GAS), Bisep Brachii (BB) dan Tricep Brachii (TB) otot-otot kanak-kanak ASD dan TD direkodkan dengan menggunakan permukaan EMG penderia. Otot BF terletak di petak posterior paha sedangkan otot RF terletak di petak anterior peha. Selain itu, otot TA berasal dari anterior petak kaki, dan otot Gas berasal dari bahagian belakang petak anak lembu. Sementara itu, otot BB berada di bahagian hadapan lengan atas antara bahu dan siku, dan otot TB adalah otot yang besar bahagian belakang anggota atas lengan. Data terdiri daripada 42 ciri dari 7 fasa berjalan kaki dari 6 otot semasa satu kitaran berjalan diperoleh dari pengumpulan data. Pertama, data akan dinormalisasi ke satu kitaran berjalan untuk menyeragamkan panjang isyarat EMG yang digunakan untuk semua mata pelajaran. Kemudian, kaedah pemilihan ciri menggunakan Mann-Whitney Test diaplikasikan untuk mencari ciri penting untuk membezakan antara anak ASD dan TD dari isyarat EMG. Daripada 42 ciri-ciri, 5 didapati paling banyak ciri ketara isyarat EMG antara kanak-kanak ASD dan TD, di sana adalah otot TA di 30% kitaran berjalan, Otot gas di 50% dan 60% cara berjalan kitar, dan otot BB di 10% dan 80% kitaran berjalan dengan ketara nilai-nilai 0.017, 0.049, 0.034, 0.021 dan 0.003, masing-masing. Ini penemuan berguna untuk doktor dan ibu bapa sebagai anggota badan bawah dan otot lengan boleh menjadi parameter terapi yang berharga untuk kanak-kanak ASD rancangan pemulihan. Hasil kajian ini juga menunjukkan bahawa perbezaan ketara isyarat EMG yang diperoleh dapat menjadi parameter untuk membezakan antara kanak-kanak ASD dan TD. |
2019 |
Hasan, C Z C; Jailani, R; Tahir, N M 2018-Oktober , Institut Jurutera Elektrik dan Elektronik Inc., 2019, ISSN: 21593442, (dipetik oleh 0). Abstrak | Pautan | BibTeX | Tag: 10 Pengesahan Lipatan Silang, 3D Pemodelan, Gangguan Spektrum Autisme, Biofizik, Membuat Keputusan Klinikal, Diagnosis Berbantu Komputer, Membuat keputusan, Analisis Diskriminan, Penyakit, Analisis Gait, Klasifikasi Gait, Angkatan Tindak Balas Tanah, Rangkaian Neural, Teknik Parameterisasi, Pengecaman Corak, Penilaian Takungan Petroleum, Diagnostik Program, Mesin Vektor Sokongan, Rawatan yang disasarkan, Tiga Dimensi @ persidangan{Hasan20192436, tajuk = {Pengelasan ANN dan SVM dalam Mengenal pasti Gait Gangguan Autisme Spectrum Berdasarkan Angkatan Reaksi Tanah Tiga Dimensi}, pengarang = {C Z C Hasan and R Jailani and N M Tahir}, url = {https://www.scopus.com/inward/record.uri?eid = 2-s2.0-85063202256&doi=10.1109/TENCON.2018.8650468&rakan kongsi = 40&md5 = c697d0c43ebd77d76d74cb3726872f42}, doi = {10.1109/TENCON.2018.8650468}, terbitan = {21593442}, tahun = {2019}, tarikh = {2019-01-01}, jurnal = {Wilayah IEEE 10 Persidangan Antarabangsa Tahunan, Prosiding / TENCON}, isi padu = {2018-Oktober}, halaman = {2436-2440}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {Gangguan spektrum autisme (ASD) adalah keadaan perkembangan saraf yang kompleks dan sepanjang hayat yang berlaku pada awal kanak-kanak dan dikaitkan dengan pergerakan dan gangguan berjalan yang tidak biasa. Pengiktirafan ASD kiprah automatik dan tepat memberikan bantuan dalam diagnosis dan membuat keputusan klinikal serta meningkatkan rawatan yang disasarkan. Makalah ini meneroka penggunaan dua pengelasan pembelajaran mesin yang terkenal, rangkaian saraf tiruan (ANN) dan menyokong mesin vektor (SVM) dalam membezakan ASD dan corak gaya berjalan normal berdasarkan ciri-ciri gaya berjalan yang berasal dari tiga dimensi (3D) daya tindak balas tanah (GRF) data. Data GRF 3D dari 30 kanak-kanak dengan ASD dan 30 kebiasaannya kanak-kanak yang sedang berkembang diperoleh menggunakan dua plat kekuatan semasa kelajuan berjalan kaki tanpa alas kaki. Teknik parameterisasi siri masa diterapkan pada bentuk gelombang 3D GRF untuk mengekstrak ciri gaya penting. Kaedah analisis diskriminan bertahap (SWDA) digunakan untuk menentukan ciri gaya GRF yang dominan untuk mengklasifikasikan ASD dan kumpulan yang biasanya berkembang. Hasil ujian pengesahan silang 10 kali ganda menunjukkan bahawa model ANN dengan tiga ciri input GRF yang dominan mengatasi model SVM berasaskan kernel dengan 93.3% ketepatan, 96.7% kepekaan, dan 90.0% kekhususan. Dapatan kajian ini menunjukkan kebolehpercayaan menggunakan ciri input 3D GRF, dalam kombinasi dengan pemilihan ciri SWDA dan model klasifikasi ANN sebagai kaedah yang sesuai yang mungkin bermanfaat untuk diagnosis kiprah ASD dan juga untuk tujuan penilaian program rawatan. © 2018 IEEE.}, nota = {dipetik oleh 0}, kata kunci = {10 Pengesahan Lipatan Silang, 3D Pemodelan, Gangguan Spektrum Autisme, Biofizik, Membuat Keputusan Klinikal, Diagnosis Berbantu Komputer, Membuat keputusan, Analisis Diskriminan, Penyakit, Analisis Gait, Klasifikasi Gait, Angkatan Tindak Balas Tanah, Rangkaian Neural, Teknik Parameterisasi, Pengecaman Corak, Penilaian Takungan Petroleum, Diagnostik Program, Mesin Vektor Sokongan, Rawatan yang disasarkan, Tiga Dimensi}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Gangguan spektrum autisme (ASD) adalah keadaan perkembangan saraf yang kompleks dan sepanjang hayat yang berlaku pada awal kanak-kanak dan dikaitkan dengan pergerakan dan gangguan berjalan yang tidak biasa. Pengiktirafan ASD kiprah automatik dan tepat memberikan bantuan dalam diagnosis dan membuat keputusan klinikal serta meningkatkan rawatan yang disasarkan. Makalah ini meneroka penggunaan dua pengelasan pembelajaran mesin yang terkenal, rangkaian saraf tiruan (ANN) dan menyokong mesin vektor (SVM) dalam membezakan ASD dan corak gaya berjalan normal berdasarkan ciri-ciri gaya berjalan yang berasal dari tiga dimensi (3D) daya tindak balas tanah (GRF) data. Data GRF 3D dari 30 kanak-kanak dengan ASD dan 30 kebiasaannya kanak-kanak yang sedang berkembang diperoleh menggunakan dua plat kekuatan semasa kelajuan berjalan kaki tanpa alas kaki. Teknik parameterisasi siri masa diterapkan pada bentuk gelombang 3D GRF untuk mengekstrak ciri gaya penting. Kaedah analisis diskriminan bertahap (SWDA) digunakan untuk menentukan ciri gaya GRF yang dominan untuk mengklasifikasikan ASD dan kumpulan yang biasanya berkembang. Hasil ujian pengesahan silang 10 kali ganda menunjukkan bahawa model ANN dengan tiga ciri input GRF yang dominan mengatasi model SVM berasaskan kernel dengan 93.3% ketepatan, 96.7% kepekaan, dan 90.0% kekhususan. Dapatan kajian ini menunjukkan kebolehpercayaan menggunakan ciri input 3D GRF, dalam kombinasi dengan pemilihan ciri SWDA dan model klasifikasi ANN sebagai kaedah yang sesuai yang mungkin bermanfaat untuk diagnosis kiprah ASD dan juga untuk tujuan penilaian program rawatan. © 2018 IEEE. |
2018 |
Hasan, C Z C; Jailani, R; Tahir, N M; Desaa, H M Tindak balas tanah menegak corak gaya berjalan semasa berjalan pada kanak-kanak dengan gangguan spektrum autisme Artikel Jurnal Jurnal Kejuruteraan Antarabangsa, Transaksi B: Aplikasi, 31 (5), hlm. 705-711, 2018, ISSN: 1728144X, (dipetik oleh 1). Abstrak | Pautan | BibTeX | Tag: Gangguan Spektrum Autisme, Biofizik, Kanak-kanak dengan Autisme, Penyakit, Analisis Gait, Corak Gait, Angkatan Tindak Balas Tanah, Ujian-T Sampel Bebas, Ujian Mann-Whitney U, Teknik Parameterisasi, Analisis Spektrum, Tiga Dimensi, Analisis Pergerakan Tiga Dimensi @artikel{Hasan2018705, tajuk = {Tindak balas tanah menegak corak gaya berjalan semasa berjalan pada kanak-kanak dengan gangguan spektrum autisme}, pengarang = {C Z C Hasan and R Jailani and N M Tahir and H M Desaa}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85048945706&doi = 10.5829% 2fije.2018.31.05b.04&rakan kongsi = 40&md5=74e349f0b128bc46da82f21d0e484d77}, doi = {10.5829/ije.2018.31.05b.04}, terbitan = {1728144X}, tahun = {2018}, tarikh = {2018-01-01}, jurnal = {Jurnal Kejuruteraan Antarabangsa, Transaksi B: Aplikasi}, isi padu = {31}, nombor = {5}, halaman = {705-711}, penerbit = {Pusat Penyelidikan Bahan dan Tenaga}, abstrak = {Ciri-ciri daya tindak balas tanah menegak (VGRF) corak gaya berjalan pada kanak-kanak dengan gangguan spektrum autisme (ASD) kurang difahami. Tujuan kajian ini adalah untuk mengenal pasti ciri gaya berjalan VGRF yang mendiskriminasi antara kanak-kanak dengan ASD dan kumpulan kawalan rakan sebaya.. Data VGRF diperoleh daripada 30 kanak-kanak dengan ASD dan 30 kanak-kanak sihat normal berumur 4 ke 12 tahun. Sistem analisis gerakan tiga dimensi dengan lapan kamera dan dua plat daya digunakan untuk mengumpul data VGRF manakala subjek melakukan kelajuan berjalan tanpa alas kaki pilihan sendiri.. Teknik parameterisasi telah digunakan pada bentuk gelombang VGRF untuk mengekstrak ciri gaya berjalan VGRF. Perbezaan signifikan min antara kedua-dua kumpulan telah diuji menggunakan ujian-t sampel bebas dan ujian Mann-Whitney U. Perbezaan kumpulan yang ketara didapati untuk empat ciri gaya berjalan VGRF. Keputusan menunjukkan bahawa kanak-kanak dengan ASD menunjukkan pengurangan ketara pada puncak kedua VGRF, masa relatif lebih awal kepada berlakunya puncak kedua VGRF, kadar tolakan yang lebih rendah, dan nisbah puncak yang lebih tinggi daripada dua puncak VGRF semasa kelajuan biasa berjalan. Perbezaan ketara ini menunjukkan bahawa kanak-kanak dengan ASD mengalami kesukaran untuk menyokong berat badan mereka semasa fasa pendirian terminal dan keadaan ini menjejaskan ketidakstabilan gaya berjalan.. Penemuan kajian ini membangunkan pemahaman lanjut tentang corak gaya berjalan VGRF yang membezakan secara signifikan antara kanak-kanak dengan ASD dan kumpulan kawalan rakan sebaya.. © 2018 Pusat Penyelidikan Bahan dan Tenaga. Hak cipta terpelihara.}, nota = {dipetik oleh 1}, kata kunci = {Gangguan Spektrum Autisme, Biofizik, Kanak-kanak dengan Autisme, Penyakit, Analisis Gait, Corak Gait, Angkatan Tindak Balas Tanah, Ujian-T Sampel Bebas, Ujian Mann-Whitney U, Teknik Parameterisasi, Analisis Spektrum, Tiga Dimensi, Analisis Pergerakan Tiga Dimensi}, pubstate = {diterbitkan}, tppubtype = {artikel} } Ciri-ciri daya tindak balas tanah menegak (VGRF) corak gaya berjalan pada kanak-kanak dengan gangguan spektrum autisme (ASD) kurang difahami. Tujuan kajian ini adalah untuk mengenal pasti ciri gaya berjalan VGRF yang mendiskriminasi antara kanak-kanak dengan ASD dan kumpulan kawalan rakan sebaya.. Data VGRF diperoleh daripada 30 kanak-kanak dengan ASD dan 30 kanak-kanak sihat normal berumur 4 ke 12 tahun. Sistem analisis gerakan tiga dimensi dengan lapan kamera dan dua plat daya digunakan untuk mengumpul data VGRF manakala subjek melakukan kelajuan berjalan tanpa alas kaki pilihan sendiri.. Teknik parameterisasi telah digunakan pada bentuk gelombang VGRF untuk mengekstrak ciri gaya berjalan VGRF. Perbezaan signifikan min antara kedua-dua kumpulan telah diuji menggunakan ujian-t sampel bebas dan ujian Mann-Whitney U. Perbezaan kumpulan yang ketara didapati untuk empat ciri gaya berjalan VGRF. Keputusan menunjukkan bahawa kanak-kanak dengan ASD menunjukkan pengurangan ketara pada puncak kedua VGRF, masa relatif lebih awal kepada berlakunya puncak kedua VGRF, kadar tolakan yang lebih rendah, dan nisbah puncak yang lebih tinggi daripada dua puncak VGRF semasa kelajuan biasa berjalan. Perbezaan ketara ini menunjukkan bahawa kanak-kanak dengan ASD mengalami kesukaran untuk menyokong berat badan mereka semasa fasa pendirian terminal dan keadaan ini menjejaskan ketidakstabilan gaya berjalan.. Penemuan kajian ini membangunkan pemahaman lanjut tentang corak gaya berjalan VGRF yang membezakan secara signifikan antara kanak-kanak dengan ASD dan kumpulan kawalan rakan sebaya.. © 2018 Pusat Penyelidikan Bahan dan Tenaga. Hak cipta terpelihara. |
2017 |
Ilias, S; Tahir, N M; Jailani, R Feature extraction of autism gait data using principal component analysis and linear discriminant analysis Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2017, ISBN: 9781509009251, (dipetik oleh 0). Abstrak | Pautan | BibTeX | Tag: Pengelasan (maklumat), Analisis Diskriminan, Penyakit, Pengekstrakan, Pengekstrakan Ciri, Analisis Gait, Klasifikasi Gait, Image Retrieval, Elektronik Perindustrian, Kernel Function, Kinematic Parameters, Kinematik, Belajar, Analisis Diskriminasi Linear, Machine Learning Approaches, Sistem Analisis Pergerakan, Polynomial Functions, Analisis Komponen Utama, Mesin Vektor Sokongan, SVM Classifiers @ persidangan{Ilias2017275, tajuk = {Feature extraction of autism gait data using principal component analysis and linear discriminant analysis}, pengarang = {S Ilias and N M Tahir and R Jailani}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85034081031&doi=10.1109%2fIEACON.2016.8067391&rakan kongsi = 40&md5=7deaef6538413df7bfaf7cf723001d72}, doi = {10.1109/IEACON.2016.8067391}, isbn = {9781509009251}, tahun = {2017}, tarikh = {2017-01-01}, jurnal = {IEACon 2016 - 2016 IEEE Industrial Electronics and Applications Conference}, halaman = {275-279}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {Dalam penyelidikan ini, the application of machine learning approach specifically support vector machine along with principal component analysis and linear discriminant analysis as feature extractions are evaluated and validated in discriminating gait features between normal subjects and autism children. Gait features of 32 normal and 12 autism children were recorded and analyzed using VICON motion analysis system and a force platform during normal walking. Di sini, twenty one gait features describing the three types of gait characteristics namely basic, kinetic and kinematic in these children are extracted. Selanjutnya, with these gait features as input during classification, the ability of SVM as classifier are investigated using three different kernel functions specifically linear, polynomial, and radial basis. Results showed that LDA as feature extraction is the highest accuracy with kinematic parameters as gait features along with polynomial function as kernel for the SVM classifier. This finding proven that LDA is suitable as feature extraction and SVM is indeed apt as gait classifier in classifying the gait pattern autism and normal children. © 2016 IEEE.}, nota = {dipetik oleh 0}, kata kunci = {Pengelasan (maklumat), Analisis Diskriminan, Penyakit, Pengekstrakan, Pengekstrakan Ciri, Analisis Gait, Klasifikasi Gait, Image Retrieval, Elektronik Perindustrian, Kernel Function, Kinematic Parameters, Kinematik, Belajar, Analisis Diskriminasi Linear, Machine Learning Approaches, Sistem Analisis Pergerakan, Polynomial Functions, Analisis Komponen Utama, Mesin Vektor Sokongan, SVM Classifiers}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Dalam penyelidikan ini, the application of machine learning approach specifically support vector machine along with principal component analysis and linear discriminant analysis as feature extractions are evaluated and validated in discriminating gait features between normal subjects and autism children. Gait features of 32 normal and 12 autism children were recorded and analyzed using VICON motion analysis system and a force platform during normal walking. Di sini, twenty one gait features describing the three types of gait characteristics namely basic, kinetic and kinematic in these children are extracted. Selanjutnya, with these gait features as input during classification, the ability of SVM as classifier are investigated using three different kernel functions specifically linear, polynomial, and radial basis. Results showed that LDA as feature extraction is the highest accuracy with kinematic parameters as gait features along with polynomial function as kernel for the SVM classifier. This finding proven that LDA is suitable as feature extraction and SVM is indeed apt as gait classifier in classifying the gait pattern autism and normal children. © 2016 IEEE. |
Ilias, S; Tahir, N M; Jailani, R Development of three dimensional gait pattern in autism children - a review Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2017, ISBN: 9781509011780, (dipetik oleh 0). Abstrak | Pautan | BibTeX | Tag: Abnormal Gait, Kanak-kanak dengan Autisme, Membuat Keputusan Klinikal, Sistem Kawalan, Membuat keputusan, Penyakit, Enzyme Kinetics, Analisis Gait, Klasifikasi Gait, Kinematik, Spatial Temporals, Temporal Spatial, Tiga Dimensi, Three-Dimensional Computer Graphics, Treatment Planning @ persidangan{Ilias2017540, tajuk = {Development of three dimensional gait pattern in autism children - a review}, pengarang = {S Ilias and N M Tahir and R Jailani}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85019000981&doi=10.1109%2fICCSCE.2016.7893635&rakan kongsi = 40&md5=37aaf5f94b177ecfa164c432d32b5dfe}, doi = {10.1109/ICCSCE.2016.7893635}, isbn = {9781509011780}, tahun = {2017}, tarikh = {2017-01-01}, jurnal = {Prosiding - 6th IEEE International Conference on Control System, Pengkomputeran dan Kejuruteraan, ICCSCE 2016}, halaman = {540-545}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {Baru-baru ini, gait patterns of children with autism is of interest in the gait community in order to identify significant gait parameter namely the three dimensional (3D) gait features such as spatial temporal, kinematic and kinetic. This is because gait pattern provides clinicians and researchers in understanding the trajectory of gait development. Understanding the characteristics and identifying gait pattern is essential in order to distinguish normal as well as abnormal gait pattern. Hence the purpose of this review is to identify deviations gait in children with autism based on criteria specifically subject character; measurement, type of gait variables measured; method of classification and major findings. Several gait variables from different instrumentation for gait analysis is reviewed too. Development of gait patterns via assessing gait deviations in children with ASD could assist clinician and researchers to differentiate gait pattern abnormality in diagnosing, clinical decision-making and treatment planning as well. © 2016 IEEE.}, nota = {dipetik oleh 0}, kata kunci = {Abnormal Gait, Kanak-kanak dengan Autisme, Membuat Keputusan Klinikal, Sistem Kawalan, Membuat keputusan, Penyakit, Enzyme Kinetics, Analisis Gait, Klasifikasi Gait, Kinematik, Spatial Temporals, Temporal Spatial, Tiga Dimensi, Three-Dimensional Computer Graphics, Treatment Planning}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Baru-baru ini, gait patterns of children with autism is of interest in the gait community in order to identify significant gait parameter namely the three dimensional (3D) gait features such as spatial temporal, kinematic and kinetic. This is because gait pattern provides clinicians and researchers in understanding the trajectory of gait development. Understanding the characteristics and identifying gait pattern is essential in order to distinguish normal as well as abnormal gait pattern. Hence the purpose of this review is to identify deviations gait in children with autism based on criteria specifically subject character; measurement, type of gait variables measured; method of classification and major findings. Several gait variables from different instrumentation for gait analysis is reviewed too. Development of gait patterns via assessing gait deviations in children with ASD could assist clinician and researchers to differentiate gait pattern abnormality in diagnosing, clinical decision-making and treatment planning as well. © 2016 IEEE. |
Ilias, S; Tahir, N M; Jailani, R; Hasan, C Z C Analisis Diskriminasi Linear dalam Mengklasifikasikan Gait Berjalan Kanak-Kanak Autistik Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2017, ISBN: 9781538614099, (dipetik oleh 0). Abstrak | Pautan | BibTeX | Tag: Autisme, Kanak-kanak Autistik, Kanak-kanak dengan Autisme, Analisis Diskriminan, Penyakit, Pengekstrakan, Pengekstrakan Ciri, Analisis Gait, Klasifikasi Gait, Kinematik, Analisis Diskriminasi Linear, Sistem Analisis Pergerakan, Rangkaian Neural, Analisis Komponen Utama, Tiga Dimensi @ persidangan{elias201767, tajuk = {Analisis Diskriminasi Linear dalam Mengklasifikasikan Gait Berjalan Kanak-Kanak Autistik}, pengarang = {S Ilias and N M Tahir and R Jailani and C Z C Hasan}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85048377850&doi = 10.1109% 2fEMS.2017.22&rakan kongsi = 40&md5=06de53be2b4f3976ddcc420067ab6e44}, doi = {10.1109/EMS.2017.22}, isbn = {9781538614099}, tahun = {2017}, tarikh = {2017-01-01}, jurnal = {Prosiding - Simposium Permodelan Eropah ke-11 UKSim-AMSS mengenai Permodelan dan Simulasi Komputer, EMS 2017}, halaman = {67-72}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {Matlamat penyelidikan ini adalah untuk menyiasat keberkesanan antara Analisis Komponen Utama (PCA) dan Analisis Diskriminasi Linear (LDA) bersama dengan rangkaian saraf (NN) dalam mengklasifikasikan gaya berjalan kanak-kanak autisme berbanding kumpulan kawalan. Dua belas kanak-kanak autistik dan tiga puluh dua kanak-kanak normal mengambil bahagian dalam kajian ini. Pertama, gaya berjalan kedua-dua kumpulan ini diperoleh menggunakan Sistem Analisis Gerakan VICON untuk mengekstrak tiga dimensi (3D) ciri gait yang terdiri daripada 21 ciri gait iaitu lima ciri daripada spatial temporal asas, lima ciri mewakili parameter kinetik dan dua belas ciri dari kinematik. Selanjutnya, PCA dan LDA digunakan sebagai pengekstrakan ciri dalam menentukan ciri penting antara ciri gaya berjalan ini. Dengan NN sebagai pengelas, keputusan menunjukkan bahawa LDA sebagai pengekstrakan ciri mengatasi PCA untuk klasifikasi autisme berbanding kanak-kanak normal iaitu corak gaya berjalan kinematik yang dicapai 98.44% ketepatan diikuti oleh ciri gaya berjalan spatial temporal asas dengan ketepatan 87.5%. © 2017 IEEE.}, nota = {dipetik oleh 0}, kata kunci = {Autisme, Kanak-kanak Autistik, Kanak-kanak dengan Autisme, Analisis Diskriminan, Penyakit, Pengekstrakan, Pengekstrakan Ciri, Analisis Gait, Klasifikasi Gait, Kinematik, Analisis Diskriminasi Linear, Sistem Analisis Pergerakan, Rangkaian Neural, Analisis Komponen Utama, Tiga Dimensi}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Matlamat penyelidikan ini adalah untuk menyiasat keberkesanan antara Analisis Komponen Utama (PCA) dan Analisis Diskriminasi Linear (LDA) bersama dengan rangkaian saraf (NN) dalam mengklasifikasikan gaya berjalan kanak-kanak autisme berbanding kumpulan kawalan. Dua belas kanak-kanak autistik dan tiga puluh dua kanak-kanak normal mengambil bahagian dalam kajian ini. Pertama, gaya berjalan kedua-dua kumpulan ini diperoleh menggunakan Sistem Analisis Gerakan VICON untuk mengekstrak tiga dimensi (3D) ciri gait yang terdiri daripada 21 ciri gait iaitu lima ciri daripada spatial temporal asas, lima ciri mewakili parameter kinetik dan dua belas ciri dari kinematik. Selanjutnya, PCA dan LDA digunakan sebagai pengekstrakan ciri dalam menentukan ciri penting antara ciri gaya berjalan ini. Dengan NN sebagai pengelas, keputusan menunjukkan bahawa LDA sebagai pengekstrakan ciri mengatasi PCA untuk klasifikasi autisme berbanding kanak-kanak normal iaitu corak gaya berjalan kinematik yang dicapai 98.44% ketepatan diikuti oleh ciri gaya berjalan spatial temporal asas dengan ketepatan 87.5%. © 2017 IEEE. |
Hasan, C Z C; Jailani, R; Tahir, Md N; Ilias, S Analisis daya tindak balas tanah tiga dimensi semasa berjalan pada kanak-kanak dengan gangguan spektrum autisme Artikel Jurnal Penyelidikan Ketidakupayaan Pembangunan, 66 , hlm. 55-63, 2017, ISSN: 08914222, (dipetik oleh 8). Abstrak | Pautan | BibTeX | Tag: Taburan Umur, Artikel, Autisme, Gangguan Spektrum Autisme, Fenomena Biomekanikal, Biomekanik, Keseimbangan Badan, Tinggi Badan, Berat badan, Berat badan, Anak-anak, Artikel Klinikal, Kajian Terkawal, Penilaian Penyakit, Perempuan, Langkah, Analisis Gait, Gangguan Gaya Berjalan, Angkatan Tindak Balas Tanah, Manusia, Pengimejan, Panjang Kaki, Malaysia, Lelaki, Pemeriksaan Neurologi, Patofisiologi, Fisiologi, Keseimbangan Postur, Prosedur, Psikologi, Statistik, Tiga Dimensi, Pengimejan Tiga Dimensi, Daya Tindak Balas Tanah Tiga Dimensi, berjalan @artikel{Hasan201755, tajuk = {Analisis daya tindak balas tanah tiga dimensi semasa berjalan pada kanak-kanak dengan gangguan spektrum autisme}, pengarang = {C Z C Hasan and R Jailani and N Md Tahir and S Ilias}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85015640386&doi = 10.1016% 2fj.ridd.2017.02.015&rakan kongsi = 40&md5=d6a9839cda7f62bcce9bdcca33d3d33b}, doi = {10.1016/j.ridd.2017.02.015}, terbitan = {08914222}, tahun = {2017}, tarikh = {2017-01-01}, jurnal = {Penyelidikan Ketidakupayaan Pembangunan}, isi padu = {66}, halaman = {55-63}, penerbit = {Elsevier Inc.}, abstrak = {Maklumat minimum diketahui tentang tiga dimensi (3D) daya tindak balas tanah (GRF) mengenai corak gaya berjalan individu yang mengalami gangguan spektrum autisme (ASD). Tujuan kajian ini adalah untuk menyiasat sama ada komponen GRF 3D berbeza secara signifikan antara kanak-kanak dengan ASD dan kawalan rakan sebaya.. 15 kanak-kanak dengan ASD dan 25 biasanya berkembang (TD) kanak-kanak telah mengambil bahagian dalam kajian ini. Dua plat daya digunakan untuk mengukur data GRF 3D semasa berjalan. Teknik parameterisasi siri masa telah digunakan untuk mengekstrak 17 ciri diskret daripada bentuk gelombang GRF 3D. Dengan menggunakan ujian-t bebas dan ujian Mann-Whitney U, perbezaan yang ketara (hlm < 0.05) between the ASD and TD groups were found for four GRF features. Children with ASD demonstrated higher maximum braking force, lower relative time to maximum braking force, and lower relative time to zero force during mid-stance. Children with ASD were also found to have reduced the second peak of vertical GRF in the terminal stance. These major findings suggest that children with ASD experience significant difficulties in supporting their body weight and endure gait instability during the stance phase. The findings of this research are useful to both clinicians and parents who wish to provide these children with appropriate treatments and rehabilitation programs. © 2017 Elsevier Ltd}, nota = {dipetik oleh 8}, kata kunci = {Taburan Umur, Artikel, Autisme, Gangguan Spektrum Autisme, Fenomena Biomekanikal, Biomekanik, Keseimbangan Badan, Tinggi Badan, Berat badan, Berat badan, Anak-anak, Artikel Klinikal, Kajian Terkawal, Penilaian Penyakit, Perempuan, Langkah, Analisis Gait, Gangguan Gaya Berjalan, Angkatan Tindak Balas Tanah, Manusia, Pengimejan, Panjang Kaki, Malaysia, Lelaki, Pemeriksaan Neurologi, Patofisiologi, Fisiologi, Keseimbangan Postur, Prosedur, Psikologi, Statistik, Tiga Dimensi, Pengimejan Tiga Dimensi, Daya Tindak Balas Tanah Tiga Dimensi, berjalan}, pubstate = {diterbitkan}, tppubtype = {artikel} } Maklumat minimum diketahui tentang tiga dimensi (3D) daya tindak balas tanah (GRF) mengenai corak gaya berjalan individu yang mengalami gangguan spektrum autisme (ASD). Tujuan kajian ini adalah untuk menyiasat sama ada komponen GRF 3D berbeza secara signifikan antara kanak-kanak dengan ASD dan kawalan rakan sebaya.. 15 kanak-kanak dengan ASD dan 25 biasanya berkembang (TD) kanak-kanak telah mengambil bahagian dalam kajian ini. Dua plat daya digunakan untuk mengukur data GRF 3D semasa berjalan. Teknik parameterisasi siri masa telah digunakan untuk mengekstrak 17 ciri diskret daripada bentuk gelombang GRF 3D. Dengan menggunakan ujian-t bebas dan ujian Mann-Whitney U, perbezaan yang ketara (hlm < 0.05) antara kumpulan ASD dan TD didapati untuk empat ciri GRF. Kanak-kanak dengan ASD menunjukkan daya brek maksimum yang lebih tinggi, masa relatif lebih rendah kepada daya brek maksimum, dan masa relatif lebih rendah kepada daya sifar semasa berdiri pertengahan. Kanak-kanak dengan ASD juga didapati telah mengurangkan puncak kedua GRF menegak dalam pendirian terminal. Penemuan utama ini mencadangkan bahawa kanak-kanak dengan ASD mengalami kesukaran yang ketara dalam menyokong berat badan mereka dan menanggung ketidakstabilan gaya berjalan semasa fasa berdiri.. Penemuan penyelidikan ini berguna kepada kedua-dua doktor dan ibu bapa yang ingin menyediakan kanak-kanak ini dengan rawatan dan program pemulihan yang sesuai. © 2017 Elsevier Ltd. |
Hasan, C Z C; Jailani, R; Tahir, Md N Use of statistical approaches and artificial neural networks to identify gait deviations in children with autism spectrum disorder Artikel Jurnal International Journal of Biology and Biomedical Engineering, 11 , hlm. 74-79, 2017, ISSN: 19984510, (dipetik oleh 1). Abstrak | Pautan | BibTeX | Tag: Artikel, Artificial Neural Network, Autisme, Tinggi Badan, Berat badan, Anak-anak, Artikel Klinikal, Kajian Terkawal, Analisis Diskriminan, Early Diagnosis, Perempuan, Langkah, Analisis Gait, Gangguan Gaya Berjalan, Manusia, Belajar, Lelaki, Pediatrics, Budak sekolah, Statistical Analysis, Statistik, Time Series Analysis @artikel{Hasan201774, tajuk = {Use of statistical approaches and artificial neural networks to identify gait deviations in children with autism spectrum disorder}, pengarang = {C Z C Hasan and R Jailani and N Md Tahir}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85043500605&rakan kongsi = 40&md5=6f2ffe7c2f5daf9fd02d4456acb94438}, terbitan = {19984510}, tahun = {2017}, tarikh = {2017-01-01}, jurnal = {International Journal of Biology and Biomedical Engineering}, isi padu = {11}, halaman = {74-79}, penerbit = {North Atlantic University Union NAUN}, abstrak = {Automated differentiation of ASD gait from normal gait patterns is important for early diagnosis as well as ensuring rapid quantitative clinical decision and appropriate treatment planning. This study explores the use of statistical feature selection approaches and artificial neural networks (ANN) for automated identification of gait deviations in children with ASD, on the basis of dominant gait features derived from the three-dimensional (3D) joint kinematic data. The gait data from 30 ASD children and 30 normal healthy children were measured using a state-of-the-art 3D motion analysis system during self-selected speed barefoot walking. Kinematic gait features from the sagittal, frontal and transverse joint angles waveforms at the pelvis, hip, knee, and ankle were extracted using time-series parameterization. Two statistical feature selection techniques, namely the between-group tests (independent samples t-test and Mann-Whitney U test) and the stepwise discriminant analysis (SWDA) were adopted as feature selector to select the meaningful gait features that were then used to train the ANN. The 10-fold cross-validation test results indicate that the selected gait features using SWDA technique are more reliable for ASD gait classification with 91.7% ketepatan, 93.3% kepekaan, dan 90.0% kekhususan. The findings of the current study demonstrate that kinematic gait features with the combination of SWDA feature selector and ANN classifier would serve as a potential tool for early diagnosis of gait deviations in children with ASD as well as provide support to clinicians and therapists for making objective, accurate, and rapid clinical decisions that lead to the appropriate targeted treatments. © 2017 North Atlantic University Union NAUN. Hak cipta terpelihara.}, nota = {dipetik oleh 1}, kata kunci = {Artikel, Artificial Neural Network, Autisme, Tinggi Badan, Berat badan, Anak-anak, Artikel Klinikal, Kajian Terkawal, Analisis Diskriminan, Early Diagnosis, Perempuan, Langkah, Analisis Gait, Gangguan Gaya Berjalan, Manusia, Belajar, Lelaki, Pediatrics, Budak sekolah, Statistical Analysis, Statistik, Time Series Analysis}, pubstate = {diterbitkan}, tppubtype = {artikel} } Automated differentiation of ASD gait from normal gait patterns is important for early diagnosis as well as ensuring rapid quantitative clinical decision and appropriate treatment planning. This study explores the use of statistical feature selection approaches and artificial neural networks (ANN) for automated identification of gait deviations in children with ASD, on the basis of dominant gait features derived from the three-dimensional (3D) joint kinematic data. The gait data from 30 ASD children and 30 normal healthy children were measured using a state-of-the-art 3D motion analysis system during self-selected speed barefoot walking. Kinematic gait features from the sagittal, frontal and transverse joint angles waveforms at the pelvis, hip, knee, and ankle were extracted using time-series parameterization. Two statistical feature selection techniques, namely the between-group tests (independent samples t-test and Mann-Whitney U test) and the stepwise discriminant analysis (SWDA) were adopted as feature selector to select the meaningful gait features that were then used to train the ANN. The 10-fold cross-validation test results indicate that the selected gait features using SWDA technique are more reliable for ASD gait classification with 91.7% ketepatan, 93.3% kepekaan, dan 90.0% kekhususan. The findings of the current study demonstrate that kinematic gait features with the combination of SWDA feature selector and ANN classifier would serve as a potential tool for early diagnosis of gait deviations in children with ASD as well as provide support to clinicians and therapists for making objective, accurate, and rapid clinical decisions that lead to the appropriate targeted treatments. © 2017 North Atlantic University Union NAUN. Hak cipta terpelihara. |
2016 |
Ilias, S; Tahir, N M; Jailani, R; Hasan, C Z C Classification of autism children gait patterns using Neural Network and Support Vector Machine Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2016, ISBN: 9781509015436, (dipetik oleh 5). Abstrak | Pautan | BibTeX | Tag: Accuracy Rate, Autisme, Pengelasan (maklumat), Penyakit, Analisis Gait, Gait Parameters, Corak Gait, Elektronik Perindustrian, Kinematik, Rangkaian Neural, NN Classifiers, Kepekaan dan Kekhususan, Mesin Vektor Sokongan, Three Categories @ persidangan{Ilias201652, tajuk = {Classification of autism children gait patterns using Neural Network and Support Vector Machine}, pengarang = {S Ilias and N M Tahir and R Jailani and C Z C Hasan}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84992135613&doi=10.1109%2fISCAIE.2016.7575036&rakan kongsi = 40&md5=55c6d166768ed5fa3b504a2bd3441829}, doi = {10.1109/ISCAIE.2016.7575036}, isbn = {9781509015436}, tahun = {2016}, tarikh = {2016-01-01}, jurnal = {ISCA 2016 - 2016 Simposium IEEE mengenai Aplikasi Komputer dan Elektronik Industri}, halaman = {52-56}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {Dalam kajian ini, we deemed further to evaluate the performance of Neural Network (NN) and Support Vector Machine (SVM) in classifying the gait patterns between autism and normal children. Pertama, temporal spatial, kinetic and kinematic gait parameters of forty four subjects namely thirty two normal subjects and twelve autism children are acquired. Seterusnya, these three category gait parameters acted as inputs to both classifiers. Results showed that fusion of temporal spatial and kinematic contributed the highest accuracy rate for NN classifier specifically 95% whilst SVM with polynomial as kernel, 95% accuracy rate is contributed by fusion of all gait parameters as inputs to the classifier. Sebagai tambahan, the classifiers performance is validated by computing both value of sensitivity and specificity. With SVM using polynomial as kernel, sensitivity attained is 100% indicated that the classifier's ability to perfectly discriminate normal subjects from autism subjects whilst 85% specificity showed that SVM is able to identify autism subjects as autism based on their gait patterns at 85% rate. © 2016 IEEE.}, nota = {dipetik oleh 5}, kata kunci = {Accuracy Rate, Autisme, Pengelasan (maklumat), Penyakit, Analisis Gait, Gait Parameters, Corak Gait, Elektronik Perindustrian, Kinematik, Rangkaian Neural, NN Classifiers, Kepekaan dan Kekhususan, Mesin Vektor Sokongan, Three Categories}, pubstate = {diterbitkan}, tppubtype = {persidangan} } Dalam kajian ini, we deemed further to evaluate the performance of Neural Network (NN) and Support Vector Machine (SVM) in classifying the gait patterns between autism and normal children. Pertama, temporal spatial, kinetic and kinematic gait parameters of forty four subjects namely thirty two normal subjects and twelve autism children are acquired. Seterusnya, these three category gait parameters acted as inputs to both classifiers. Results showed that fusion of temporal spatial and kinematic contributed the highest accuracy rate for NN classifier specifically 95% whilst SVM with polynomial as kernel, 95% accuracy rate is contributed by fusion of all gait parameters as inputs to the classifier. Sebagai tambahan, the classifiers performance is validated by computing both value of sensitivity and specificity. With SVM using polynomial as kernel, sensitivity attained is 100% indicated that the classifier's ability to perfectly discriminate normal subjects from autism subjects whilst 85% specificity showed that SVM is able to identify autism subjects as autism based on their gait patterns at 85% rate. © 2016 IEEE. |
2015 |
Khir, N H B M; Ismail, M; Jamil, N; Razak, F H A Can spatiotemporal gait analysis identify a child with Autistic Spectrum Disorder? Persidangan Institut Jurutera Elektrik dan Elektronik Inc., 2015, ISBN: 9781479957651, (dipetik oleh 0). Abstrak | Pautan | BibTeX | Tag: Autisme, Gangguan Spektrum Autisme, Kanak-kanak dengan Autisme, Critical Analysis, Penyakit, Kesan Ekonomi dan Sosial, Analisis Gait, Corak Gait, Literature Reviews, Pembuatan, Quantitative Study, Robotik, Spatiotemporal @ persidangan{Khir2015115, tajuk = {Can spatiotemporal gait analysis identify a child with Autistic Spectrum Disorder?}, pengarang = {N H B M Khir and M Ismail and N Jamil and F H A Razak}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84959505294&doi=10.1109%2fROMA.2014.7295872&rakan kongsi = 40&md5=dbaae7a86b78fa037d60f4b944ed2dc6}, doi = {10.1109/ROMA.2014.7295872}, isbn = {9781479957651}, tahun = {2015}, tarikh = {2015-01-01}, jurnal = {2014 Simposium Antarabangsa IEEE mengenai Robotik dan Automasi Pembuatan, IEEE-ROMA2014}, halaman = {115-119}, penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.}, abstrak = {The aim of this study is to investigate the ability of spatiotemporal gait analysis to identify the Autistic Spectrum Disorder child (ASD). Even though the interest in gait analysis is becoming popular among researchers these days, yet very few quantitative studies are done on children with autism. Since motor development is not influenced by both social and linguistic development, it is believed to be a probable bio-marker of autism. The spatiotemporal gait pattern is being explored to understand the difference it may bring upon in the future. Six findings from previous researches are reviewed and analyzed to understand the crucial factor involves in this research. From the literature review and critical analysis done, spatiotemporal gait analysis may be used to identify the ASD child because the gait patterns of ASD child are discovered to be different from normal children. © 2014 IEEE.}, nota = {dipetik oleh 0}, kata kunci = {Autisme, Gangguan Spektrum Autisme, Kanak-kanak dengan Autisme, Critical Analysis, Penyakit, Kesan Ekonomi dan Sosial, Analisis Gait, Corak Gait, Literature Reviews, Pembuatan, Quantitative Study, Robotik, Spatiotemporal}, pubstate = {diterbitkan}, tppubtype = {persidangan} } The aim of this study is to investigate the ability of spatiotemporal gait analysis to identify the Autistic Spectrum Disorder child (ASD). Even though the interest in gait analysis is becoming popular among researchers these days, yet very few quantitative studies are done on children with autism. Since motor development is not influenced by both social and linguistic development, it is believed to be a probable bio-marker of autism. The spatiotemporal gait pattern is being explored to understand the difference it may bring upon in the future. Six findings from previous researches are reviewed and analyzed to understand the crucial factor involves in this research. From the literature review and critical analysis done, spatiotemporal gait analysis may be used to identify the ASD child because the gait patterns of ASD child are discovered to be different from normal children. © 2014 IEEE. |
Jamil, N; Khir, N H M; Ismail, M; Razak, F H A Gait-Based Emotion Detection of Children with Autism Spectrum Disorders: A Preliminary Investigation Persidangan 76 , Elsevier B.V., 2015, ISSN: 18770509, (dipetik oleh 4). Abstrak | Pautan | BibTeX | Tag: Gangguan Spektrum Autisme, Kanak-kanak dengan Autisme, Perolehan data, Penyakit, Emosi, Emotion Detection, Emotion Recognition, Keadaan emosi, Ekspresi wajah, Analisis Gait, Kawalan Pintar, Perhubungan tanpa percakapan, Pengecaman Corak, Robotik, Sensor Pintar, Komunikasi Sosial, Pengenalan suara @ persidangan{Jamil2015342, tajuk = {Gait-Based Emotion Detection of Children with Autism Spectrum Disorders: A Preliminary Investigation}, pengarang = {N Jamil and N H M Khir and M Ismail and F H A Razak}, penyunting = {Miskon M F Yussof H.}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84962833568&doi=10.1016%2fj.procs.2015.12.305&rakan kongsi = 40&md5=6893678f1ed83b87147ff9183b94428b}, doi = {10.1016/j.procs.2015.12.305}, terbitan = {18770509}, tahun = {2015}, tarikh = {2015-01-01}, jurnal = {Sains Komputer Procedia}, isi padu = {76}, halaman = {342-348}, penerbit = {Elsevier B.V.}, abstrak = {With the disturbing increase of children with Autism Spectrum Disorder (ASD) di Malaysia, a lot of efforts and studies are put forward towards understanding and managing matters related to ASD. One way is to find means of easing the social communications among these children and their caretakers, particularly during intervention. If the caretaker is able to comprehend the children emotional state of mind prior to therapy, some sort of trust and attachment will be developed. Walau bagaimanapun, regulating emotions is a challenge to these children. Nonverbal communication such as facial expression is difficult for ASD children. Oleh itu, we proposed the use of walking patterns (i.e.. gait) to detect the type of emotions of ASD children. Even though using gait for emotion recognition is common among normal individuals, none can be found done on children with ASD. Oleh itu, the aim of this paper is to conduct a preliminary review on the possibilities of carrying out gait-based emotion detection among ASD children with regards to the emotional types, gait parameters and methods of gait data acquisition. © 2015 Penulis.}, nota = {dipetik oleh 4}, kata kunci = {Gangguan Spektrum Autisme, Kanak-kanak dengan Autisme, Perolehan data, Penyakit, Emosi, Emotion Detection, Emotion Recognition, Keadaan emosi, Ekspresi wajah, Analisis Gait, Kawalan Pintar, Perhubungan tanpa percakapan, Pengecaman Corak, Robotik, Sensor Pintar, Komunikasi Sosial, Pengenalan suara}, pubstate = {diterbitkan}, tppubtype = {persidangan} } With the disturbing increase of children with Autism Spectrum Disorder (ASD) di Malaysia, a lot of efforts and studies are put forward towards understanding and managing matters related to ASD. One way is to find means of easing the social communications among these children and their caretakers, particularly during intervention. If the caretaker is able to comprehend the children emotional state of mind prior to therapy, some sort of trust and attachment will be developed. Walau bagaimanapun, regulating emotions is a challenge to these children. Nonverbal communication such as facial expression is difficult for ASD children. Oleh itu, we proposed the use of walking patterns (i.e.. gait) to detect the type of emotions of ASD children. Even though using gait for emotion recognition is common among normal individuals, none can be found done on children with ASD. Oleh itu, the aim of this paper is to conduct a preliminary review on the possibilities of carrying out gait-based emotion detection among ASD children with regards to the emotional types, gait parameters and methods of gait data acquisition. © 2015 Penulis. |