Systematıc semg-based walkıng speedclassıfıcatıon: A multı-crıterıa evaluatıonapproach for optımal muscle combınatıonselectıon ın gaıt recognıtıon systems
Sıstematık semg tabanlı yürüme hızısınıflandırması: Yürüme tanıma sıstemlerındeoptımal kas kombınasyonu seçımı ıçın çokkrıterlı değerlendırme yaklaşımı
- Tez No: 945437
- Danışmanlar: DR. ÖĞR. ÜYESİ BORA BÜYÜKSARAÇ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Elektromiyografi, Yürüyüş Hızı Sınıflandırması, Kas Kombinasyonları, Destek Vektör Makinesi, İnsan Hareket Analizi, Destek vektör makineleri, İnsan hareketi, İnsan yürüyüşü, Electromyography, Gait Speed Classification, Muscle Combinations, Support Vector Machine, Human Movement Analysis, Support vector machines, Human motion, Human gait
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, yedi farklı yürüme hızını sınıflandırmak için yüzey elektromiyografisi (sEMG) kas kombinasyonlarının etkinliğini araştırmaktadır. 25 katılımcının beş alt ekstremite kasından elde edilen zaman normalize sEMG profilleri kullanılarak, polinom çekirdekli çok sınıflı Destek Vektör Makinesi (SVM) ile 31 boş olmayan kas kombinasyonunun tümü sistematik olarak değerlendirilmiştir. Hiyerarşik bir sıralama metodolojisi, Test Doğruluğu, Test Makro F1 Puanı, model karmaşıklığı ve model sağlamlığına dayalı olarak optimal kas setlerini belirlemiştir. Bulgular, sınıflandırma performansının kasların sayısı ve bileşiminden güçlü bir şekilde etkilendiğini göstermektedir. Beş kas kombinasyonu en yüksek Test Doğruluğu (92,51%) ve Test Makro F1 Puanı (0,93) elde etmiştir. Performans genellikle daha fazla kasla birlikte iyileşti; dört kas kombinasyonu da sağlam Test Doğrulukları (yaklaşık %89-91) sağladı. Yüksek eğitim doğrulukları yaygın olmakla birlikte, özellikle daha basit kombinasyonlarda aşırı uyum dikkat çekiciydi. Çoklu kas (4-5) setleri, daha küçük Eğitim-Test Doğruluk Farkları ile kanıtlandığı üzere daha iyi genelleme gösterdi. Pareto öncü analizi, verimli kombinasyonları vurgulayarak dört kası aşan azalan getirileri ortaya çıkardı. Sonuçlar, yürüme hızını doğru bir şekilde çözmek için kapsamlı, çoklu kas sEMG bilgisinin önemini vurgulamaktadır. İşlevsel olarak çeşitli kasları içeren kombinasyonlar en etkili olduğu kanıtlanmıştır. Bu sistematik değerlendirme, verimli EMG tabanlı insan-makine arayüzleri, yardımcı cihazlar ve rehabilitasyon teknolojileri tasarlamak için içgörüler sağlar ve tahmin gücü ile sistem karmaşıklığı arasında denge kuran sensör konfigürasyonlarını seçmek için veriye dayalı bir temel sunar.
Özet (Çeviri)
This thesis investigates the efficacy of surface electromyography (sEMG) muscle combinations for classifying seven discrete walking speeds. Utilizing time- normalized sEMG profiles from five lower limb muscles of 25 participants, all 31 non-empty muscle combinations were systematically evaluated using a multi-class Support Vector Machine (SVM) with a polynomial kernel. A hierarchical ranking methodology identified optimal muscle sets based on Test Accuracy, Test Macro F1-Score, model complexity and model robustness. Findings demonstrate that classification performance is strongly influenced by the number and composition of muscles. The five-muscle combination achieved the highest Test Accuracy (92.51%) and Test Macro F1-Score (0.93). Performance generally improved with more muscles; four-muscle combinations also yielded robust Test Accuracies (approx. 89-91%). While high training accuracies were common, overfitting was notable, particularly for simpler combinations. Multi- muscle (4-5) sets showed better generalization, evidenced by smaller Training-Test Accuracy Gaps. Pareto frontier analysis highlighted efficient combinations, revealing diminishing returns beyond four muscles. The results underscore the importance of comprehensive, multi-muscle sEMG information for accurately decoding walking speed. Combinations incorporating functionally diverse muscles proved most effective. This systematic evaluation provides insights for designing efficient EMG-based human-machine interfaces, assistive devices, and rehabilitation technologies, offering a data-driven basis for selecting sensor configurations that balance predictive power with system complexity.
Benzer Tezler
- sEMG-based ankle position and moment prediction in silico: Neural network approach and muscle selection
Bilgisayar ortamında sEMG tabanlı ayak bileğinin pozisyon ve moment tahmini: Sinir ağı yaklaşımı ve kas seçimi
AHMET DOĞUKAN KELEŞ
Doktora
İngilizce
2023
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ALİ YÜCESOY
- Hand gesture recognition from sEMG signals based on similarity learning
Benzerlik öğrenmesine dayalı sEMG sinyallerinden el hareketlerinin tanınması
SEMİH ÇELİK
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Novel electrospun anatase/poly(3,4-ethylenedioxythiophene) polystyrene sulfonate-based Li-ion battery anodes and their electrochemical performances
Yeni elektrospun anataz / poli (3,4-etilendioksitiyofen) polistiren sülfonat bazlı Li-ion pil anotları ve elektrokimyasal performansları
VAHID CHARKHESHT
Yüksek Lisans
İngilizce
2021
EnerjiSabancı ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
Prof. Dr. SELMİYE ALKAN GÜRSEL
Dr. BEGÜM YARAR KAPLAN
- Zirkonya takviyeli alümina esaslı seramik malzemelerin üretimi ve karakterizasyonu
Fabrication and characterization of zirconia reinforced alumina based ceramic materials
SILA HATİCE APAYDIN
Yüksek Lisans
Türkçe
2018
BiyomühendislikOndokuz Mayıs ÜniversitesiKimya Ana Bilim Dalı
PROF. DR. ÖMER ANDAÇ
YRD. DOÇ. DR. MEVLÜT GÜRBÜZ
- Yüzey plazmon rezonans temelli biyosensörlerde nanopartikül boyut etkisinin karşılaştırmalı incelenmesi
Comparative investigation of the nanoparticle size effect in surface plasmon resonance-based biosensors
MERVE ÇALIŞIR