Yüzey EMG sinyallerinin öznitelik optimizasyonu ve makine öğrenmesi yöntemleri ile sınıflandırılması
Classification of surface EMG signals with feature optimization and machine learning methods
- Tez No: 941653
- Danışmanlar: DOÇ. DR. AHMET GÖKÇEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Kas aktivitelerinde oluşan sinyaller olan elektromiyografi (EMG) sinyalleri el, kol hareketleri gibi çeşitli eylemlerin tespiti ve sınıflandırması için kullanılabilmektedir. EMG sinyallerinin ölçümleri deri altına yerleştirilen elektrotlar ile veya yüzey üstü olarak kaydedilebilmektedir. Deri altına girilmesi gerekmeden yapılan ölçümlerden elde edilen sinyallere yüzey elektromiyografi (surface electromyography, sEMG) sinyalleri denir. Bu çalışmada biri özgün oluşturulmuş iki farklı veri seti kullanılmıştır. İlk veri seti, katılımcıların parmak hareketlerinin sınıflandırılması için, ikinci veri seti ise katılımcıların cinsiyetlerini tespit etmek için kullanılmıştır. Bu çalışmada sınıflandırıcı olarak geleneksel makine öğrenmesi ve derin öğrenme yöntemleri seçilmiştir. Özniteliklerin anlamlı olanlarını seçip, anlamı bozan özniteliklerden sistemimizi uzak tutabilmek için Ağaç-Tohum Algoritması (Tree-Seed Algorithm, TSA) kullanılarak optimizasyon yapılmış ve Parçacık Sürü Optimizasyonu (Particle Swarm Optimization, PSO) yöntemi ile performans karşılaştırılması yapılmıştır. Çalışmada gösterilen yöntemler neticesinde veri setlerini kullanan geçmiş çalışmaların başarımları aşılmıştır. İkinci veri setinde yapılan çalışmada, katılımcıların yazma alışkanlıklarına göre literatürde ilk olarak, ön kol sEMG verilerinden cinsiyet tespiti yapılmıştır.
Özet (Çeviri)
Electromyography (EMG) signals, which are generated from muscle activities, can be utilized for the detection and classification of various actions such as hand and arm movements. EMG signals can be recorded either through electrodes placed beneath the skin or on the surface. Signals obtained from measurements conducted without penetrating the skin are referred to as surface electromyography (sEMG) signals. In this study, two distinct datasets, one of which is unique, were used. The first dataset was employed for classifying finger movements of participants, while the second dataset was developed for the purpose of detecting the gender of participants. Traditional machine learning and deep learning methods were selected as classifiers in this study. Optimization was performed using the Tree-Seed Algorithm (TSA) to select the meaningful features and exclude those that would disrupt the system's performance. Performance comparisons were made using the Particle Swarm Optimization (PSO) method. As a result of the methods presented in this study, the performance achieved surpassed that of previous studies utilizing the same datasets. In the study conducted with the second dataset, gender detection according to the participants' writing habits based on forearm sEMG data was performed for the first time in the literatüre
Benzer Tezler
- El hareketlerine ait yüzey EMG sinyallerinin işlenmesi ve sınıflandırılması
Processing and classification of surface EMG signals of hand gestures
MEHMET CAN DEMİR
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ TEPE
- Servikal bölgede oluşan kas yorgunluğunun yüzey elektromiyogram bilgileri ile değerlendirilmesi
The evaluation of the muscle fatigue in the cervical region with surface electromyogram information
GÜZİN ÖZMEN
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÖZBAY
- Akıllı el protez kontrolü karar verme performansına elektromiyografi sinyallerinin çok değişkenli görgül kip ayrışımı ile analizinin etkileri
The effects of multivariate empirical mode decomposition analysis of electromyography signals on intelligent hand prothesis control decision making performance
FATİH ONAY
Yüksek Lisans
Türkçe
2019
Mekatronik MühendisliğiBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET MERT
- Machine learning techniques for surface electromyography based hand gesture recognition
Yüzey elektromiyografi temelli el jesti tanıma için makine öğrenmesi teknikleri
ENGİN KAYA
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- A surface electromyography based serious computer game for physiotherapy and rehabilitation
Fizyoterapi ve rehabilitasyon için yüzeyel elektromiyografi bazlı ciddi bilgisayar oyunu
TUĞBA GÜNAYDIN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REİS BURAK ARSLAN