Omurilik yaralanması olan hastalarda yapılan el ve kol hareketlerinin derin öğrenme ve EEG tabanlı beyin bilgisayar arayüzleri yaklaşımı ile sınıflandırılması
Classification of the attempted arm and hand movements of patients with spinal cord injury using deep learning and EEG-based brain computer interfaces approach
- Tez No: 836008
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇAĞLAR UYULAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: 103
Özet
Servikal omurilik yaralanması olan kişilerde kaybolan veya azalan hareket yeteneklerini eski haline getirmek, yaşam kalitelerini önemli ölçüde arttırabilir. Buna ilişkin en önemli hususlardan biri, invazif olmayan kullanıcı arayüzleri ile yardımcı teknolojiler geliştirmektir. Bu tez çalışmasının ana motivasyonu, servikal omurilik yaralanması olan hastaların beş temel merkezi motor alan kökenli hareketine (el açma, avuç içi kavrama, yana kavrama, bileği içe doğru çevirme ve bileği dışa doğru çevirme) ilişkin ortalama sınıflandırma performansını arttırmaktır. Bu amaçla, Graz Teknoloji Üniversitesi Sinir-Mühendisliği Enstitüsü tarafından hazırlanmış, servikal omurilik yaralanması hastalarına ait“el ve kol hareketleri veri seti”kullanılmıştır. Denenen kol ve el hareketlerine karşılık gelen elektroensefalografi sinyallerinin,tek boyutlu evrişimsel sinir ağı mimarisi ile uzun kısa süreli bellek mimarisinin birleştirilmesi sonucu elde edilen derin öğrenme yöntemi ile, özellikleri ortaya çıkarılmış ve sınıflandırma işlemi gerçekleştirilmiştir. Bununla birlikte, üç farklı özellik seçimi yöntemi uygulanmış ve en yüksek ayırıcılık seviyesine sahip olan 32 elektrot seçilmiştir. Elde edilen özellikler, el ve kol hareketlerine ait beş farklı kategoride sınıflandırılmış ve sonuçların güvenirliğini artırmak için 10-kat çapraz doğrulama yöntemi kullanılmıştır. Ardından sonuçların görselleştirilmesi amacı ile, t-dağılımlı stokastik komşu yerleştirme ile k-ortalama kümeleme algoritması kullanılmıştır. Sonuç olarak; bu tez, beyin-bilgisayar arayüzü ve derin öğrenme çerçevesine sahip elektroensefalografi kontrollü yardımcı cihazların geliştirilmesine katkıda bulunmayı amaçlamaktadır.
Özet (Çeviri)
Restoring lost or reduced mobility in people with cervical spinal cord injury can significantly improve their quality of life. One of the most important aspects of this is to develop non-invasive user interfaces and assistive technologies. The main motivation of this thesis is to increase the average classification performance of patients suffering from cervical spinal cord injury for five basic central motor area-based movements (hand open, palmar grasp, lateral grasp, pronation, supination). For this purpose, the“hand and arm movement dataset”of cervical spinal cord injury patients, prepared by the Graz University of Technology Neuro-Engineering Institute, was utilized. With the aid of the deep learning method including the combination of the one-dimensional convolutional neural network architecture and the long short-term memory architecture, the features of the electroencephalography signals corresponding to the attempted arm and hand movements were revealed and the classification process was carried out. Moreover, three different feature selection methods were applied and 32 electrodes with the highest discrimination level were selected. Obtained features were classified into five different categories of hand and arm movements and a 10-fold cross-validation method was performed to increase the reliability and robustness of the results. Then, a k-means clustering algorithm with t-distribution stochastic neighbor embedding was applied to visualize the results. In conclusion; this thesis aims to contribute to the development of electroencephalography-controlled assistive devices with a brain-computer interface and deep learning framework.
Benzer Tezler
- The effects of low-intensity resistance training with blood flow restriction versus traditional resistance exercise on gait performance in stroke
İnmede kan akışı kısıtlamalı düşük yoğunlukta direnç egzersizlerinin geleneksel direnç egzersizlerine karşı yürüyüş performansı üzerine etkileri
ISHTIAQ AHMED
Yüksek Lisans
İngilizce
2022
Fizyoterapi ve Rehabilitasyonİstanbul Üniversitesi-CerrahpaşaFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. RÜSTEM MUSTAFAOĞLU
- Kadın travmatik omurilik hasarlı hastalarda ürodinamik bulgular
Urodynamic findings in female traumatic spinal cord injured patients
AYŞENUR BAŞ
Tıpta Uzmanlık
Türkçe
2020
Fiziksel Tıp ve RehabilitasyonSağlık Bilimleri ÜniversitesiFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
PROF. DR. HAKAN TUNÇ
PROF. DR. MURAT ERSÖZ
- Deneysel spinal kord yaralanma modelinde Edaravone'un nöroprotektif etkisinin araştırılması
Experimental spinal cord injury model to investigate the neuroprotective effects of Ederavone
ALİ ALPER TAKMAZ
Tıpta Uzmanlık
Türkçe
2014
Nöroşirürjiİnönü ÜniversitesiNöroşirürji Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET AKİF DURAK
- Torakolomber transpediküler vida ile posterior stabilizasyon uygulanan hastalarda cerrahi alan enfeksiyonu gelişiminin prospektif takibi
Prospective follow-up of surgical site infection in patients undergoing posterior stabilization with thoracolumbar transpedicular screw
BURAK EREN
Tıpta Uzmanlık
Türkçe
2010
NöroşirürjiSağlık BakanlığıBeyin-Sinir ve Omurilik Cerrahisi Ana Bilim Dalı
PROF. DR. FEYZA KARAGÖZ GÜZEY
- Komplet ve inkomplet travmatik omurilik yaralanmalı hastalarda ürodinamik bulguların karşılaştırılması
A comparison of urodynamic findings between patients with complete and incomplete traumatic spinal cord injuries
İLKER FATİH SARI
Tıpta Uzmanlık
Türkçe
2015
Fiziksel Tıp ve RehabilitasyonSağlık BakanlığıFiziksel Tıp ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. KURTULUŞ KÖKLÜ