Geri Dön

Predicting lower limb kinematics and kinetics from inertial measurement units using deep learning

Derin öğrenmeyi kullanarak atalet ölçüm birimlerinden alt ekstremite kinematiği ve kinetiğinin tahmini

  1. Tez No: 936917
  2. Yazar: METİN BİÇER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ LUCA MODENESE
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Imperıal College London
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Yapı Ana Bilim Dalı
  12. Bilim Dalı: Biyomekanik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İşaretleyici ve zemin reaksiyon kuvveti (GRF) kullanılan geleneksel hareket yakalama sistemleri, pahalı ve zaman alıcıdır, ayrıca uzman personel ve laboratuvar alanı gerektirir. Buna alternatif bir sistem olarak ataletsel ölçüm birimı sensörlerinin (IMU'lar) kullanıldığı sistemler daha ucuz ve laboratuvar ortamına bağımlı olmayan bir çözüm sunar, ancak bu sistemin sensör yerleştirme (kalibrasyon) ve veri işleme zorlukları vardır. Bu tezde, sadece sakrum bölgesine yerleştirilen tek bir IMU ile yürüyüş sırasında alt ekstremite eklem hareketi ve kuvvetlerini hesaplamak için iki derin sinir ağı (NN) modeli geliştirilmiş ve test edilmiştir. Modeller, işaretleyici tabanlı bir veri setinden simüle edilen IMU verileri kullanılarak eğitilmiş, eklem açıları ve momentleri ise bir kas-iskelet modeli tarafından hesaplanmıştır. Veri eksikliğini gidermek için çekişmeli üretici ağlar (GAN'lar) kullanılarak sentetik veriler üretilmiştir. Modeller, bu çalışma kapsamında toplanan gerçek IMU verileri ile test edilmiştir ve eklem açıları için 2.57° ve eklem momentleri için 0.19 Nm/kg hata oranı göstermiştir. Sonuçlar, sentetik veri ile eğitilen sinir ağlarının, gerçek veri setlerinde başarılı sonuçlar verdiğini ve pahalı veya karmaşık hareket yakalama sistemlerine alternatif olarak sakrum bölgesine yerleştirilen tek bir IMU sensörünün etkili bir çözüm sunduğunu göstermektedir.

Özet (Çeviri)

Motion capture using marker and ground reaction force (GRF) requires expensive and time-consuming experimental setups, trained personnel and dedicated laboratory space. In response, inertial measurement units (IMUs) have emerged as a cheaper alternative, usable in remote locations. However, IMUs present challenges in placement (calibration) and data processing (drift). To streamline IMU data collection and eliminate the need for multiple sensors, this thesis develops and validates two deep neural network (NN) models for computing lower limb joint kinematics and kinetics during walking using data from a single sacrum-worn IMU. These NNs were developed using IMU data simulated from a publicly available marker-based dataset as inputs, with joint angles and moments calculated by a musculoskeletal model as labels. Given inadequate dataset sizes for deep learning applications, generative adversarial networks (GANs) were employed to create synthetic marker and GRF datasets. Comparisons between synthetic and experimental datasets, using statistical tests, ensured realistic data generation for NN training. Subsequently, the developed NNs were initially tested on a dataset encompassing marker, GRF, and real IMU data collected for this study, showing root mean squared errors (RMSEs) of 4.48° for joint angles and 0.21 Nm/kg for joint moments. These models were then fine-tuned, reducing the RMSE to 2.57° for joint angles and 0.19 Nm/kg for joint moments on another set of real IMU data collected in this study. The significance of these NNs lies in their reliance on training with simulated datasets and testing with real datasets from different institutions with varying protocols, suggesting that the developed NNs can be deemed as inter-laboratory tools. Conversely, the fine-tuned models were refined and evaluated using the dataset collected in this study, thereby rendering them laboratory-specific in their applicability. The thesis developed and validated NNs to predict lower limb joint angles and moments using data from a single sacrum-worn IMU.

Benzer Tezler

  1. Tez No

    1017512

    Design, development, and control of an active transfemoral prosthesis

    Aktif transfemoral protezin tasarımı, geliştirilmesi ve kontrolü

    OMID ARFAIE KHOSROWSHAHI

    Doktora

    İngilizce

    İngilizce

    2026

    BiyomühendislikÖzyeğin Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAMAZAN UNAL

  2. Tez No

    845786

    Hastanemiz acil servisine başvuran depremzede hastaların ekstremitelerinin ezilme yaralanmalarının MESS (Mangled Extremity Severity Score) ile şiddetinin belirlenmesi ve MESS'in akut böbrek hasarı ile hemodiyaliz ihtiyacını öngörmedeki yeri

    Determination of the Severity of Mangled Extremity Severity Score (MESS) of crush injuries of the extremities of earthquake victim patients applying to the emergency department of our hospital and the place of MESS in predicting acute kidney injury and hemodialysis requirement

    MAHSUN MANAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. SONGÜL ARAÇ

  3. Tez No

    933052

    Süperfisyal Femoral Arter kronik total oklüzyonlarının girişimsel tedavisinde, kollateral basınç indeksi ve kollateral 'frame sayısı' indeksindeki değişimin, periprosedürel, hastane içi ve uzun dönem klinik sonlanımları öngörmedeki rolü

    The role of change in collateral pressure index and collateral frame number index in prediction of periprocedure, in-hospital and long-term clinical outcomes in interventional treatment of chronic total occlusions of the Superfical Femoral Artery

    SELİN BÜŞRA ÇAKIR

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    KardiyolojiMarmara Üniversitesi

    Kardiyoloji Ana Bilim Dalı

    PROF. DR. YUSUF EMRE GÜREL

  4. Tez No

    59788

    Perkütan translüminal anjioplastinin teknik değerlendirilmesinde doppler görüntülemenin rolü

    Başlık çevirisi yok

    ANDAY ATAMAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1997

    Radyoloji ve Nükleer TıpGazi Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. ERHAN ILGIT

  5. Tez No

    833330

    Perifer arter hastalarında HS-CRP/albümin oranının perkütan tedavinin başarısını ve tedavi sonrası hastalığın prognozunu öngörebilme gücü

    HS-CRP/albumin ratio as a predictor of successful revascularization and the prognosis of disease after treatment in peripheral artery patients

    KIVANÇ EREN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    KardiyolojiSağlık Bilimleri Üniversitesi

    Kardiyoloji Ana Bilim Dalı

    DOÇ. DR. ELNUR ALİZADE

Geri Dön