İnme hastalarının fiziksel aktivite takibinde yapay zeka modelleri
Artificial intelligence models in physical activity monitoring of stroke patients
- Tez No: 977717
- Danışmanlar: DR. ÖĞR. ÜYESİ ORHAN ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Fizyoterapi ve Rehabilitasyon, Physiotherapy and Rehabilitation
- Anahtar Kelimeler: inme, yapay zeka, fiziksel aktivite, akselerometre, makine öğrenmesi, stroke, artificial intelligence, physical activity, accelerometer, machine learning
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizyoterapi ve Rehabilitasyon Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma, inme hastalarının gerçekleştirdiği fiziksel aktivitelerin türünü akselerometre verileri kullanarak doğru şekilde sınıflandırmak amacıyla farklı makine öğrenmesi algoritmalarının performanslarını değerlendirmeyi amaçlamaktadır. Yöntem: Çalışmaya, bağımsız yürüyebilen 15 kronik inme hastası dâhil edilmiştir. Katılımcıların etkilenmemiş taraf el ve ayak bileğine AX3 model akselerometre (Axivity Ltd., UK) yerleştirilmiş ve 100 Hz örnekleme frekansında üç eksenli ham ivme verileri kaydedilmiştir. Veriler, zaman damgalı olarak OmGui yazılımı ile dışa aktarılmış, Python ortamında ayrıştırılarak etiketlenmiş ve sınıflandırma süreci için hazırlanmıştır. Veri seti, çeşitli makine öğrenmesi algoritmaları ile analiz edilmiş; modellerin performansları doğruluk, hassasiyet, duyarlılık ve F1-skoru ölçütleriyle karşılaştırılmıştır. Bulgular: Modellerin sınıflandırma başarıları arasında farklılık gözlemlenmiştir. Kombine sensör verileri ile Rastgele Orman modeli %93,9 doğruluk oranı ile en yüksek performansı gösterirken, Gaussian Naive Bayes modeli %70,8 doğrulukla en düşük başarıyı sergilemiştir. Kombine sensör kullanımı, tekil sensörlere kıyasla genel olarak daha yüksek performans sağlamıştır. Sonuçlar: Akselerometre verilerine dayalı yapay zeka modelleri, inme hastalarının fiziksel aktivitelerini tanımada etkili olabilir. Kombine sensör kullanımı ve uygun model seçimi ile sınıflandırma doğruluğu artırılabilir. Bu yaklaşım, rehabilitasyon süreçlerinin daha nesnel ve bireye özel olarak planlanmasına katkı sağlayabilir.
Özet (Çeviri)
Aim: The aim of this study is to evaluate the performance of different machine learning algorithms in accurately classifying the types of physical activities performed by stroke patients using accelerometer data. Methods: Fifteen independently walking individuals with chronic stroke were included. AX3 accelerometers (Axivity Ltd., UK) were placed on the unaffected-side wrist and ankle, and raw triaxial acceleration data were recorded at 100 Hz. The data were exported with time stamps using OmGui software, segmented and labeled in Python, and prepared for classification. The dataset was analyzed using various machine learning algorithms, and model performances were compared using accuracy, precision, recall, and F1-score. Results: Differences were observed in the classification performances of the models. With combined sensor data, the Random Forest model achieved the highest performance, reaching 93.9% accuracy, while the Gaussian Naive Bayes model showed the lowest performance with 70.8% accuracy. Overall, the use of combined sensors provided higher performance compared to single-sensor setups. Conclusion: Artificial intelligence models based on accelerometer data may be effective in recognizing physical activities in stroke patients. The use of combined sensors and appropriate model selection can improve classification accuracy. This approach may contribute to making rehabilitation processes more objective and personalized.
Benzer Tezler
- Serebrovasküler hastalıklarda klinik, EEG ve BT ilişkileri
Başlık çevirisi yok
BARIŞ BAKLAN
Tıpta Uzmanlık
Türkçe
1987
NörolojiDokuz Eylül ÜniversitesiNöroloji Ana Bilim Dalı
PROF.DR. ŞAKİR FADILOĞLU
- Normal ve anormal mitral kapakların morfolojik özellikleri
Başlık çevirisi yok
MUAMMER AKAR
Tıpta Uzmanlık
Türkçe
1989
Göğüs Kalp ve Damar CerrahisiUludağ ÜniversitesiGöğüs Kalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. İ. AYHAN ÖZDEMİR
- Serebrovasküler hastalıklarda klinik bulgular ve bilgisayarlı beyin tomografisi sonuçları
Başlık çevirisi yok
M.ATİLLA TEZCANLI
