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: 79
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
- 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
- Serebral parezili çocuklarda video bazlı gözlemsel yürüme analizinin gözlemci içi ve gözlemciler arası güvenilirliğinin belirlenmesi
Iterrater and intrarater reliability of the video based obsovational gait analysis
NAFİZ EKİN AKALAN
- Skolyozu olan romatizmalı çocuklarda yapılandırılmış 3 boyutlu egzersiz ve konvansiyonel egzersiz programının etkinliğinin karşılaştırılması
Comparison of the effectiveness of the structured 3d exercise and the conventional exercise program for scoliosis in children with rheumatic disease
EYLÜL PINAR KISA
Doktora
Türkçe
2022
Fizyoterapi ve Rehabilitasyonİstanbul Üniversitesi-CerrahpaşaFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. ELA TARAKCI
- Gait analysis and its implemantation
Gait analizi ve uygulaması
SERHAT GÜVENİLİR
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiYeditepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM ÜNSALAN