Geri Dön

EMG sinyallerinin yapay sinir ağı kullanılarak sınıflandırılması

Classification of EMG signals using artificial neural network

  1. Tez No: 165924
  2. Yazar: SABRİ KOÇER
  3. Danışmanlar: PROF.DR. NİHAL FATMA GÜLER
  4. Tez Türü: Doktora
  5. Konular: Teknik Eğitim, Elektrik ve Elektronik Mühendisliği, Technical Education, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Elektromiyogram (EMG), Hızlı Fourier Dönüşümü (HFD), Yapay sinir ağı (YSA), Çok katmanlı perceptron/ algılayıcı (ÇKP/ÇKA), Destek vektör makinesi (DVM), Electromyogram (EMG), Fast Fourier Transform (FFT), Artificial neural network (ANN), Multilayer perceptron (MLP), Support vector machine (SVM) Page Number : 71 Adviser : Prof Dr. Nihal Fatma GÜLER
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı (disiplinlerarası)
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

EMG SİNYALERİNİN YAPAY SİNİR AĞLARI KULLANARAK SINIFLANDIRILMASI (Doktora Tezi) Sabri KOÇER GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Mart 2005 ÖZET Bu çalışma, yapay sinir ağlarından yararlanılarak myopati (myopathy) ve nöropati (neuropathy) nöromüsküler hastalıkların sınıflandırılmasını amaçlamaktadır. Çalışmada nöropati, myopati ve normal olmak üzere toplam 59 kişiden kaydedilen Elektromyogram (EMG) işaretleri kullanılmıştır. EMG işaretlerine Hızlı Fourier Dönüşüm (HFD) spektral analiz metodu uygulanmış ve katsayılar elde edilmiştir. Bu katsayıların her biri Çok Katmanlı Pereeptron/Algdayıeı (ÇKP/ÇKA) ve Destek Vektör Makinesine (DVM) girdi olarak kullanılmıştır. Bu girdiler ÇKP ve DVM sınıflama sistemlerinde ayrı ayrı eğitime tabii tutulduktan sonra sınıflama ve test performansları incelenmiştir. Elde edilen sonuçlar göstermiştir ki en yüksek tahmin DVM sınıflama sisteminde gerçekleşmiştir. Bilim Kodu : 626.04.01

Özet (Çeviri)

CLASSIFICATION OF EMG SIGNALS USING ARTIFICIAL NEURAL NETWORK (PhD Thesis) SabriKOÇER GAZI UNIVERSITY INSTITUTE OF SCIENCE AND TECHNOLOGY March 2005 ABSTRACT The aim of this study is to classify myopathy and neuropathy neuromuscular diseases using artificial neural networks. Electromyogram (EMG) signals recorded from a total of 59 people as neuropathy, myopathy and normal were used. Coefficients were obtained from these EMG signals by applying Fast Fourier Transform (FFT) spectral analysis methods. Each one of these coefficients was used as input data for Multilayer Perceptron (MLP) and Support Vector Machine (SVM). After these inputs were individually trained in MLP and SVM classification systems, their classification and test performances were examined. The results revealed that the highest forecasting was in SVM classification system. Science Code : 626.04.01

Benzer Tezler

  1. Tez No

    76555

    Fractal modeling of surface electromyography (EMG) signals for EMG pattern recognition by artificial neural networks

    Yüzeyden kaydedilen elektromiyografik (EMG) sinyallerin yapay sinir ağları ile örüntü tanıma amaçlı modellenmesi

    MEHMET EYLEM KIRLANGIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. AYKUT SÜMER

  2. Tez No

    139036

    EMG sinyalleriyle uyuklama seviyesinin modern yöntemlerle kestirimi

    Determining of doze level analysing EMG signals by modern methods

    FERHAT TUNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET AKIN

  3. Tez No

    168695

    Yüzey EMG sinyallerinin analizi ve motor ünite aksiyon potansiyellerinin belirlenmesi

    Analysis of surface EMG signals and determination of motor unit action potentials

    UFUK ÖZKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiSüleyman Demirel Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF.DR. MUSTAFA MERDAN

  4. Tez No

    139037

    EEG ve EMG sinyalleriyle uyuklama seviyesinin modern yöntemlerle kestirimi

    Determining of doze level analysing EEG and EMG signals by modern methods

    NECMETTİN SEZGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET AKIN

  5. Tez No

    112229

    İnsan alt ekstremitesinin incelenmesi ve aktif dizüstü protezi tasarımı

    The analysis of the human lower limb structure and the design of a new active above knee prosthesis

    AKIN OĞUZ KAPTI

    Doktora

    Türkçe

    Türkçe

    2001

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    DOÇ. DR. M. SAİT YÜCENUR

Geri Dön