Diz rahatsızlıklarının makine öğrenmesi yöntemleri kullanılarak tespitinde elektromiyografi (EMG) işaretlerinin yineleme grafikleri ile değerlendirilmesi
Evaluation of electromyography (EMG) signals with recurrence plots in detection of knee disorders by using machine learning methods
- Tez No: 938479
- Danışmanlar: DOÇ. DR. DERYA YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 126
Özet
Diz rahatsızlıkları, genellikle hareket kısıtlılığı ve ağrı gibi şikayetlerle bireylerin günlük yaşamını olumsuz etkileyen önemli sağlık sorunları arasında yer almaktadır. Bu çalışmada, diz rahatsızlıklarının tespiti için, hasta ve sağlıklı bireyler arasındaki kas aktivite farklılıklarını incelemek amacıyla yürüme, ayakta durma ve oturma olmak üzere üç farklı durumda, ön ve arka diz kaslarından (vastus medialis (VM), semitendinosus (ST), biceps femoris (BF) ve rectus femoris (RF)) alınan EMG işaretleri ve dizin açısını veren Gonyometre ölçüm (FX) değerleri üzerinde yineleme grafikleri yaklaşımı ve çeşitli sınıflama yöntemleri kullanılmıştır. Bu işaretlerden elde edilen yineleme grafiklerinden yineleme nicelik analizi yöntemi kullanılarak öznitelikler çıkarılmış ve K-En Yakın Komşu (KNN), Destek Vektör Makineleri (SVM), Yapay Sinir Ağı (NN), Naive Bayes ve Ensemble gibi makine öğrenmesi algoritmaları ile sınıflama yapılmıştır. Yineleme grafiği görselleri derin öğrenme algoritmalarından GoogleNet ve ResNet50 ile de sınıflandırılarak diz rahatsızlığı tespiti gerçekleştirilmiştir. Çalışmada hem geleneksel makine öğrenmesi yöntemleri hem de derin öğrenme tabanlı yaklaşımlar ile yüksek değerlerde doğruluklar elde edilmiş ve sonuçlar karşılaştırılarak değerlendirilmiştir. Kas grupları, her bir duruş pozisyonu için değerlendirildiğinde, RF kas grubunda yürümede, KNN ve GoogleNet modelleri ile 100% doğruluk elde edilmiştir. Duruş pozisyonları ayrı ayrı değerlendirildiğinde GoogleNet ve ResNet50 modelleri yürümede 93,93% doğruluk değeri elde etmiştir. Her bir kas grubu için, tüm duruş pozisyonları dikkate alınarak yapılan sınıflandırma da ise RF kas grubunda SVM algoritması 100%, ResNet50 algoritması 92,3% doğruluk değerine ulaşmıştır. Tüm verinin kullanıldığı sınıflandırmada ise NN algoritması 100%, Ensemble algoritması 95,5% ve GoogleNet algoritması 87,8% doğruluk değerlerine ulaşmıştır. Çalışmanın sonuçları, yineleme grafikleri yaklaşımının diz rahatsızlıklarının tespitinde yüksek başarımlı sınıflandırma performansı sağladığını ortaya koymaktadır.
Özet (Çeviri)
Knee disorders are among the important health problems that negatively affect the daily lives of individuals, usually with complaints such as limited movement and pain. In this study, in order to examine the muscle activity differences between patients and healthy individuals in order to detect knee disorders, recurrence graph approach and various classification methods were used on EMG signals obtained from the anterior and posterior knee muscles (vastus medialis (VM), semitendinosus (ST), biceps femoris (BF) and rectus femoris (RF)) in three different situations, namely walking, standing and sitting, and goniometer measurement (FX) values giving the knee angle. Features were extracted from the recurrence graphs obtained from these signals using the recurrence quantile analysis method and classification was performed with machine learning algorithms such as K-Nearest Neighbor (KNN), Support Vector Machines (SVM), Artificial Neural Network (NN), Naive Bayes and Ensemble. Recurrence graph images were also classified with deep learning algorithms such as GoogleNet and ResNet50, and knee disorder detection was performed. In the study, high accuracies were obtained with both traditional machine learning methods and deep learning-based approaches and the results were compared and evaluated. When the muscle groups were evaluated for each posture position, 100% accuracy was obtained in walking in the RF muscle group with KNN and GoogleNet models. When the posture positions were evaluated separately, GoogleNet and ResNet50 models achieved 93.93% accuracy in walking. In the classification made by considering all posture positions for each muscle group, the SVM algorithm reached 100% and the ResNet50 algorithm reached 92.3% accuracy in the RF muscle group. In the classification where all data was used, the NN algorithm reached 100%, the Ensemble algorithm reached 95.5% and the GoogleNet algorithm reached 87.8% accuracy values. The results of the study reveal that the recurrence graphs approach provides high-performance classification performance in the detection of knee disorders.
Benzer Tezler
- Farklı malzemeler için yenilikçi diz implantı tasarımı ve sonlu elemanlar yöntemi ile optimizasyonu
Innovative knee implant design for different materials and optimisation by finite element method
TURAN IBRAHIMOVA
Yüksek Lisans
Türkçe
2023
Makine MühendisliğiSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN İYİBİLGİN
- Design, analysis and control of a hydraulic-aided stance control knee-ankle-foot orthosis
Hidrolik destekli duruş kontrollü uzun yürüme cihazının dizaynı, analizi ve kontrolü
SERMET DEMİR
Doktora
İngilizce
2018
BiyomühendislikMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERTURUL TAÇGIN
- Yüzey elektromiyogram (sEMG) işaretlerinin diz anomalisinin tespiti için değerlendirilmesi
Evaluation of surface electromyogram (sEMG) signals fordetectionof knee anomalies
AYŞENUR ALTINTAŞ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA YILMAZ
- İnşaat sektöründe çalışma duruş pozisyonlarının ergonomik açıdan incelenmesi
Ergonomical investigation of working postures in the construction industry
MUSTAFA GENÇTÜRK
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriÜsküdar Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DOÇ. DR. MÜGE ENSARİ ÖZAY
- Hastane öncesi acil sağlık çalışanlarının kas iskelet sistemi rahatsızlıklarının yaşam kalitesi üzerine etkisi
The effect of musculoskeletal system disorders on quality of life of pre-hospital emergency health care workers
BATUHAN TAY
Yüksek Lisans
Türkçe
2022
İlk ve Acil YardımÇanakkale Onsekiz Mart ÜniversitesiSağlık Hizmetleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİNE SEVİNÇ POSTACI