Geri Dön

Elektromiyografi sinyallerinden miyopati, nöropati ve sağlıklı grupların sınıflandırılması

Classification of myopathy, neuropathy and healthy groups from electromyography signals

  1. Tez No: 618991
  2. Yazar: ATAKAN IŞIK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET FEYZİ AKŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Biyoteknoloji, Mühendislik Bilimleri, Bioengineering, Biotechnology, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Başkent Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 87

Özet

Elektromiyografi(EMG) kasların elektriksel aktivitelerini incelemek amacıyla kullanılan bir tekniktir. Özellikle vücutta bulunun çizgili kas veya iskelet kası olarak isimlendirilmiş kas dokusunun fizyolojik durumunu incelemekte kullanılmaktadır. EMG sinyali elde edilirken temelde 2 farklı elektrot kullanılır. Bunlardan biri yüzey elektrotlar iken diğer ise iğne elektrot diye adlandırılan invaziv uygulanan bir elektrot çeşididir. Tıbbi olarak en sık kullanılanı iğne elektrottur. EMG sinyali kasların her bir iğciğinde oluşan sinirsel aksiyon potansiyellerinin toplanmasıyla oluşmaktadır. Bu sinyal miyopati(kas hastalığı) ve nöropati(sinir hastalığı) bulguları olan hastalarda sağlıklı bir bireye göre değişiklik göstermektedir. Bu çalışmada EMGLAB adlı veri tabanından alınan skorlanmış klinik EMG verilerinin zaman ve Frekans düzlemindeki analizleri ile miyopati ve nöropati skorlaması yapabilen bir karar destek sistemi oluşturulmaya çalışılmıştır. Zaman düzleminde ortalama mutlak değer, sıfır geçiş oranı ve willison genliği analizleri yapılmıştır. Frekans düzleminde güç spektral yoğunluğu için analizler yapılmıştır. Bunun yanı sıra ayrık dalgacık dönüşümü yöntemi ile EMG sinyali alt bantlarına ayrılmış ve 2. yaklaşık alt bantın frekans analizi welch yöntemiyle güç spektral yoğunluğu hesaplamak olmuş ve bu güç spektral yoğunluğunda çeşitli öznitelikler çıkarılmıştır. Bu öznitelikler kullanılarak eğitilen farklı makine öğrenme yöntemleri ile başarılı sınıflandırma sonuçları elde edilmiştir.

Özet (Çeviri)

Electromyography (EMG) is a technique used to analyse the electrical activities of muscles It is especially used to examine the physiological state of muscle tissue called striated muscle or skeletal muscle in the body. Two different electrodes can be used to obtain the EMG signal. One of them is surface electrodes and the other is an invasive electrode type called needle electrode. The most common medical use is the needle electrode. The EMG signal is the sum of the nerve action potentials that occur in each spindle of the muscles. This signal varies according to a healthy individual in patients with signs of myopathy (muscle disease) and neuropathy (nerve disease). In this study, a decision support system capable of scoring myopathy and neuropathy with time and frequency analysis of the clinical EMG data obtained from the EMGLAB database was attempted. Mean absolute value, zero crossing rate and willison amplitude analyzes were performed in time plane. Analyzes were made for power spectral density on the frequency plane. In addition, the EMG signal is separated into sub-bands by discrete wavelet transform method and the frequency analysis of the second approximate subband is to calculate the power spectral density by the welch method and various attributes are extracted from this power spectral density. Successful classification results were obtained with different machine learning methods trained using these attributes.

Benzer Tezler

  1. Design and implementation of an EMG driven upper limb exoskeleton

    EMG tahrikli üst uzuv dış iskelet robot tasarımı ve uygulaması

    BERKEM VURAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CLAUDIA FERNANDA YAŞAR

  2. EMG sinyallerinin yapay sinir ağı kullanılarak sınıflandırılması

    Classification of EMG signals using artificial neural network

    SABRİ KOÇER

    Doktora

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF.DR. NİHAL FATMA GÜLER

  3. Elektromiyografi sinyallerinden altı farklı el hareketinin yapay zeka teknikleri kullanılarak sınıflandırılması

    Classification of six different hand movements from electromyography signals using artifical intelligence techniques

    GİZEM KÜBRA YAMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RUKİYE UZUN ARSLAN

    DOÇ. DR. YALÇIN İŞLER

  4. Makine öğrenmesi, topolojik veri analizi ve derin öğrenme modelleri ile EMG sinyal analizi

    EMG signal analysis with machine learning, topological data analysis and deep learning models

    EMİN MOLLAHASANOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF SEVİM

  5. Akıllı el protez kontrolü karar verme performansına elektromiyografi sinyallerinin çok değişkenli görgül kip ayrışımı ile analizinin etkileri

    The effects of multivariate empirical mode decomposition analysis of electromyography signals on intelligent hand prothesis control decision making performance

    FATİH ONAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mekatronik MühendisliğiBursa Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET MERT