Design of a wearable sensor system for artificial intelligence based motion analysis in telerehabilitation
Telerehabilitasyon amaçlı yapay zekâ tabanlı hareket analizi içingiyilebilir sensör sistemi tasarımı
- Tez No: 951950
- Danışmanlar: DOÇ. DR. ŞÖLEN KUMBAY YILDIZ, PROF. DR. ATİLA YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 161
Özet
Son yıllarda uzaktan rehabilitasyon (telerehabilitation) hakkında yapılan çalışmalar, özellikle de tele-rehabilitasyon alanındaki iyileştirmeler ve gelişmeler, uzaktan takip ve denetim, kas-iskelet bozukluklarının tedavi ve kontrolü veya bel ve boyun ağrıları büyük ölçüde dikkat çekmiştir. İlgili kas-iskelet sorunları genellikle özel bir tedavi gerektirmesiyle beraber, yaygın bir rahatsızlık olduğundan hastanelerde oluşan uzun bekleme süreleri ile sonuçlanır. Bu tez çalışması ise hareket analiz sistemi ve evde terapi yöntemlerinin tasarlama ve uygulama süreçlerine odaklanarak DMD ve MS hastalarına yönelik telerehabilitasyon sistemi kapsamında yer tabanlı bir rol üstlenir. Ayrıca bu araştırma giyilebilir sensörler ile optik izleme tekniğini entegre ederek, insan hareketlerinden daha doğru sonuçlar elde etmeyi hedeflerken, aynı zamanda değerlendirme, sınıflandırma ve veri toplama basamaklarını eş zamanlı yapabilen hareket analiz sistemini öne sürer. Çalışma kapsamında, IMU ve esneklik sensörleri için özel tasarımlanan bir ceket geliştirilerek aynı zamanda tele-rehabilitasyon hareket analiz sistemi bağlamında veriler toplanılarak sağlam bir veri toplama modelini oluşturmayı hedeflemiştir. Erişebilir veri toplama yöntemi prosedürü belirlenerek IMU sensörü, esneklik sensörü ve MediaPipe kamera hareket analizi ile beraber birçok sensörü koordine eden bir sistem kurulmuştur. Bütün bu cihazlar ise 15Hz örnekleme frekansına senkronize edilmiştir. Bu çalışma kapsamında, öne sürülen ilerlemeli öğrenme tabanı WISDM veri seti kullanılarak ilgili alanlardan veriler toplanılmış ve bu alanlarda elde edilen verilerin kullanım etkilerini ve olası zorlukları da göz önünde bulundurularak değerlendirilmeye alınmıştır. Bu çalışma ise 'İlerlemeli Öğrenme tekniği yapısında LSTM kullanılarak İnsan Etkinliği Tanıma Performansının gelişimi' adı altında yayımlanmıştır. İlgili başlık kapsamında yayımlanan yazıda sınıf dengesizliği ve zaman serisi verilerinin yüksek oynaklığı gibi sorunlar incelenerek önerilen ilerlemeli öğrenme modelinin WISDM veri setinin üzerindeki etkisini görmeyi hedeflemiştir. Yayımlanmış bulgular ise HAR sistemleri üzerinde yapılacak olan çalışmalar için temel oluşturmaktadır. Aynı zamanda bu tez veri toplama sürecinde ortaya çıkan sorunları ve verilerin önişleme aşamalarını da ele alır. İlk olarak, gerçek veri ile senkronize edilmiş video kayıtları kullanılarak, doğru veri etiketleme ve doğrulama (geçerleme) veri seti oluşturuldu. Bu araştırmada kullanılan Önişlem aşamaları ham veri setini denetimli öğrenme, modelleme ve sınıflandırma için başarılı bir şekilde etiketli veriye dönüştürmüştür. Aktivite etiketlerine dayalı veri kesitleme ise verinin sınıflandırma doğruluğunu geliştirmiştir. Lojistik Regresyon (LR), Destek Vektör Makineleri (SVM), Rastgele Orman (RF) ve Çok Katmanlı Algılayıcı (MLP) gibi birçok Makine Öğrenimi Algoritmaları incelenmiştir. Sistem performans değerlendirmesi ise F1 puan yöntemi kullanılarak uygulanmıştır. Bahsi geçen algoritmalar ile kıyaslandığında, MediaPipe ve IMU veri setleri için Rastgele Orman (RF) modeli en yüksek doğruluk sonucunu vermiştir. Bunlara ek olarak, IMU, esneklik sensörleri ve MediaPipe verilerinin birleştirilmesine yönelik makine öğrenimi tabanlı sensör füzyonu bağlamında, seçilmiş aktivite tanımanın doğruluğunu ve güvenilirliğini artırmak amacıyla erken ve geç füzyon stratejileri önerilmiştir. Özellikle Rastgele Orman modeli farklı veri kümeleri ile çalışırken çok büyük oranda verimlilik gösterdiği görülmüştür.
Özet (Çeviri)
In recent years, telerehabilitation studies have gained significant attention, particularly in the context of developing the field of telerehabilitation, remote monitoring, and management of musculoskeletal disorders or low back and neck pain. The impact of these musculoskeletal issues often requires special care, which leads to longer waiting times in hospitals due to their high prevalence. This thesis focuses on designing and implementing a motion analysis system and home therapy to play a ground-based role in the work of a telerehabilitation system for DMD and MS patients. The study proposes a motion analysis system that integrates wearable sensors (IMU and Flex sensors) with optical tracking for accurate and synchronous evaluation, classification, and data collection of human motions. A custom design jacket for the IMU and flex sensors has been developed alongside a data collection framework to serve as the ground-based foundation for the motion analysis telerehabilitation system. A convenient data collection procedure was also established to coordinate multiple sensors, including IMU sensors, flex sensors, and MediaPipe camera motion analysis. All these devices were synchronized to have the same 15-Hz sampling frequency. Within the scope of this research, the potential outcome of the proposed progressive learning base has been assessed using the WISDM dataset to address the effects of using data from related fields and the potential challenges. The work has been published in our paper titled 'Improvement of Human Activity Recognition (HAR) Performance by Utilizing LSTM in the Structure of Progressive Learning.' This paper examines issues such as class imbalance and high volatility of time-series data, demonstrating the performance of the proposed progressive learning model on the WISDM dataset. The published findings are a foundation for subsequent research into HAR systems. This thesis addresses fundamental challenges related to data collection and preprocessing. Using ground-truth synchronized video recording, proper data labeling and a validation set were established. The preprocessing steps used in this study successfully transformed the raw dataset into a labeled data set for supervised learning, modeling, and classification. Activity label-based segmentation improved the classification accuracy of the data. Various Machine Learning Algorithms were evaluated, including Logistic Regression (LR), Support Vector Machine (SVM), Random Forest (RF), and Multi-Layer Perceptron (MLP). The performance evaluation was implemented using the F1 score method. The random Forest model for MediaPipe and IMU datasets provided the best accuracy results compared to other algorithms. Furthermore, early and late fusion strategies, in the context of sensor fusion based on ML techniques for merging IMU, flex sensors, and MediaPipe, were proposed to enhance the precision and reliability of the selected activity recognition. The Random Forest, in particular, demonstrates significant efficiency when working with different groups of datasets.
Benzer Tezler
- Human action recognition in ambient assisted living usingcontinuous inertial data
Ortam destekli yaşam için kesintisiz atalet verisi kullanarak insan aktivitelerinin tanınması
GAMZE USLU
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEBNEM BAYDERE
- El titreme etkilerini uç nokta konum regülasyonu ile azaltan iki serbestlik dereceli deneysel akıllı bardak platformunun tasarımı, modellenmesi ve kontrolü
Design, modelling and control of a two degrees of freedom experimental smart glass platform to reduce hand tremor effects with using endpoint position regulation
ESRA KAYA AYANA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEREF NACİ ENGİN
DR. ÖĞR. ÜYESİ CLAUDIA FERNANDA YAŞAR
- Human factor based advanced driver-assistance system (ADAS) design for electric vehicle
Elektrikli araç için insan faktörü tabanlı gelişmiş sürücü yardım sistemi (ADAS) tasarımı
DAĞHAN DOĞAN
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Design of smart electronic adult diaper
Akıllı elektronik erişkin alt bezi tasarımı
RAMAZAN KARAHALİL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BERKE YELTEN
- Numerical and experimental investigation of bioinspired soft robotic actuator that creates vacuum
Tasarımında doğadan esinlenilmiş ve vakum kuvveti yaratabilen yumuşak robotik aktüatörün nümerik ve deneysel incelenmesi
UMUT SERDAR ÇİVİCİ
Yüksek Lisans
İngilizce
2020
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP PARLAR