Two channel EMG classification for transradial arm movements
Transradiyal kol hareketleri için iki kanal EMG sınıflandırması
- Tez No: 619654
- Danışmanlar: DOÇ. DR. AHMET ÖZKURT
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Teknolojiler Bilim Dalı
- Sayfa Sayısı: 73
Özet
Bu tez kapsamında, transradyal kol ampütasyonu geçirmiş bireylere yönelik geliştirilebilecek Elektromiyografi tabanlı bir protez için yapay sinir ağları (YSA) kullanılarak sınıflandırma algoritması üzerine çalışılmıştır. Elektromyografi (EMG) sinyallerinin alınması için, uygulama kolaylığı göz önünde bulundurularak yüzey electromyografisi tercih edilmiştir. Tek kanal üzerinden alınan verilerin sınıflandırma için yetersiz olması nedeniyle, kaydediler veriler işlenerek çeşitli özellikler çıkartılmıştır. Ortalama mutlak değer, karekök ortalama, basit kare integrali, EMG varyansı, log detektörü, maksimum fraktal uzunluğu, dalgaboyu, ortalama genlik değişimi, diferansiyel mutlak standart sapma değeri, willison genliği ve eğim işaret değişikliğ özellikleri sınıflandırma amacıyla eğitilecek YSA girdi matrisi olarak verilmiştir. Bu çalışmada, açık el, kapalı el, bilek fleksiyonu ve ön kol supinasyonu olmak üzere dört farklı hareket sınıflandırılmıştır. YSA eğitimleri sonucunda doğruluk, duyarlılık, özgüllük ve kesinlik performans metrikleri hesaplanmış, incelenmiş ve değerlendirilmiştir. Bu tez kasamında yapılan çalışma sonucunda gizli katman düğümü sayısının, özellik çıkarma, özellik seçimi ve YSA'nın kişiselleştirilmesinin sınıflandırma performansına etkileri değerlendirilmiştir. Bireysel olarak düşük doğruluk oranlarına sahip özelliklerin gruplandırılması ve kombine edilmesi ile oluşturulan özellik kümeleri ile YSA eğitilerek yüksek performans metrikleri sağlayan bir sınıflandırıcı oluşturulmuştur. Oluşturulan iki özellik seti genelleme ile yüzde 88, kişiselleştirme ile yüzde 95 doğruluk elde edilmiştir.
Özet (Çeviri)
In this thesis, the classification algorithm for electromyography (EMG) based prosthesis which can be developed for individuals who have undergone transradial arm amputation has been studied using artificial neural networks (ANN). Surface electromyography (sEMG) has been preferred for ease of application in order to receive EMG signals. The data were processed and various features were extracted. Mean absolute value (MAV), root mean square (RMS), simple square integral (SSI), variance of EMG (VAR), log detector (LOG), maximum fractal length (MFL), wavelength (WL), average amplitude change (AAC), difference absolute standard deviation value (DASDV), Willison amplitude (WAMP) and slope sign change (SSC) features are given as an input matrix to the ANN to be trained for classification purposes. In this study, four different movements as relaxed hand, hand close, wrist flexion, and forearm supination are classified. The accuracy, sensitivity, specificity, and precision performance metrics were calculated as a result of ANN training and examined and interpreted. As a result of the study carried out within the scope of this thesis, the effects of the number of hidden layer neurons, feature extraction, feature selection and individualization of ANN to classification performance were evaluated. A classifier that provides high classification performance metrics were established by training with feature sets formed by grouping and combining features with individual low accuracy rates. The two feature sets created achieved 88 percent accuracy with generalization and 95 percent accuracy with individualization.
Benzer Tezler
- Using deep learning for movement classification eeg/emg type time series
Eeg/emg türü zaman serileri kullanılarak hareket sınıflandırma için derin öğrenme kullanımı
HARUN GÜNEŞ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET ÇINAR
- Çeşitli aktiviteler sırasında kaydedilmiş EEG ve EMG işaretlerinin sınıflandırılması
Classification of recorded EEG and EMG signals during various activities
TANER YURDUSEVER
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TEMEL KAYIKÇIOĞLU
- Protez denetimi için elektromiyografi (EMG) de örüntü tanıma
Pattern recognition on electromyography for prosthesis control
DENİZ TAŞAN
Yüksek Lisans
Türkçe
2008
Mühendislik BilimleriEge ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
YRD. DOÇ. DR. MEHMET ENGİN
- EMG işaretlerinin özniteliklerinin çıkarılması, kNN ve YSA yöntemleri ile sınıflandırılması
Classification of the EMG signal using neural network pattern recognition and kNN algorithm
ÇAĞRI ÇERÇİ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Servikal bölgede oluşan kas yorgunluğunun yüzey elektromiyogram bilgileri ile değerlendirilmesi
The evaluation of the muscle fatigue in the cervical region with surface electromyogram information
GÜZİN ÖZMEN
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÖZBAY