Gait analysis using smartwatches
Akıllı saat kullanılarak yürüme analizi
- Tez No: 602675
- 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: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yürüme karakteristiklerinin takibi ortopedi, spor, rehabilitasyon ve nöroloji gibi birçok alanda kullanılan önemli bir araçtır. Mevcut yürüme analizi teknikleri klinik bir ortamı ve birçok ekipmanı gerektirmektedir. Bu çalışmada, göze batmayan ve konforlu bir yürüme analizi sistemi sunulmuştur. İvmeölçer ve jiroskop gibi gömülü sensörlere sahip olan akıllı saatler üç temel yürüme parametresinin tespiti için kullanılmıştır: adım uzunluğu, salınım süresi ve basma süresi. Farklı yaşlardan ve cinsiyetlerden, sağlıklı ve gönüllü 26 kişiden klinik ortamda veri toplanmıştır. Katılımcıların her iki bileklerine de birer akıllı saat takılmış, ivmeölçer ve jiroskop sensörlerinden veri toplanmıştır. Toplanan veri bir ön işlemden geçirildikten sonra adım özellikleri elde edilmiştir. İlgili yürüme parametreleri çeşitli regresyon modelleri kullanılarak tahmin edilmeye çalışılmış ve klinik tedavi uzmanının altın standart yürüme yolunu kullanarak elde ettiği referans değerlerle karşılaştırılmıştır. Lineer Regresyon (LR), Gaussian Proses Regresyonu (GPR), Destek Vektör Makinesi (SVM) ve Regresyon Ağacı makine öğrenimi algoritmaları ve Konvolüsyonel Sinir Ağı (CNN) ve Uzun Kısa Süreli Bellek (LSTM) sinir ağı mimarisini içeren teknikler veriye uygun bir model geliştirmek için kullanılmıştır. Modellerin performansı temel bir hata ölçüm parametresi olan Kök Ortalama Kare Hatası (RMSE) ile ölçülmüştür. Veriye en uygun model Gaussian Proses Regresyonu (GPR) olarak tespit edilmiştir. İlgili modelde adım uzunluğu 5.29 cm Kök Ortalama Kare Hata değeri ile hesaplanmıştır. Sensörlerin yerleştirildikleri konumun literatürde mevcut çalışmalara göre daha az kullanışlı bir yerde, yani bileklerde olmasına karşın, akıllı saatlerle yapılan yürüme analizinde umut verici sonuçlar ortaya çıkmış ve gelecek çalışmalar için teşvik edici nitelikte olmuştur.
Özet (Çeviri)
Monitoring gait characteristics is an important tool used in many areas including orthopedics, sports, rehabilitation and neurology. Current methods applied to analyze the gait need clinical settings and equipments for measuring gait parameters. In this study, we propose an unobtrusive and comfortable system to perform gait analysis. Smartwatches equipped with embedded sensors including accelerometer and gyroscope are used to extract three main parameters of gait: step length, swing time and stance time. Data is collected from 26 healthy and volunteer participants with different ages and genders in clinical settings. Subjects wore smartwatches on both wrists, data is collected from two sensors: accelerometer and gyroscope. The data is preprocessed and step features are extracted. Relevant gait parameters are estimated using various regression models and compared with the ground truth data coming from the clinician using the golden standard instrumented walkway. Four machine learning algorithms including Linear Regression (LR), Gaussian Process Regression (GPR), Support Vector Machine (SVM) and Regression Tree, and two neural network architectures Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) are used to fit data. Performance of the models is measured using a basic error metric, i.e. RMSE. The best model fitting the data is found as GPR. Its RMSE value for the step length (cm) estimation is calculated as 5.29 cm. Besides the placement of sensors is less convenient than the state of the art studies, the gait analysis with smartwatches gives promising results and encourages for extended future studies.
Benzer Tezler
- Gait analysis using inertial measurement units as sensors
Eylemsizlik ölçer kullanarak yürüyüş analizi yapılması
SELİN KİRDİŞ GEMİCİ
Yüksek Lisans
İngilizce
2022
BiyomühendislikOrta Doğu Teknik ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERGİN TÖNÜK
PROF. DR. MELEK GÜNEŞ YAVUZER
- Analysis of gait symmetry using emg data across different speeds
Farkli hizlarda emg verileri kullanilarak yürüyüş simetrisinin analizi
ÇAĞLA TUNÇ SAVAŞ
Yüksek Lisans
İngilizce
2025
BiyomühendislikBahçeşehir ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BORA BÜYÜKSARAÇ
- Gait-based human gender classification using 5/3 lifting based wavelet filters and principal component analysis
5/3 dalgacık kaldırma filtresi ve temel bileşen analizi yöntemleri ile yürüyüşe dayalı insan cinsiyet sınıflandırması
OMER MOHAMMED SALIH HASSAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ
PROF. DR. ADNAN MOHSIN ABDULAZEZ
- Development of neural network based algorithm of active ankle prosthesis using gait analysis data
Yürüme analiz verileri kullanılarak aktif ayak bileği protezinin sinir ağı tabanlı algoritmasının geliştirilmesi
AHMET DOĞUKAN KELEŞ
Yüksek Lisans
İngilizce
2017
Mekatronik MühendisliğiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ALİ YÜCESOY
- Akıllı telefonların ivmeölçer sensörü yardımıyla yürüyüş deseni analizi
Gait analysis with using accelerometer sensor of smart phones
İBRAHİM KARSLIOĞLU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH AYDEMİR