Performance assessment of physiotherapy and rehabilitation exercises with deep learning
Derin öğrenme ile fizyoterapi ve rehabilitasyon egzersizleri için performans değerlendirme
- Tez No: 618930
- Danışmanlar: DR. ÖĞR. ÜYESİ TARKAN AYDIN
- 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: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Fizyoterapi ve rehabilitasyon süreci, hastalar tarafından ameliyat sonrası iyileşme veya çok çeşitli kasiskelet sistemi rahatsızlıklarının tedavisi için kritik öneme sahiptir. Rehabilitasyon yöntemlerinin temeli olan egzersiz tedavisi, eklemlerin hareket aralığını arttırmayı, yeterli kas kuvveti ve esneklik sağlamayı ve hareket kalitesini elde etmeyi amaçlar. Tedavi sürecinde yapılan egzersizler sırasında vücut ve postür uyumu dikkate alınmalı, klinik karar verme adımlarına uygun egzersiz süresi, yoğunluğu ve sıklığı bireysel olarak ayarlanmalı ve düzenli olarak uygulanmalıdır. Hastaların fizyoterapi ve rehabilitasyon süreci hem kliniklerde hem de evde yürütülmekte olup, tedavinin önemli bir parçasını oluşturmaktadır ve zaman alıcıdır. Ancak, her rehabilitasyon seansı için bir klinisyene erişim sağlamak, halen eskisi kadar zor ve maliyetlidir. Aynı zamanda, hastaların rehabilitasyon progresyonu konusundaki motivasyonları ve önerilen egzersizlerin yararı için egzersizlerin doğru yapılıp yapılmadığını kontrol etmek çok önemlidir. Bilgisayar destekli uygulamalar ve teknoloji entegrasyonu bu nedenle oldukça gereklidir. Bu çalışmada derin öğrenme ve sinir ağı mimarileri kullanılarak rehabilitasyonda kullanılan egzersiz hareketlerinin performans kalitesinin değerlendirilmesi için bir yöntem önerilmiştir.Açık kaynaklı bir poz tahmin şeması olan Alpha Pose, bu çalışma için RGB egzersiz videolarından oluşan veri setinde çalışarak kilit noktaları veya iskelet 3D verilerini elde etmek için poz tahmin sonuçlarını üretmek için kullanılmıştır. ResNet derin öğrenme mimarisi kullanılarak, herhangi bir RGB derinlik kamera kullanmadan veya basit kaydedilmiş videolardan oldukça pahalı olan kontak hareket sensörü sistemleri kullanılmadan 3D iskelet bağlantı verilerini toplamak için sağlam poz tahminleri elde edilmiştir. Egzersiz hareketlerini etiketlemek için, gözetimli bir şekilde üç fizyoterapist tarafından verilen temel gerçek verilerine dayanan bir performans kalitesi değerlendirme modeli önerilmiştir. Bu amaçla, önerilen yapay derin sinir ağı modelinde, 1 ile 10 arasında bir performans kalite puanı elde etmek için uzman görüşleri kullanılmıştır. Önerilen tekniğin ana bileşenleri, hareket performansını, klinisyen değerlendirme sonuçlarını ve kalite puanlarını ölçmede kullanılan kriterler ve yeni bir egzersizin performansını tahmin etmek için oluşturulan derin sinir ağı modelleridir. Belirtilen egzersiz videolarının toplanması maliyetli olduğundan ve yalnızca belirtilen videoları içeren kullanıma açık bir veri seti bulunmadığından, 3B iskelet bağlantılarını içeren videolar, veri doğruluğunu artırmak ve ağ eğitiminde kullanılan için veri arttırma yöntemi kullanılmıştır. Bu çalışmada, evrişimli yapay sinir ağları ve uzun kısa vadeli hafıza yapay sinir ağları gibi çoklu sinir ağı mimarileri incelenmiştir. Modeller ortalama mutlak sapma, ortalama kare hatası, kök ortalama kare hatası gibi regresyon performans kriterlerine göre araştırılmış ve karşılaştırılmıştır. Video ve görüntü işleme için iyi bilinen derin öğrenme mimarileri, elde edilen sonuçlara göre incelenmiştir. Deney sonuçları referans çalışmasıyla karşılaştırılmıştır. Sonuçlar, öğrenme modellerinin kalite tahminlerinin gerçeğin değerlerini güvenilir bir şekilde takip ettiğini ve derin öğrenme modellerinin rehabilitasyon çalışmalarının değerlendirilme yeteneğini doğruladığını göstermiştir.
Özet (Çeviri)
Physiotherapy and rehabilitation process is critical for postoperative recovery by patients or for the treatment of a wide variety of musculoskeletal disorders. Exercise treatment, which is the basis of rehabilitation methods, aims to increase the range of motion of the joints, provide adequate muscle strength and flexibility, and achieve movement quality. Body and posture alignment should be taken into consideration during the exercises performed during the treatment process, exercise duration, intensity and frequency should be required patient specific adaptation and applied regularly according to clinical decision-making steps. The physiotherapy and rehabilitation process of the patients is carried out both in the clinics and at home, constitutes an important part of the treatment and is time consuming. However, accessing a clinician for each rehabilitation session is still as difficult and costly as before. Computer-aided applications and technology integration are therefore very necessary. At the same time, it is very important to evaluate whether the exercises are performed correctly, for the motivation of the patients for the progression of rehabilitation and for the benefit of the proposed exercises. In this study, it has been proposed a method for evaluation of the performance quality of exercises movements used in rehabilitation using deep learning and neural network architectures. Alpha Pose, an open-source pose estimation scheme, has been used to produce pose estimation results to get key-points or skeletal 3D data by running on the data set that it is composed of RGB exercise videos for this study. Using the ResNet deep learning architecture, robust pose estimations are provided to collect 3D skeleton joints data without using any RGB depth cameras or using highly expensive contact motion sensor systems from simple recorded videos. In order to label the exercise movements, a performance quality evaluation model based on the ground-truth data given by three physiotherapists has been proposed in a supervised manner. For this purpose, in the proposed artificial deep neural network model, expert opinions were used to obtain a performance quality score between 1 and 10. The main components of the proposed technique are the criteria used to measure movement performance, clinician evaluation results and quality scores, and deep neural network models to predict a new exercise. Since the collection of the specified exercise videos is costly and there is no public data set containing only the specified videos, the data set used to improve data accuracy and network training involving 3D skeleton connections has been increased. In this study, multiple neural network architectures such as convolutional Long Short Term Memory (LSTM) and only LSTM were examined. Models were investigated and compared according to regression performance criteria such as mean absolute deviation, mean square error, root mean square error. The well-known deep learning architectures for video and image processing were examined depending on the achieved results. The experimental results are compared with the reference study. The results showed that the quality estimates of the learning models reliably follow the values of the truth and confirm the ability of the deep learning models for the evaluation of rehabilitation studies.
Benzer Tezler
- Lumbal disk hernili bireylerde sanal gerçeklik uygulamasının denge, ağrı, kinezyofobi, depresyon ve yaşam kalitesi üzerine etkinliğinin incelenmesi
Examining the effectiveness of virtual realty application on balance, pain, linesiophobia, depression and qualty of life in individuals with lumbar disc herniation
İZEL AKÇE
Yüksek Lisans
Türkçe
2024
Fizyoterapi ve RehabilitasyonÜsküdar ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. DENİZ DEMİRCİ
- Multiple skleroz hastalarında tampa kinezyofobi-yorgunluk ölçeği'nin güvenirlik ve geçerliliği
The reliability and validity of the tampa kinezophobia-fatigue scale in multiple sclerosis patients
BURAK KESE
Yüksek Lisans
Türkçe
2020
Fizyoterapi ve RehabilitasyonHacettepe ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. ÖZNUR YILMAZ
- Prostat kanserli hastalarda gözetim altında, video temelli ve ev programı şeklinde uygulanan dirençli egzersiz programının etkinliğinin karşılaştırılması
Comparison of the effectiveness of physiotherapy program applied under compact supervision, video small and home program in prostate cancer patients
MERVE AKYOL YALÇIN
Yüksek Lisans
Türkçe
2024
Fizyoterapi ve RehabilitasyonAcıbadem Mehmet Ali Aydınlar ÜniversitesiFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZLEM FEYZİOĞLU
- İnme olgularında navigasyonlu repetetif transkraniyal manyetik stimulasyon (rTMS) ve brunnstrom el eğitiminin el fonksiyonlarına etkisi
Effects of navigated repetitive transcranial magnetic stimulation (rTMS) and brunnstrom hand training on hand functions in stroke patients
MEHMET ÖZKESKİN
Doktora
Türkçe
2014
Fiziksel Tıp ve RehabilitasyonDokuz Eylül ÜniversitesiFizik Tedavi ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. VESİLE ÖZTÜRK
PROF. DR. BİLGE KARA
- Hipofiz adenomlu bireylerde aerobik eğitim ile birlikte yapılan kuvvetlendirme eğitimi ve yoganin biyokimyasal faktörler, fiziksel performans ve yaşam kalitesine etkilerinin incelenmesi
Effects of aerobic training combined with strengthening training and yoga on biochemical factors, physical performance and quality of life in people with pituitary adenoma
ESRA DÜLGER
Doktora
Türkçe
2022
Fizyoterapi ve RehabilitasyonHacettepe ÜniversitesiNörolojik Fizyoterapi Ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. SEVİL BİLGİN