Yürüme esnasında ayakta meydana gelen basınç değişikliklerine göre Parkinson hastalığının tespitinde makine öğrenmesi algoritmasının kullanılması
Using machine learning algorithm in detection of Parkinson's disease according to pressure changes in standing during walking
- Tez No: 775351
- Danışmanlar: PROF. DR. AHMET SERTBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Destek vektör makineleri, Parkinson hastalığı, Sınıflandırma, Yürüme analizi, Support vector machines, Parkinson disease, Classification, Gait analysis
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yürüyüş aktivitesi analizi, Parkinson hastalığını tespit etmek için kullanılan yöntemlerden biridir. Parkinson hastalığının yürüyüş aktivitesi normal bir insanın yürüyüşünden farklıdır. Bu çalışmada, Parkinson hastalığını saptamak için düşük boyutlu öznitelik vektör temsilini kullanan bir destek vektör makine tabanlı sınıflandırma yöntemi önerilmiştir. Öznitelik olarak ortalama duruş süresi, ortalama adım süresi, ortalama adim mesafe ve yürüyüş periyodunda elde edilen frekans değeri kullanılmıştır. Sınıflandırma işlemi için sadece O(n) zaman karmaşıklığına sahip 4 özellik değeri kullanılmaktadır. Deneysel sonuçlar, önerilen yöntemin bu birkaç özellik altında bile literatürde önerilen benzer çalışmalarla rekabet edebileceğini göstermektedir. Deneysel sonuçlara göre, tüm veri seti altında %85'e varan yüksek sınıflandırma performansı elde edilmiştir. Ayrıca veri setleri tek tek değerlendirildiğinde %91'e varan üstün sınıflandırma performansı elde edilmektedir.
Özet (Çeviri)
Thanks to the developing technology, Parkinson's disease can be detected by using datasets which are obtained from different sources. Gait activity analysis is one of the methods used to detect Parkinson's disease. The gait activity of Parkinson's disease differs from the gait of a normal person. In this study, a support vector machine-based classification method using low-dimensional feature vector representation is proposed to detect Parkinson's disease. Average stance time, average stride time, average stride distance and frequency value obtained during walking period were used as features. Only 4 feature values having O(n) time complexity are used for the classification process. Experimental results point out that the proposed method can compete with similar studies proposed in the literature, even under these few features. According to the experimental results, high classification performance, up to 85%, is obtained under the whole dataset. Moreover, superior classification performance, up to 91%, is obtained when the datasets are evaluated individually.
Benzer Tezler
- Çekirdeksiz kuru üzümlerde aflatoksin B1, B2, G1, G2 tayini için mevcut bazı metotların karşılaştırılması üzerinde bir çalışma
Başlık çevirisi yok
DİLEK BOYACIOĞLU
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MERAL GÖNÜL
- Avrupa Topluluğu'nun bürokratik yapısı
Başlık çevirisi yok
GÜNİZ ODYAKMAZ
Yüksek Lisans
Türkçe
1989
Uluslararası İlişkilerİstanbul ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. BENER KARAKARTAL
- İran İslam Cumhuriyeti Anayasası'nda yasama ve yürütme organları
Başlık çevirisi yok
GHOLAM REZA BAGHERİ MOGHADDAM
- Tarihsel gelişimi bakımından TRT'nin yönetim şekli ve hukuk düzeni
Başlık çevirisi yok
KAMİL ÖZÇELİK
Yüksek Lisans
Türkçe
1987
Radyo-Televizyonİstanbul ÜniversitesiRadyo Televizyon Ana Bilim Dalı
PROF. DR. EROL CİHAN
- Hemiplejik hastaların rehabilitasyonunda brunnstrom ve NEH (Normal eklem hareketleri) tedavi yöntemlerinin karşılaştırılması
Başlık çevirisi yok
NURTEN DARDAĞAN
Yüksek Lisans
Türkçe
1986
Fiziksel Tıp ve RehabilitasyonUludağ ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. ORHAN ÖZCAN