Publication: Sanal ortamda elektromiyogram tabanlı el rehabilitasyon uygulaması geliştirme
Abstract
Deri üzerinden yüzeysel elektrotlar ile kayıt edilen elektromiyogram(sEMG) sinyalleri nörolojik hastalık teşhisi, sinir-kas ve psikomotor araştırmalarında, spor tıbbında, protez veya rehabilitasyon cihazları gibi çeşitli uygulamalar için önemli bir araç teşkil etmektedir. Bu tez çalışmasında el hareketinin sınıflandırılması için gerekli olan sEMG sinyalleri “Thalmic Myo Armband” cihazı ile kayıt edilmiştir. Bu sinyallerden zaman ve frekans domenine ait öznitelikleri elde edildikten sonra, birçok farklı uygulama alanında yüksek başarı gösteren Yapay Sinir Ağı tabanlı bir sınıflayıcı modellinin eğitim ve test verilerini oluşturmak üzere kullanılmıştır. Tez kapsamında literatürde sıklık ile kullanılan Çok Katmanlı Algılayıcı modeli önerilen sınıflayıcıyı oluşturmak için kullanılmıştır. Sınıflayıcı çıktıları ise bilgisayar ortamında daha ileri çalışmalarda farklı uygulamalara yönelik daha rahat işlenmesi için Unity ara yüzü ile birleştirilmiştir. Ve bu sayede önerilen yöntem ile bir el modelinin yüksek doğrulukla kontrol edilmesi için uygun ve etkin bir yöntem sunulmuştur. Bu yöntem el rehabilitasyonu ihtiyacı duyan hastaların tedavisi için düşünülmüş olup Unity üzerinden sağlanan örnek uygulama sayesinde bireyin tedavi sürecini daha kolay atlatması, daha az maliyetle kısa sürede iyileşme imkanı sağlanması amaçlanmıştır.
Electromyogram (EMG), the recorded signals via the use of electrodes over skin surface is being used in many applications such as diagnosis of neurologic diseases, researches in neuron- muscle and psychomotor, and development of prosthesis for rehabilitation devices. In this thesis, “Thalmic Myo Armband” had been used for gathering EMG signal for classification of hand gesture. The obtained data had been enriched with different data processing techniques for extraction on features after which, they had been given to Artificial Neural Network for creating a classifier model that had been shown a great success in many different applications in recent years. In this thesis, for creating the proposed classifier model one of the commonly used model in literature, Multi-Layer Perceptron, had been used. After that, by using unity the output of the proposed classifier had become easier for processing of feature works. Thus By using this method, controlling of a virtual arm model had become more efficient and precise. This method is intended for the treatment of patients who needs hand rehabilitation. This application provided on Unity aimed to help the patient to survive the rehabilitation process more easily and to provide rehabilitation in less time at a lower cost.
Electromyogram (EMG), the recorded signals via the use of electrodes over skin surface is being used in many applications such as diagnosis of neurologic diseases, researches in neuron- muscle and psychomotor, and development of prosthesis for rehabilitation devices. In this thesis, “Thalmic Myo Armband” had been used for gathering EMG signal for classification of hand gesture. The obtained data had been enriched with different data processing techniques for extraction on features after which, they had been given to Artificial Neural Network for creating a classifier model that had been shown a great success in many different applications in recent years. In this thesis, for creating the proposed classifier model one of the commonly used model in literature, Multi-Layer Perceptron, had been used. After that, by using unity the output of the proposed classifier had become easier for processing of feature works. Thus By using this method, controlling of a virtual arm model had become more efficient and precise. This method is intended for the treatment of patients who needs hand rehabilitation. This application provided on Unity aimed to help the patient to survive the rehabilitation process more easily and to provide rehabilitation in less time at a lower cost.