Diagnosing knee pathology using surface electromyography (SEMG) and artificial neural networks

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği, Türkiye

Tezin Onay Tarihi: 2017

Tezin Dili: İngilizce

Öğrenci: JEAN DE DIEU UWISENGEYIMANA

Danışman: Turgay İbrikçi

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Diz, özellikle diz osteoartritinde patolojiyi saptamak için yapılan çeşitli tıbbi tanı testlerin çoğu invaziv ve pahalıdır. Bu tezde, dizdeki anormalliklerin daha hızlı, invaziv olmayan ve ucuz şekilde teşhis edilmesi için diğer yöntemlerin araştırılmasıdır. Bu amaçla, diz çevresindeki dört farklı kastan kaydedilen yüzey Elektromiyografi (SEMG) sinyalleri, dizin bükülme derecesi ve tanıma algoritmaları kullanıldı. Bu veri setinde, 11 denekte normal diz ve diğer 11 denekte ise osteoartritten etkilenen diz bilgilerinden oluşantoplamda 22 denekten oluşmaktadır. Bu veri setinde her pencerede zaman serisine bağlı özellikleri çıkarıldı. Bu özellikleri kullanan 13 farklı öğrenme sınıflandırıcısı ve 7 derin sinir ağları ile eğitilmesi, test edilmesi ve doğrulanması için kullanılmıştır. Bu çalışmada,%99'u aşan en iyi performans çok katmanlı algılayıcı olarak Destek Vektör Makineleri (SVM), vetopluluk sınıflandırıcıları grubunda ise k-en yakın komşusu (k-NN) ile başarılmıştır. Buna karşın, otoencoderlerde gizli büyüklükte geniş bir yelpazede araştırılan derin ağların kullanımı son softmax katmanı ile%86.6 doğruluk göstermiştir ve son softmax katmanı k-en yakın komşusu (k-NN) ile değiştirilerek doğrulukta %91.3'ye ulaşılmıştır. Karşılaştırma sonuçlarında, yapay sinir ağları derin sinir ağlarından daha üstün performans göstermiştir. Bu nedenle, diz patolojisinin yüzeyelektromiyografi sinyalleri kullanılarak yapay sinir ağı algoritmaları ile daha verimli ve otomatik teşhis edilebileceği sonucuna varılmıştır.