Classification of Knee Abnormality Using sEMG Signals with Boosting Ensemble Approaches

Ayşenur ALTINTAŞ; Derya YILMAZ

doi:https://doi.org/10.53070/bbd.990889

Makale detayları

Classification of Knee Abnormality Using sEMG Signals with Boosting Ensemble Approaches

Yazarlar:

Ayşenur ALTINTAŞ | Derya YILMAZ

Yayıncı:

Ali KARCI

Ana Başlıklar:

Özel bilgisayar yöntemleri

Dergi:

Computer Science 2021 Vol.IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Issue Special, pp.021-52

Belge Tipi:

Makale

Yayın Tarihi:

10/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000895738

Sıklık:

İki Yıllık

eISSN:

2548-1304

pISSN:

2548-1304

DOI:

https://doi.org/10.53070/bbd.990889

Anahtar kelimeler:

Özet:

 

Knee problems, although increasing in the elderly, are one of the most important orthopedic problems that occur at any age and reduce the person's standard of living by making it difficult to move. In recent years, increasing in the use of surface Electromyography (sEMG) signals from muscles has highlighted the use of these signals in the detection of movement and movement disorders. In this study, sEMG signals, from patients with different knee abnormalities and healthy individuals, the muscles responsible for the bending (flexion) and stretching/extension (extension) movements of the knee (rectus femoris (RF), biceps femoris (FB), semitendinosus (ST), vastus medialis (VM)), recorded during gait, sitting, and standing were evaluated with some statistical-based features. Unlike the literature, the classification processes were alsoperformed for each muscle and each movement, and therefore the effect of the muscles on the classification performance was examined. The ensemble trees methods of Boosted and RUSboosted trees were used in the classification. The results show that the knee problem can be identified by using single muscle sEMG (RF) and single movement, with a performance about 92% for the movement of standing. The highest accuracy rate is obtained as 98.8% with Boosted Trees classifier for sitting by using all muscles sEMG signals.

 

Diz sorunları yaşlılarda artmakla birlikte her yaşta ortaya çıkan ve hareket etmeyi zorlaştırarak kişinin yaşam standardını düşüren en önemli ortopedik sorunlardan biridir. Son yıllarda kaslardan alınan yüzey Elektromiyografi (sEMG) sinyallerinin kullanımının artması, bu sinyallerin hareket ve hareket bozukluklarının tespitinde kullanımını ön plana çıkarmıştır. Bu çalışmada, farklı diz anormallikleri olan hastalardan ve sağlıklı bireylerden gelen sEMG sinyalleri, dizin bükülme (fleksiyon) ve germe/ekstansiyon (ekstansiyon) hareketlerinden sorumlu kasların (rektus femoris (RF), biceps femoris (FB), yürüme, oturma ve ayakta durma sırasında kaydedilen semitendinosus (ST), vastus medialis (VM)) bazı istatistiksel temelli özelliklerle değerlendirildi. Literatürden farklı olarak her kas ve her hareket için sınıflandırma işlemleri de yapılmış ve bu nedenle kasların sınıflandırma performansına etkisi incelenmiştir. Sınıflandırmada Boosted ve RUSboosted ağaçlarının topluluk ağaçları yöntemleri kullanılmıştır. Sonuçlar, diz probleminin tek kas sEMG (RF) ve tek hareket kullanılarak, ayakta durma hareketi için yaklaşık %92 performansla tanımlanabileceğini göstermektedir. Tüm kas sEMG sinyalleri kullanılarak oturma için Boosted Trees sınıflandırıcısı ile en yüksek doğruluk oranı %98,8 olarak elde edilmiştir.

Makale detayları

Classification of Knee Abnormality Using sEMG Signals with Boosting Ensemble Approaches

Yazarlar:

Ayşenur ALTINTAŞ | Derya YILMAZ

Yayıncı:

Ali KARCI

Ana Başlıklar:

Özel bilgisayar yöntemleri

Dergi:

Computer Science 2021 Vol.IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Issue Special, pp.021-52

Belge Tipi:

Makale

Yayın Tarihi:

10/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000895738

Sıklık:

İki Yıllık

eISSN:

2548-1304

pISSN:

2548-1304

DOI:

https://doi.org/10.53070/bbd.990889

diz rahatsızlıkları

diz kasları

yüzey emg

karar ağaçları

Sayı

Makale detayları

Classification of Knee Abnormality Using sEMG Signals with Boosting Ensemble Approaches

Yazarlar: Ayşenur ALTINTAŞ | Derya YILMAZ

Yayıncı: Ali KARCI

Ana Başlıklar: Özel bilgisayar yöntemleri

Dergi: Computer Science 2021 Vol.IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Issue Special, pp.021-52

Belge Tipi: Makale

Yayın Tarihi: 10/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000895738

Sıklık: İki Yıllık

eISSN: 2548-1304

pISSN: 2548-1304

DOI: https://doi.org/10.53070/bbd.990889

diz rahatsızlıkları

diz kasları

yüzey emg

karar ağaçları

Sayı

Yazarlar:

Ayşenur ALTINTAŞ | Derya YILMAZ

Yayıncı:

Ali KARCI

Ana Başlıklar:

Özel bilgisayar yöntemleri

Dergi:

Computer Science 2021 Vol.IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Issue Special, pp.021-52

Belge Tipi:

Makale

Yayın Tarihi:

10/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000895738

Sıklık:

İki Yıllık

eISSN:

2548-1304

pISSN:

2548-1304

DOI:

https://doi.org/10.53070/bbd.990889