Sıra | DOSYA ADI | Format | Bağlantı |
---|---|---|---|
01. | Protez-biyonik El Kontrolü İçin Emg İşaretlerinin Makine Öğrenmesi Metotlarıyla Sınıflandırılması | pptx | Sunumu İndir |
Transkript
Protez-Biyonik El Kontrolü İçin EMG İşaretlerinin Makine Öğrenmesi Metotlarıyla Sınıflandırılması Duygu BAĞCI – Dokuz Eylül Üniversitesi Osman H. KOÇAL – Yalova Üniversitesi XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Bu çalışmada protez el tasarımlarındaki işlevselliği arttırmak amacıyla EMG sinyallerini verimli bir sınıflandırma amaçlanmıştır. EMG Sinyalleri klinik uygulamalarda, kas hastalıklarının tespitinde, iyileştirilmesinde , kesik uzuvların yerine eklenmesinde, protez organ geliştirme ve biyomühendislik çalışmalarında kullanılmaktadır. XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Elektromyogram işaretleri XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016 • Kasın kasılması sonucu ortaya çıkan biyopotansiyel işaretlerdir. • Kaynağı, vücutta meydana gelen çeşitli elektrokimyasal olaylardır. • İstemli kas hareketleri, beyinde oluşan aksiyon potansiyellerinin sinirler yoluyla kasa iletilmesi sonucu ortaya çıkmaktadır. • İğne elektrotlar ya da yüzey elektrotlarla ölçülür. • Değerlendirilmesi zaman domeninde veya frekans domeninde yapılmaktadır. • Gürültüye dayanıksızdır.
Referans el hareketleri XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016 a) Küresel: Küresel nesneleri tutmak b) Uç: Parmak ucu ile küçük nesneleri tutmak c) Palmar(Avuçiçi): avucun yanına dayandırılan nesneleri kavramak d) Lateral(Yanal): İnce, düz nesneleri tutmak e) Silindirik: Silindirik nesneleri tutmak f) Kanca: Ağır yükte kuvvet gerektiren nesneler tutmak
Dataset bilgileri XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016 • 20-22 yaş aralığındaki bireyler • 6 temel hareket • Her hareket için 30 tekrar • 2 farklı kanal • 300ms ölçüm süresi • Sampling rate 500 Hz • 15Hz altındaki sinyaller ihmal edilmiştir. [1,2]
Dataset görüntüsü XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Öznitelik Vektörü Bileşenleri XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016 Ayrık Dalgacık Dönüşümü Markov Geçiş Matrisleri
Weka Görüntüleri XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Sonuçlar-I XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Sonuçlar-II XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Sonuçlar-III XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016 *Bu çalışmada en yüksek doğruluk oranı IBK algoritması ile elde edilmiştir. Buradan hareketle bu veri seti için en verimli sınıflandırıcının K-en yakın komşu temelli olan IBK algoritması olduğu söylenebilir. *Hibrit vektörün bağımsız vektörlere göre üstün olduğu görülmektedir. Değerlendirme Markov Katsayıları Dalgacık Dönüşümü Hibrit Vektör 75 80 85 90 95 100 Öznitelik Seçiminin Sınıflandırma Başarısı üzerine etkisi
Pratik öneriler Eksiklikler ve yeni araştırma ihtiyacı (Gürültü faktörü, farklı hareket sayısı ) Kazançlar nelerdir? (Sınıflandırma verimi, Algoritma Hızı , Real Time desteği ) XVIII. AKADEMİK BİLİŞİM KONFERANSI - Adnan Menderes Üniversitesi - Aydın @2016
Kaynakça • 1-Sapsanis, C., Georgoulas, G. , Tzes, A. “EMG based classification of basic hand movements based on time-frequency features” Control & Automation (MED), 2013 21st Mediterranean Conference on pp. 716-722, 2013 • 2-Sapsanis C, Georgoulas G, Tzes A, Lymberopoulos D. “Improving EMG based classification of basic hand movements using EMD.” Engineering in Medicine and Biology Society (EMBC), 2013 35th Annual International Conference of the IEEE • pp. 5754 - 5757,2013 • 3-A. Phinyomark, A. Nuidod, P. Phukpattaranont, C. Limsakul “Feature Extraction and Reduction of Wavelet Transform Coefficients for EMG Pattern Classification ”ISSN 1392 – 1215 ELECTRONICS AND ELECTRICAL ENGINEERING 2012. No.6(122)