Geri Dön

Nörodejeneratif hastalıkların yürüme işaretleri analizleri kullanılarak belirlenmesi

The diagnosis of neurodegenerative diseases via gait signals analysis

  1. Tez No: 268304
  2. Yazar: ÖMER AKGÜN
  3. Danışmanlar: PROF. DR. AYDIN AKAN, PROF. METİN YÜCEL
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 168

Özet

Nörodejeneratif hastalıkların yürüme ile ilişkisinin anlaşılması için öncelikle nöron ve sinir sisteminin yapısı açıklanmıştır. Yürüme eyleminin nasıl gerçekleştiği ayrıntılı olarak ifade edildikten sonra yürüme analizinin hangi araç ve yöntemlerle yapıldığı üzerinde durulmuştur.Bu çalışma 14'ü normal 47'si patolojik olmak üzere 61 bireyin sol ve sağ ayaklarından kuvvete duyarlı piezoelektrik sensörler kullanılarak elde edilen yürüme işaretlerinin analizine dayanmaktadır.Tüm işaretlerin maksimum ve minimum değerleri ile enerji düzeyleri belirlenmiştir.Genlik spektrumlarının ana bileşenlerinin 1 Hz civarında oldukları görülmüş ve bu bileşenin maksimum değerleri hesaplanmıştır. Faz spektrumlarınında yine maksimum ve minimum değerleri bulunmuştur. Aynı şekilde işaretlerin güç spektrumlarınında 1Hz civarındaki maksimum bileşenleri değerlendirmeye tabi tutulmuşlardır.Kısa Zamanlı Fourier Dönüşümlerinde işaretlerin maksimumlarının olduğu frekans bölgelerinin işaretin kimliği açısından önemli olduğu görülmüştür.Yürüme işaretlerinin yüksek dereceli momentlerinin işaretin tanınması açısından önemli bilgiler verdiği anlaşılmış ve çeşitli derecelerde hesaplanarak sınıflandırmada kullanılmışlardır.İşaretler bir sistemin çıkışı gibi düşünülmüş ve sistemin değişik derecelerde autoregressive modelleri oluşturulmuştur.İstatistiki veriler işaretlerin kimliği açısından önemli sonuçlar sağlamaktadır. Bu nedenle tüm işaretlerin ortalama değerleri, değişintileri, olasılık yoğunluk ve özilişki fonksiyonları hesaplanmıştır.Yapılan tüm analizlerde elde edilen sonuçlar sınıflandırma için yapay sinir ağlarında giriş verisi olarak kullanılmışlardır. Sınıflandırma tekli işaret tanınması olarak sol ayak, sağ ayak ve sol ve sağ ayak için yapılmıştır.

Özet (Çeviri)

This study analyzed the gait characteristics of 47 pathological subjects and 14 control subjects (n= 61) by applying pressure-sensitive piezoelectric sensors to the subjects? left and right feet.First, the structure of neurons and the nervous system are explained, in order to understand the relationship between neurodegenerative diseases and walking. After explaining in detail how the gait occurs, the tools and methods utilized in gait analysis are described.Maximum and minimum values, as well as energy levels, were recorded for each of the measured gait characteristics. The main components of the amplitude spectra were found to be approximately 1 Hz. Maximum values of these components were calculated. Maximum and minimum values of phase spectra were also calculated. Similarly, maximum components (around 1Hz) of the signs were subjected to analysis at power spectra.The frequency regions, where the signs peaked in the Short-Term Fourier Fransform, were found to be important in terms of the identity of the sign.It was understood that high-order moments of the gait signs produced important information for identification of the sign. These moments were calculated at different grades, to be used in classification.Signs were regarded as an exit of a system, and autoregressive models of the system were developed at different grades.Mean values, variances, probability density and autocorrelation functions were calculated for each sign.The results of the analyses were used as input data for artificial neural networks for classification purposes. Classification was made as a single sign identification for left foot; right foot, and; left and right foot.

Benzer Tezler

  1. Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Comparison of the pressure sensor and inertial measurement units based gait and movement analysis methods in healthy individuals

    Sağlıklı bireylerde basınç sensörü ve atalet ölçüm birimlerine dayalı yürüyüş ve hareket analiz yöntemlerinin karşılaştırılması

    SÜMEYRA SAĞLAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    NörolojiKoç Üniversitesi

    Ortez-Protez Ana Bilim Dalı

    DOÇ. DR. ATAY VURAL

  3. Prediction of chondroitin competitive sulfotransferase enzyme inhibitors for the treatment of alzheimer's disease

    Alzheımer hastalığının tedavisi için kondroitin kompetitif sülfotransferaz enzimi inhibitörleri tahmin edilmesi

    BERNA SOYSAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER BADAY

  4. Yaşlılarda bilişsel fonksiyonun fiziksel aktivite, fonksiyonel durum ve toplumsal katılım ile ilişkisi

    The relationship between cognitive function to physical activity, functional status and social participation in older adults

    HAYRİ AKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    GeriatriAkdeniz Üniversitesi

    Gerontoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÖKÇE YAĞMUR GÜNEŞ GENCER

  5. Parkinson hastalarının dikkat fonksiyonlarına ait beyin aktivasyonlarının fonksiyonel MRG ile incelenmesi ve evrişimsel sinir ağları ile sınıflandırılması

    Analysis of the brain activations of attention functions of Parkinson patients with functional MRI and classification with conventional neural networks

    NUR YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BiyomühendislikSelçuk Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN