Smart classification of normal and agressive muscle actions
Normal ve agresif kas hareketlerinin akıllı sınıflandırması
- Tez No: 509878
- Danışmanlar: DOÇ. DR. SERAP AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 50
Özet
Bu çalışmada, aynı simetrik uzuv (biseps, triseps, uyluk) kas gruplarından (bacaklar ve kollar) aynı anda toplanan Lineer, Lineer olmayan ve istatistiksel yaklaşım yöntemleri olan Fourier Korelasyon (FC), Wavelet Korelasyon (WC) ve Pearson Korelasyon (PC), yaklaşımları; iki yüzeysel EMG ölçümü arasındaki çapraz korelasyonu tahmin etmek amacıyla birbirleriyle sırasıyla karşılaştırılmıştır. Öğrenme algoritmaları birbirinden farklı olan Cezalandırıcı Lojistik Regresyon (PLR), Rastgele Orman (RF), Koşullu Sonuç çıkarma ağacı (CIT) ve Destek Vektör Makinesi (SVM) yöntemleri, 10 kat çapraz onaylama tekniği ile 4 elektrot çifti için uygulanarak, Normal ve Agresif kas hareket çiftleri üzerinde en yüksek hesaplama doğruluk yüzde değerini elde etmek için sınıflandırılmıştır. 6 Normal ve 6 Agresif kas hareketleri esnasında, dört sağlıklı genç katılımcıdan (ortalama yaşı 21.8 olan 3 erkek ve 1 kız) toplanan deneysel EMG ölçümleri California Irvine Üniversitesi (UCI)'nin erişime açık veri bankasından sağlanmıştır. R programlama ile çalıştırılan sınıflandırmalar sonucunda Rastgele Orman sınıflandırıcı, PC özelliklerine göre iki grup sınıflandırıldığında en yüksek hesaplama tutarlılık değerini (%100) sağlamıştır. Aynı yaklaşımlar, katılımcı ve deneme sayısı arttırılarak ileri çalışmalar sonucuna göre; nöro-müsküler hastalıkların ve işlev bozukluğunun erken tanısına yardımcı olacak bir destek araç olarak önerilebilir.
Özet (Çeviri)
In the present study, linear, non-linear and statistical approaches so named Fourier Correlation (FC), Wavelet Correlation (WC) and Pearson Correlation (PC), respectively have been compared to each other in estimating cross-correlations between two EMG series, simultaneously collected from the same muscle groups (biceps, triceps, thighs) on symmetric limb (legs and arms). The features, which are computed for both normal and aggressive muscle actions, are computed for four electrode pairs and then these features are classified by different classifiers which are Penalized Logistic Regression (PLR), Random Forests (RF), Conditional Inference Tree (CIT) and Support Vector Machines (SVM) with 10-fold cross-validation in order to have highest calculation accuracy (CA). Experimental data including six normal and six aggressive actions of 4 young participants (3 male and 1 female with the mean age of 21.8) is provided by the data base of UCI (University of California Irvine). PC has given the highest calculation accuracy (100%) with R programming for the RF classifier. CA obtained with this classifier and correlation method can be directly suggested to detect diagnostic evaluation and neuromuscular diseases and dysfunction.
Benzer Tezler
- Otomatik aritmi dedeksiyonu
Başlık çevirisi yok
GÜNNUR ALANYALI
Yüksek Lisans
Türkçe
1993
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. MEHMET KORÜREK
- Conceptual understanding of deep learning for smart wireless neural network
Başlık çevirisi yok
MOHAMMED AKRAM ALI ALI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Building smart algorithm to extract features of topographic images of a human eye
İnsan gözünün topoğrafik görüntülerının özelliklerini elde etmek için akilli algoritma oluşturmak
NAZAR SALIH ABDULHUSSEIN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. ÖZLEM AKGÜN
- Bazı antidepresanların Drosophila melanogaster'de genotoksik ve mutajenik etkilerinin araştırılması
Investigation of the genotoxic and mutagenic effects of some antidepressants in Drosophila melanogaster
HADI ESHRAGH OSKOUEI
- Makine öğrenmesi ile gemi makinelerinin hata analizi
Fault analysis of ship machines with machine learning
FUNDA KAYA İNCEİŞÇİ
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYÇA AK
PROF. DR. VEDAT TOPUZ