Improving healthcare facilities by using artificial intelligence methods
Başlık çevirisi mevcut değil.
- Tez No: 796111
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Tekerlekli sandalye kullanıcısının hareketini izlemek, tekerlekli sandalye kullanıcısının hareketliliğini değerlendirmek ve aktif bir yaşam tarzı sürdürmelerine yardımcı olmak için temel bir görevdir. Araştırmalar, artan hareketliliğin daha sağlıklı genel yaşam tarzlarına yol açtığını ve engelli kişilerin hareketsiz yaşam tarzları ve kardiyovasküler hastalık, obezite ve basınç ülserlerinin gelişimi dahil olmak üzere bu yaşam tarzıyla ilişkili sağlık sorunları için artan risk altında olduğunu göstermiştir. 1]. Tekerlekli sandalye kullanıcısı hareketlilik verilerini analiz etmek için mevcut teknoloji, satın alınması ve bakımının yapılması gereken harici sensörlerin kullanılmasını gerektirir [2]. Hareketlilik verilerinin muhafaza edilmesi ve analiz edilmesini kolaylaştırmak için, tekerlekli sandalye kullanıcısı hareket verilerini toplamak ve analiz etmek için akıllı mobil cihazlar gibi mevcut teknolojilerden yararlanabilir. Bu çalışma, tekerlekli sandalye veya tekerlekli sandalye kullanıcısına bağlı akıllı cihazlardan toplanan tekerlekli sandalye kullanıcı verileri kullanılarak eğitilen tekrarlayan bir sinir ağının (RNN) geliştirilmesine odaklanacaktır. Bu şekilde veri toplamanın yararı, ek sensör veya ekipman kullanımını gerektirmemesidir, çünkü çoğu tekerlekli sandalye kullanıcısı hareket verilerini toplayabilen bir akıllı cihaza zaten erişebilecektir. Çalışma, akıllı bir cihazdan toplanan verileri bir RNN kullanarak anlamlı bir şekilde analiz etmenin mümkün olduğunu buldu. Ham veriler, bir tekerlekli sandalye kullanıcısının hareketliliği hakkında bilgi toplamak için RNN ile analiz edilir. Son analiz, hareket etmek için harcanan toplam süreyi, hareket nöbetlerinin sayısını ve en uzun hareket dönemini içerir. Ortaya çıkan bu veriler, sağlıklı yaşam tarzı alışkanlıklarını değerlendirmeye yardımcı olmak için bir tekerlekli sandalye kullanıcısı veya sağlık uzmanı tarafından kullanılabilir.
Özet (Çeviri)
Monitoring wheelchair user movement is an essential task for assessing a wheelchair user's mobility and helping them maintain an active life style. Research has shown that increased mobility leads to healthier overall life styles, and that people with disabilities are at an increased risk for sedentary life styles and the health problems associated with that lifestyle, including cardio vascular disease, obesity, and the development of pressure ulcers [1]. Existing technology for analyzing wheelchair user mobility data requires the use of external sensors that must be purchased and maintained [2]. To improve the ease by which mobility data is maintained and analyzed, a wheelchair user can utilize existing technology, such as smart mobile devices, to gather and analyze motion data. This study will focus on the development of a recurrent neural network (RNN) that is trained using wheelchair user data collected from smart devices attached to the wheelchair or wheelchair user. The benefit of collecting data this way is that it does not require the use of additional sensors or equipment, as most wheelchair users will already have access to a smart device capable of collecting movement data. The study found that it was feasible to meaningfully analyze data gathered from a smart device using an RNN. The raw data is analyzed with the RNN to gather information about the mobility of a wheelchair user. The final analysis includes the total time spent moving, number of bouts of movement, and the longest bout of movement. This resulting data could be used by a wheelchair user or healthcare professional to help assess healthy lifestyle habits.
Benzer Tezler
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Mevcut hastanelerin akreditasyon kriterleri bağlamında etmen tabanlı bir sistem ile değerlendirilmesi
Evaluation of an exiting hospital building in the context of accreditation cruteria using an agent based system
NAZLI PURDE SAVUL
Yüksek Lisans
Türkçe
2014
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Yapay kas uygulamaları için nanokompozit malzeme geliştirilmesi
Development of nanocomposite material for artificial muscle applications
AYŞE KÜBRA AYDINALEV
Yüksek Lisans
Türkçe
2023
Biyomühendislikİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MELEK MÜMİNE EROL TAYGUN
- Bursa'da sağlık tesislerinin mekânsal dağılımı ve erişim özellikleri
Spatial distribution and access properties of the health facilities in Bursa
SEDA IŞIK
Yüksek Lisans
Türkçe
2020
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir Planlama Ana Bilim Dalı
PROF. DR. TURGAY KEREM KORAMAZ