3 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 3 / 3
Öğe Giyilebilir dış iskelet el(Batman Üniversitesi Fen Bilimleri Enstitüsü, 2020-08-28) Hazar, Yunus; Ertuğrul ,Ömer FarukBu tez çalışmasında, felç, omurilik yaralanmaları ve tendon yaralanmaları gibi birçok nedenden dolayı el fonksiyonlarının bir kısmını veya tamamını kaybetmiş hastaların rehabilitasyonunu sağlamak ve parmak hareketlerini desteklemek amacıyla kullanılabilecek bir el dış iskelet sistemi tasarlanmıştır. Elektrikli aktüatör kullanılarak tasarımı yapılan el dış iskelet sistemi, elin ön (dorsal) kısmına yerleştirilen ve 5 parmak hareketini aktif olarak destekleyen bir yapıya sahiptir. Yapılan tasarımda başparmakta 2, diğer parmaklar için 3 olmak üzere toplam 14 aktif ekstansiyon/fleksiyon serbestlik derecesi bulunmaktadır. Ayrıca her parmak için abdüksiyon/addüksiyon ve bilekte ekstansiyon/fleksiyon hareketlerini oluşturabilmek için toplam 6 pasif serbestlik derecesine sahiptir. Elin antropometrik ölçüleri ve serbestlik dereceleri referans alınarak 3 boyutlu modelleme uygulamalarıyla iskelet sisteminin tasarımı yapılmıştır. Tasarımı basmak için hafif, dayanıklı, esnek ve tamamen doğada çözünebilen PLA (poliaktik asit) filament kullanılmıştır. 3 boyutlu yazıcıyla üretilen prototipin hafif ve taşınabilir olması hastaya evde rehabilitasyon ve günlük hayat aktivitelerinde yardımcı olma imkanı sağlayabilecek potansiyeldedir. Tasarlanan sistem için geliştirilen android uygulama ile el dış iskeletinin kontrolü sağlanmaktadır. Fizik tedavi uzmanı önerileriyle tanımlanan rehabilitasyon egzersizlerini gerçekleştiren, el hareketlerini desteklemek amacıyla sEMG, GYRO, ACC ve ORI sinyallerini kullanarak niyet algılayan ve 32 farklı el hareketini gerçek zamanlı olarak yapay zeka algoritmalarıyla sınıflandırabilen el dış iskelet sisteminin tasarımı gerçekleştirilmiştir. Geliştirilen sistemde ön kola yerleştirilen MYO kol bandı ile EMG, GYRO, ACC ve ORI sensörleriyle alınan veriler kullanılarak niyet algılama sağlanmıştır. EMG sinyalleri MVC tekniğiyle normalize edilmiş ve bu sinyallerden MAV, STD, VAR, RMS, IEMG, ZC ve WL özellik vektörleri çıkarılarak etkin özellikler seçilmiştir. Sınıflandırma aşamasında makine öğrenmesi algoritmalarından doğrusal destek vektör makineleri (SVM) kullanılarak oluşturulan 5 sınıflandırıcı paralel olarak kullanılmıştır.Öğe Meme kanserinin iyi huylu veya kötü huylu durum tespitinde derin öğrenme modellerinin kullanılması(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2023-02-27) Ateş, Feyzi Ferat; Çalışkan, AbidinMeme kanseri, meme de bulunan bağ dokusu ve buna bağlı olan kanal bölgelerinde oluşan ve oluşan bu hücrelerin normalin dışında hareketlerinden meydana gelen bir kanser türüdür. Yoğun olarak kadınlarda görülmekte olup, en yaygın rastlanan kanser çeşitlerindendir. Hastalık erkenden fark edilmeği zaman kan ve lenf damarları yoluyla diğer organlara kanserli hücreler etki edebilir (metastaz durumu). Yapılan araştırmalara göre genel olarak tüm kanser çeşitlerinde erken tanı ve tedavi önemlidir. Bu çalışmada meme kanserinin iyi huylu ve kötü huylu türleri arasında sınıflandırma yapabilen yapay zekâ tabanlı erken tanı sistemi önerilmiştir. Önerilen yaklaşımda artık bloklu evrişimsel sinir ağı modelleri kullanıldı. ResNet modellerinin son katmanına yeni bir tam bağlantılı katman eklenerek tür tabanlı öznitelikler çıkartıldı. Bir sonraki aşamada tam bağlantılı katmanlardan elde edilmiş öznitelikler birleştirilerek yeni bir özellik seti oluşturuldu. Oluşturulan bu özellik seti ile sınıflandırma oluşturulurken softmax ve makine öğrenim yöntemleri kullanıldı. Çalışmada önerilen yaklaşım ile sınıflandırma oluşturulma adımlarında kullanılan tüm yöntemlerden %100 genel doğruluk başarısı elde edildi. Bu çalışmada tam bağlantılı katmanların elde edilmesi ve birleştirilmesi deneysel analizlerin geliştirilen çalışmada performansa olumlu yönde etki ettiği gözlemlenmiştir.Öğe A fast feature selection approach based on extreme learning machine and coefficient of variation(TÜBİTAK, 2017-07-30) Ertuğrul, Ömer Faruk; Tağluk, Mehmet EminFeature selection is the method of reducing the size of data without degrading their accuracy. In this study, we propose a novel feature selection approach, based on extreme learning machines (ELMs) and the coefficient of variation (CV). In the proposed approach, the most relevant features are identified by ranking each feature with the coefficient obtained through ELM divided by CV. The achieved accuracies and computational costs, obtained with the use of features selected via the proposed approach in 9 classification and 26 regression benchmark data sets, were compared to those obtained with all features, as well as those obtained with the features selected by a wrapper and a filtering method. The achieved accuracy values obtained with the proposed approach were generally higher than when using all features. Furthermore, high feature reduction ratios were obtained with the proposed approach, including the achieved feature reduction ratios in epilepsy, liver, EMG, shuttle, and abalone. Stock data sets were 90.48%, 90%, 70.59%, 66.67%, 75%, and 77.78%, respectively. This approach is an extremely fast process that is independent of the employed machine-learning methods.
