Derin öğrenme yöntemi ile yüzeyel EMG işaretlerini sınıflandırarak dirsek eklemi için pozisyon kestirimi
Position estimation for elbow joint by classification of surface EMG signals with deep learning methods
- Tez No: 691927
- Danışmanlar: DR. ÖĞR. ÜYESİ CABBAR VEYSEL BAYSAL
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kasların hareket bilgisini barındıran yüzeyel elektromiyografi (sEMG) işaretlerinin sınıflandırılması, rehabilitasyon amaçlı sistemlerde doğala yakın bir çalışma düzeni elde etmede kullanılmaktadır. Bu tez çalışmasında, üst ekstremite biceps ve triceps kaslarının sEMG sinyalleri, bir Derin Öğrenme yöntemi olan Uzun Kısa Vadeli Bellek (LSTM) yapay sinir ağı ile sınıflandırılarak dirsek eklem açısı tahmini yapılmıştır. LSTM modeli sEMG işaretinin değişken ortalama değerini ve kılıf tepe değerini kullanarak iyi bir doğruluk elde etmiş, başarılı ve etkin bir şekilde dirsek eklemi açı tahmini yapmıştır. Sonuçlar, işaretin özniteliklerini kullanan Çok Katmanlı Algılayıcı'nın (MLP) dirsek eklem açı tahmini ile kıyaslanmıştır. Tasarlanan LSTM modeli, hesaplama açısından daha etkin bir şekilde, MLP kadar yüksek doğruluk elde ederek dirsek eklemi açı tahmini yapabileceğini göstermiştir.
Özet (Çeviri)
Classification of surface electromyography (sEMG) signals, which contain movement information of muscles, are used to achieve a natural working order in systems for rehabilitation. In this thesis, sEMG signals of upper extremity biceps and triceps muscles were classified with Long Short Term Memory (LSTM) artificial neural network which is a Deep Learning method, in order to estimate elbow joint angle. LSTM model successfully and effectively made elbow joint angle estimation by obtaining high accuracy using varying average value and envelope peak value of sEMG. The results are compared with the elbow joint angle estimation of the Multi-Layer Sensor (MLP) which uses the attributes of the sEMG signals. The designed LSTM model has shown that it can estimate elbow joint angle more effectively in terms of calculation, by obtaining accuracy as high as MLP.
Benzer Tezler
- Yüzey EMG sinyallerinin öznitelik optimizasyonu ve makine öğrenmesi yöntemleri ile sınıflandırılması
Classification of surface EMG signals with feature optimization and machine learning methods
MUHAMMED SAMİ KARAKUL
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET GÖKÇEN
- Using deep learning for movement classification eeg/emg type time series
Eeg/emg türü zaman serileri kullanılarak hareket sınıflandırma için derin öğrenme kullanımı
HARUN GÜNEŞ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇINAR
- Classification of hand gestures using time-frequency analysis and different artificial intelligence methods
Zaman-frekans analizi ve farklı yapay zeka yöntemleri kullanılarak el hareketlerinin sınıflandırılması
DENİZ HANDE KISA
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİzmir Katip Çelebi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
PROF. DR. AYDIN AKAN
- Sol anterior torakotomi ile minimal invaziv koroner arter baypas cerrahisi: Tek merkez klinik sonuçlarımız ve konvansiyonel koroner arter baypas cerrahisi ile karşılaştırılması
Total coronary revascularization via left anterior thoracotomy: Our single center experiences and comparison with conventional coronary artery bypass surgery
TUNA DEMİRKIRAN
Tıpta Uzmanlık
Türkçe
2023
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiKalp ve Damar Cerrahisi Ana Bilim Dalı
DOÇ. DR. MURAT KADAN
- Yüzeysel öğrenme tabanlı mobil ön öğrenme sisteminin öğrenme çıktısı, tutum ve derin öğrenmeye yönelik transfere etkisi
The effect of surface learning based mobile pre-learning system on learning outcomes, attitudes and transfer regarding deep learning
ULAŞ YABANOVA
Doktora
Türkçe
2022
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. ÖZDEN DEMİRKAN