治療尿失禁的復健方式，分為侵入式復健和非侵入式復健兩大類。但因涉及個人私密性問題，患者普遍對於侵入式復健感到排斥，使得復健效果不佳。研究中，採用非侵入式的復健，但由於傳統的骨盆底肌肉訓練，患者自行施作時，容易訓練到錯誤的肌肉部位，導致效果不彰。所以提出改良式骨盆底肌肉訓練系統，將復健器材與感測器結合，並透過無線模組將數據傳輸到行動載具上，進行數據的量化、分群與分類，給予患者即時性的回饋，提昇整體療效。
本論文著重在量化骨盆底肌肉訓練的數據，進行數據量化時，若包含前後極端值或突波的情況，會產生失真的情形。分析下列方法進行量化:Average Method、Twice Average Method、James Method、Average Weight Method、Ramer Douglas Peucker Algorithm。並透過比較與驗證，找出適合本系統的骨盆肌肉訓練數據的量化方法，使得量化復健數據後，獲得更能代表實際施力的特徵。

The way to threat Incontinence can be divided into Invasive and Non-Invasive. But for the personal privacy, the patients often commonly discriminate the Invasive rehabilitation, which leads to an ineffective result. In this research, we found taking traditional Pelvic Floor Muscle Training is not easy for patients to train muscle in the right position especially when exercise the training themselves. So, we propose a data feedback system to achieve improving traditional Pelvic Floor Muscle Training effectiveness. The way of this system is to link rehabilitation equipment and the sensor and then through wireless device deliver the collected data, which is analyzed by comparison in place of quantification, cluster and classification, into rehabilitation equipment giving patients a real-time feedback to the patients and elevating the whole efficacy.
    This thesis is to focus on the Pelvic Floor Muscle Training data comparison. To avoid data distortion, we exclude outlier and surge to explore the reliable and effective data, which can be widely used in improving Pelvic Floor Muscle Training effectiveness, we use Average method, Twice Average Method, James Method, Average Weight Method, RDP Method as an analysis basis to make data comparison and verification. Through comparing and verifying to find a suitable quantification way for this Pelvic Floor Muscle Training System, which are more accurate and can also represent more actual force characteristic than the original functions.

第一章 緒論 1
1.1 研究動機及研究目的 2
1.2 論文架構 5
第二章 相關研究	6
2.1 骨盆底肌肉訓練 6
2.2 數據量化方法 7
2.2.1 James Method 7
2.2.2. RDP Algorithm 8
第三章 研究方法	11
3.1 骨盆底肌肉訓練系統的架構與流程 11
3.2 骨盆底肌肉訓練數據 14
3.2.1 Data Collection 14
3.2.2 Data Presentation 15
3.3 Data Processing 18
3.3.1 Analysis and Evaluation 20
3.3.2 Average Method for Quantification Data 21
3.4 排除前後極端值的量化方式 24
3.4.1 Twice Average Method for Quantification Data 24
3.4.2 James Method for Quantification Data 27
3.4.3 RDP Method for Quantification Data 28
3.5 處理突波的量化方式 30
3.5.1 Average Method for Quantification Data 30
3.5.2 Average Weighted Method for Quantification Data 31
3.5.3 RDP Method for Quantification Data 35
第四章 模擬實作與結果討論 37
4.1 模擬實作說明 37
4.1.1 模擬實作目標 37
4.1.2 模擬實作環境 37
4.2 模擬結果與討論 38
4.2.1 排除前後極端值的量化方式 38
4.2.1.1	類型一：前後起伏過大 40
4.2.1.2	類型二：施力時間長且穩定 42
4.2.1.3	類型三：施力時間短且急促 44
4.2.1.4	類型四：波形前後有不穩定起伏 46
4.2.1.5	類型五：施力過小 47
4.2.2 處理突波的量化方式 50
4.2.2.1	類型一：施力時間長且穩定 51
4.2.2.2	類型二：施力起伏但沒有突波產生 53
4.2.2.3	類型三：波形包含單一突波特徵 54
4.2.2.4	類型四：波形包含多個突波特徵 56
4.3 實際數據的驗證 58
4.3.1 實驗數據量化分析比較與結果 59
4.3.1.1	患者A 59
4.3.1.2	患者B 60
4.3.2 分析探討與結論 61
第五章 結論與未來相關研究 67
5.1 結論 67
5.2 未來相關研究 68
參考文獻 69
附錄─英文論文71

圖目錄
圖2.1 骨盆底肌肉示意圖(Source：[Evans 2005]) 6
圖2.2 利用James Method壓縮數據(Source：[Xu 2007]) 8
圖2.3 James Method失真示意圖(Source：[Xu 2007]) 8
圖2.4 RDP Algorithm 步驟分解圖(Source：[李冠霖 2009]) 9
圖2.5 RDP Algorithm的應用(Source：[Harrower 06]) 10
圖3.1 系統架構圖 11
圖3.2 系統流程圖 13
圖3.3 骨盆肌肉訓練的硬體裝置 14
圖3.4 骨盆底肌肉訓練波形圖 15
圖3.5 單一波形圖 15
圖3.6 特徵點座標圖	16
圖3.7 正確施力示意圖 17
圖3.8 錯誤施力示意圖 17
圖3.9 標準差長條圖	17
圖3.10 專家定義評估基準 20
圖3.11 各種方法量化結果與Ideal Case比較圖 21
圖3.12 計算波形的Average Force 22
圖3.13 二維座標圖	22
圖3.14 Average Method量化結果 23
圖3.15 排除Outlier Value後量化結果 23
圖3.16 包含偏低極端值的範圍	24
圖3.17 Average Method產生Start Point和End Point 25
圖3.18 刪除前後Outlier Area數值 26
圖3.19 第二次平均求得Twice Average Value 26
圖3.20 Twice Average Method失真示意圖 27
圖3.21 James Method示意圖 28
圖3.22 James Method失真示意圖 28
圖3.23 RDP Method量化圖 29
圖3.24 RDP Method失真示意圖	30
圖3.25 Average Method處理突波的量化結果 31
圖3.26 灰色為專家所需要的量化結果 31
圖3.27 Average Method處理單一突波的量化結果 33
圖3.28 醫生定義的Ideal Case	33
圖3.29 Average Weight Method處理單一突波的量化過程 33
圖3.30 Average Weight Method處理單一突波的量化結果 33
圖3.31 Average Weight Method處理多個突波的量化結果 34
圖3.32 Average Weight Method量化結果與多個突波相同 34
圖3.33 醫生定義的Ideal Case	34
圖3.34 原始波形數據 35
圖3.35 RDP Algorithm擷取特徵點 35
圖3.36 RDP Algorithm擷取突波特徵點 35
圖3.37 定義突波，並將其刪除	36
圖3.38 醫生預期的Ideal Case	36
圖3.39 RDP Method的量化結果	36
圖4.1 排除前後極端值的波形分類 39
圖4.2 類型一 量化波形圖 41
圖4.3 類型一 二維座標圖 41
圖4.4 類型二 量化波形圖 43
圖4.5 類型二 二維座標圖 43
圖4.6 類型三 量化波形圖 44
圖4.7 類型三 二維座標圖 45
圖4.8 類型四 量化波形圖 46
圖4.9 類型四 二維座標圖 46
圖4.10 類型五 量化波形圖 48
圖4.11 類型五 二維座標圖 48
圖4.12 處理突波的波形分類 51
圖4.13 類型一 量化波形圖 52
圖4.14 類型一 二維座標圖 52
圖4.15 類型二 量化波形圖 53
圖4.16 類型二 二維座標圖 53
圖4.17 類型三 量化波形圖 54
圖4.18 類型三 二維座標圖 55
圖4.19 類型四 量化波形圖 56
圖4.20 類型四 二維座標圖 56
圖4.21 患者A原始波形圖 59
圖4.22 患者A Ideal Case量化圖 60
圖4.23 RDP Method量化圖 60
圖4.24 患者B原始波形圖 60
圖4.25 患者B Ideal Case量化圖 61
圖4.26 患者B RDP Method量化圖 61
圖4.27 患者A 各種方法量化座標圖 62
圖4.28 患者B 各種方法量化座標圖 64

表目錄
表3.1 Average Weighted Method範例 32
表4.1 骨盆底肌肉訓練裝置 38
表4.2 電腦系統模擬環境 38
表4.3 類型一 特徵點誤差表 41
表4.4 類型二 特徵點誤差表 43
表4.5 類型三 特徵點誤差表 45
表4.6 類型四 特徵點誤差表 47
表4.7 類型五 特徵點誤差表 48
表4.8 各種量化方法與Ideal Case誤差比較表 49
表4.9 類型一 特徵點誤差表 52
表4.10 類型二 特徵點誤差表 54
表4.11 類型三 特徵點誤差表 55
表4.12 類型四 特徵點誤差表 57
表4.13 各種量化方法與Ideal Case誤差比較表 58
表4.14 患者A實際數據統計表 63
表4.15 患者B實際數據統計表 65

中文部份：
[李冠霖 2009] 李冠霖 (2009)。以拉邦理論為基礎用速率分析人體動作行為 (淡江大學 資訊工程學系碩士論文)。
	

英文部份
[Dawood 2010] Rehana Dawood, Simon R.Jackson, “Pelvic floor exercise for urinary incontinence: A systematic literature review Natalia Price”,  Maturitas 67, pp.309-315, 2010.

[Douglas 1973] D.Douglas, T.Peucker, “Algorithms for the Reduction of the Number of Points Required to Represent a Digitized Line or its Caricature”, The Canadian Cartographer, vol.10, no.2, pp.112-122, Dec.1973.

[Evans 2005] Georgina Evans, ”Pelvic-floor exercises for incontinence”, Women's Health Medicine, Vol.2, Issue 6, pp.29-30, 2005.

[Harrower 2006] Mark Harrower, Matt Bloch, “MapShaper.org: A Map Generalization Web Service”, Proceedings of AUTOCARTO 2006, University of Wisconsin-Madison, Vol.26, No.4, pp.22-27, Jul.2006.

[Hershberger 1992]	 John Hershberger, Jack Snoeyink, “Speeding Up the Douglas-Peucker Line-Simplification Algorithm”, Proc 5th Symp on Data Handling, pp.134–143, 1992.

[Holme 1999] Bo K, Talseth T, Holme I, ”Single blind, randomized controlled trial of pelvic floor exercises, electrical stimulation, vaginal cones, and no treatment in management of genuine stress incontinence in women.”, BMJ, 318: pp.487-493, 1999.

[Kashanian 2011] Maryam Kashanian, Shadab Shah Ali, Mitra Nazemi, Shohreh Bahasadri, “Evaluation of the effect of pelvic floor muscle training (PFMT or Kegel exercise) and assisted pelvic floor muscle training (APFMT) by a resistance device (Kegelmaster device) on the urinary incontinence in women”, comparison between them: a randomized trial, European Journal of Obstetrics & Gynecology and Reproductive Biology, No. of pp.6-11, 2011.

[Schmidt 2009] Adriana P. Schmidt, Paulo R.S. Sanches, Danton P. Silva Jr, José G.L. Ramos, Percy Nohama, “A new pelvic muscle trainer for the treatment of urinary incontinence”, International Journal of Gynecology and Obstetrics, pp.218-222, 2009

[Williams 2002] G.Williams, R. Baxter, H.He, S. Hawkins and L.Gu, “A Comparative Study of RNN for Outlier Detection in Data Mining,” Second IEEE International Conference on Data Mining, pp.709-721,2002.

[Xu 2007]	Xin Xu, “Research and application of new compression method aimed at vector data”, Application Research of Computers, Vol.24, No. 12,pp.35-39, Dec.2007.