Fall risk assessment using gait parameters
Yürüme parametrelerini kullanarak düşme riski değerlendirmesi
- Tez No: 474344
- Danışmanlar: PROF. DR. CEM ERSOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 95
Özet
Düşmeler, yaşlılar ve aileleri için ciddi sonuçlar içeren önemli sağlık sorunlarına neden olur. Düşmeleri önlemek için etkili önlemler erken bir aşamada alınmalıdır. Bu nedenle, düşme riskinin değerlendirilmesi, düşme riski seviyesinin saptanması ve bu seviyeye uygun bir önlem alınması için önemlidir. Kullanılan düşme riski değerlendirme ölçekleri, kişiden kişiye değişen gözlem ve yargıya bağlı olduğundan dolayı objektif ve güvenilir değildir. Yürüme parametrelerini kullanarak düşme riskini daha objektif ve doğru bir şekilde değerlendirmeyi amaçlayan sistemler vardır. Ancak bu sistemler ya çok sayıda sensörden oluşur ve kullanımı rahatsızlık vericidir ya da makine öğrenme metodolojisinden faydalanmamaktadır. Bu çalışmada, makine öğrenme tekniklerinden faydalanarak, yürüyüş parametrelerine bağlı, doğruluk oranı yüksek, rahatsızlık verici olmayan, objektif ve sürekli ölçümleme yapmayı hedefleyen bir sistemin geliştirilmesi amaçlandı. Bu amaçla, iki yürüme analizi tekniği incelendi: Kinect tabanlı bir sistem ve araştırma grubumuz tarafından geliştirilen ayağa monte edilen hareket sensörü tabanlı bir sistem. İkinci sistemi kullanarak, deneyler yaptık ve deneylerimize 21 tanesi nörolojik sorunlara sahip olmak üzere toplam 37 denek katıldı. Bu deneylerin amacı yürüme parametreleri üzerinden, yürüme özniteliklerini hesaplamaktı. En önemli yürüme öznitelikleri, öznitelik seçme yöntemleri kullanılarak belirlendi. Bu öznitelikleri kullanarak, çeşitli makine öğrenme yöntemleri ile denekler iki farklı gruba sınıflandırıldı: yüksek ve düşük düşme riskli grup. Bu sistem, düşme riski yüksek olan kişileri tespit etmemizi sağladı ve sistem sayesinde kişinin yakınları önlem almaları için uyarıldı. Sınıflandırma sonuçları doğruluk, duyarlılık, özgüllük ve F-ölçüsü temel alınarak değerlendirildi.
Özet (Çeviri)
Falls lead to severe public health problems resulting in devastating psychological and physical consequences for older people and their families. Therefore, fall risk assessment has been a popular field of research in the last decades to understand the underlying reasons of the fall and eventually to identify people at high fall risk so that effective preventive strategies for falls can be taken at an early stage. Clinical and functional fall risk assessment tools are not objective and reliable for the assessment of fall risk as they require human observation and judgement. Related studies aim to assess the fall risk based on gait parameters in a more objective way, however, they either propose obtrusive systems composed of numerous sensors or do not utilize machine learning methodology. In this study, we employ machine learning techniques and aim to develop an accurate, unobtrusive, objective and continuous fall risk assessment system based on gait parameters. For this purpose, we studied two gait analysis techniques: a Kinect-based gait analysis system, and a foot-mounted inertial sensor-based gait analysis system developed by our research group. Using the latter, experiments are conducted to extract gait parameters of 37 subjects of whom 21 have neurological conditions with gait implications. Gait features are computed from these gait parameters. Feature selection techniques are used to determine the most significant gait features. Based on these features, different machine learning algorithms are employed to classify people into high and low fall risk groups. This system enables us to identify people who are likely to experience a fall in the near future and inform their caregivers to take preventive interventions. The predictions are evaluated based on the accuracy, sensitivity, specificity and F-measure.
Benzer Tezler
- Gait analysis and fall risk assessment with wearable inertial sensors
Giyilebilir hareket algılayıcıları ile yürüme analizi ve düşme riski değerlendirmesi
CAN TUNCA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEM ERSOY
- Kronik obstrüktif akciğer hastalığında yürüyüş sırasında yürüyüşün zaman mesafe karakteristikleri ve kol salınımlarının incelenmesi
Investigation of spatiotemporal gait parameters and arm swings characteristics during gait in patients with chronic obstructive pulmonary disease
HİDAYE YAMIKAN
Yüksek Lisans
Türkçe
2023
Fizyoterapi ve RehabilitasyonHacettepe ÜniversitesiKalp ve Solunum Fizyoterapisi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. AYNUR DEMİREL
- Üst ekstremitesi etkilenmiş çocuklarda fonksiyondaki iyileşmenin taban basıncı, denge ve yürümeye etkisinin araştırılması
Investigation of the effect of improvement in function on foot pressure, balance and gait in children with upper extremity affected
GÖKÇE LEBLEBİCİ
Doktora
Türkçe
2021
Fizyoterapi ve Rehabilitasyonİstanbul Üniversitesi-CerrahpaşaFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
PROF. ELA TARAKCI
- Femur üst uç kırıklı hastaların tedavisinde bipolarparsiyel kalça protezinin sementsiz uygulaması
Cement-free application of bipolarpartial hip prosthesis in the treatment of patients with upper end of femur
SABRİ BATIN
Tıpta Uzmanlık
İngilizce
2015
Ortopedi ve TravmatolojiSakarya ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. MUSTAFA UYSAL
- Tip 2 diyabetli hastalarda kırılganlığın denge ve düşme riski üzerine etkisi
The effect of frailty on balance and fall risk in type 2 diabetic patients
GÜLŞAH TURANOĞLU
Yüksek Lisans
Türkçe
2023
Fizyoterapi ve RehabilitasyonKırıkkale ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. MERAL SERTEL