Development of a recurrent neural network based estimation algorithms for ankle power by using surface EMG
Yüzeysel elektromiyografi verisi ile yüruyüş esnasında ayak bileğindeki güçü tahmin eden yinelemli sinir ağı üretimi
- Tez No: 767063
- Danışmanlar: PROF. DR. CAN ALİ YÜCESOY
- Tez Türü: Yüksek Lisans
- Konular: Biyofizik, Mühendislik Bilimleri, Biophysics, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yöneylem Araştırması Bilim Dalı
- Sayfa Sayısı: 48
Özet
Ayak bileği gücünün tahmini, yürüyüş anormalliklerinin tanımlanmasında ve elektrikli protez cihazlarda net güç üretiminin zamanlamasının belirlenmesinde kullanılabilir. Ayak bileği gücünün mevcut ters dinamik hesaplamaları, prostetik cihaz kullanıcıları için uygulanabilirliğini ve erişilebilirliğini sınırlayan, uzmanlaşmış, pahalı laboratuvarlarda toplanan yürüyüş analizi verilerine dayanmaktadır. Bu çalışmanın amacı, algoritma girdileri olarak sadece yüzey elektromiyografisini kullanarak düz yürüme sırasında ayak bileği gücünü tahmin etmek için bir Tekrarlayan Sinir Ağı sistemi geliştirmektir. Bu amaçla, yaşları 6 ile 72 arasında değişen 25 erkek ve 25 kadından oluşan 50 katılımcının yer aldığı açık erişimli bir veri seti. Veri setinde üst bacak kaslarına ait sEMG verileri bulunmaktadır: Biceps Femoris (BF), Gastrocnemius Medialis (GM), Gluteus Maximum (GMax), Rectus Femoris (RF), Vastus Medialis (VM) ve alt vücut kasları; Peroneus Longus (PL), Soleus (SO), Tibialis Anterior (TA). Tüm bu kasların kombinasyonları için algoritmalar geliştirilmiştir. Gerçek (yürüyüş analizinin sonucu) ve tahmin edilen ayak bileği gücü arasında 0.90'lık bir korelasyon katsayısı bu çalışma için başarılı bir performans olarak kabul edilmiştir. 25 kas kombinasyonunda başarılı sonuç alindi. Tüm başarılı kas gruplarının ya PL ya da GM kasını gözlemlendi. Bulgularımız, sistemimizin güçlü protez kontrolünde ve yürüyüş anormalliklerinin tespitinde kullanılabileceğini düşündürmektedir.
Özet (Çeviri)
Estimation of ankle power can be used in identification of gait abnormalities and establishing timings of net power generation in powered prosthetic devices. Current inverse dynamics calculations of ankle power rely on gait analysis data collected in specialized, expensive laboratories, which limits its applicability and accessibility for prosthetic device users. The aim of this study is to develop a Recurrent Neural Network system to estimate ankle power during level walking by using only surface electromyography (sEMG) as algorithm inputs. For this purpose, an open access data set which includes 50 participants with 25 males and 25 females aged between 6 to 72. In the dataset there are sEMG data from upper leg muscles: Biceps Femoris (BF), Gastrocnemius Medialis (GM), Gluteus Maximum (GMax), Rectus Femoris (RF), Vastus Medialis (VM) and lower body muscles; Peroneus Longus (PL), Soleus (SO), Tibialis Anterior (TA). Algorithms for combinations of all these muscles have been developed. A correlation coefficient of 0.90 between the actual (result of gait analysis) and predicted ankle power is considered to perform successfully. 25 muscle combinations yielded successful correlations with 1 set of 1 muscle, 3 sets of 2 muscles, 5 sets of 3 muscles, 9 sets of 4 muscles, 5 sets of 5 muscles, 1 set of 6 muscles, 1 set of 7 muscles. Note that, all successful muscle groups include either PL or GM muscle. Our findings suggest that our system can be used in powered prosthetics control and detection of gait abnormalities.
Benzer Tezler
- Deep-learning for communication systems: New channel estimation, equalization, and secure transmission solutions
Haberleşme sistemleri için derin öğrenme: Yeni kanal kestirimi, denkleştirme ve güvenli iletim çözümleri
MÜCAHİT GÜMÜŞ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA METE DUMAN
- Network intrusion detection with a deep learning approach
Derin öğrenme yaklaşımı ile ağ saldırı tespiti
EBRU KÜLTÜR
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYBAR CAN ACAR
- Hanehalkı yoksulluk düzeyinin makine öğrenmesi ve yapay sinir ağları ile tahmini: Türkiye örneği
Estimation of household poverty level via machine learning and artificial neural networks: The case of Türkiye
BEYZANUR ABACI
Yüksek Lisans
Türkçe
2024
MaliyeNecmettin Erbakan ÜniversitesiMaliye Ana Bilim Dalı
PROF. DR. ALTUĞ MURAT KÖKTAŞ
- Elektrikli araç şarj istasyonlarının akıllı şebekelerle entegrasyonunun sağlanması ve bu istasyonların şebekeye getireceği yükün incelenmesi: Bursa örneği
Ensuring the integration of electric vehicle charging stations with smart grids and investigation of the load that these stations bring to the network: Bursa
ENES AVCİ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA AYDIN
- Financial time series prediction with lstm recurrent neural networks
Tekrarlayan yapar sinir ağları lstm ile finansal zaman serisi tahminleme
KEMAL BAYINDIR
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEVFİK AYTEKİN