Kaya, YılmazÖzel, Erdoğan2024-12-242024-12-242021https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=tqUiYt63sTQLTpozMJ92Qhrum4qXoDDTn6_a19g7fQ_KVTJpq6EwWNCEDicWC5zOhttps://hdl.handle.net/20.500.12604/3180Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim DalıParkinson Hastalığı (PH) zamanla ilerleyen nörolojik bir hastalıktır. Bu durumdan etkilenen insanlar, beynin sinir hücrelerinde bulunan ve insanların hareketini koordine etmede hayati bir rol oynayan bir kimyasal olan dopamin sıkıntısı yaşarlar. PH ilerledikçe, hastalanan kişi normal olarak hareketlerini kontrol edemez. PHndan etkilenen bireyler, hastalığın farklı aşamalarında yürüyüş bozuklukları ve titreme olayları gibi belirgin semptomlar gösterirler. Yürüyüş bozuklukları, yürüme hızının azalması ve küçük adımlar şeklinde kendini göstermektedir. Yürüyüş bozukluğu, hastalığın tüm aşamalarında ilerleyicidir. Yürüyüş bozukluğu kas sertliği, azalmış kuvvet, anormal ritmiklik, vücudun sol ve sağ kısımlarının asimetrisi ve adım uzunluklarının anormal ölçeklenmesinden kaynaklanmaktadır. PH hareket bozukluğu semptomları olan bir sinir hastalığı olduğundan, merkezi sinir sistemindeki dejenerasyon hastalığın erken evresinde bireyin lokomotor sistemleri kontrol etme yeteneğini azaltır. Dolayısıyla yürüyüş etkilenir ve böylece yürüyüşün analizi PH'nın erken tespiti için nicel ve noninvaziv bir yöntem sunmaktadır. Ayak üzerindeki güç dağılımı PH ve sağlıklı kişiler için değişmektedir. Bu güç dağılımların karakteristik özellikleri sağlıklı ve hasta bireyleri birbirinden ayırt etmek için kullanılabilir. Yürüyüş analizi genellikle yürüme performansının değerlendirilmesi için rutin klinik testin bir parçası olarak kullanılır. Bu çalışmada, Parkinson hastası olan bireyleri yürüyüş işaretlerinden sağlıklı bireylerden ayrıştırılması için yeni bir yaklaşım önerilmiştir. Yürüyüş ve titreme işaretleri PH teşhisinde yaygın bir şekilde kullanılmaktadır. Yürüyüş işaretleri genellikle çok kanallı olarak ölçülmektedir. Bir kanalda işaretler ölçülürken diğer kanalların gürültü etkisi olabilir. Bundan dolayı işaretlerde olası gürültülerin temizlenmesi için yürüyüş işaretlerine CAR, MCAR ve WCAR yöntemleri uygulanmıştır. Oluşan temiz sinyallerden LBP dönüşümü uygulandıktan sonra istatistiksel öznitelikler çıkarılmıştır. Bu öznitelik grupları KNN, LR ve RF gibi sınıflandırma algoritmaları ile sınıflandırılmıştır. Bu çalışmada önerilen yaklaşımı test etmek için üç farklı çalışmadan elde edilmiş toplam 93 Parkinson hastanın (PD) (ortalama yaş: 66.3 yıl; %63 erkek) ve kontrol amaçlı 73 sağlıklı bireyin (CO) (ortalama yaş: 66.3 yıl; %55 erkek) yürüme ölçümlerini içermektedir. "Ga" olarak etiketlenmiş veri seti 29 Parkinson hastadan ve 18 kontrol grubu denekten elde edilmiş 113 (75 PH+38 Kontrol) kayıt içermektedir. "Ju" olarak etiketlenmiş veri seti ise 29 Parkinson hastadan ve 26 kontrol grubu denekten elde edilmiş 129 (104 PH+25 Kontrol) kayıt içermektedir. Son olarak "Si" olarak etiketlenmiş veri setinde 35 Parkinson hasta ve 29 kontrol denekten elde edilmiş 64 (35PH+29 Kontrol) kayıt içermektedir. Sonuçlara bakıldığında gürültüleri en iyi temizleyen adaptif bir yöntem olan WCAR yöntemi bulunmuştur. Sınıflandırma metodu olarak ise en iyi sınıflandırıcı KNN yöntemi olarak gözlenmiştir. En iyi başarı oranı %92.96 olarak bulunmuştur. Çalışmada ayrıca PH teşhisinde hangi ayaktaki işaretlerin etkili olduğu incelenmiştir. Kullanılan veri setine göre PH teşhisinde Sol ayaktaki işaretlerin daha iyi ayırt edici öznitelikler sağladığı görülmüştür. Veri seti, normal, kendi kendine seçilen hızlarında, düz bir zeminde yaklaşık 2 dakika boyunca yürütülerek, bireylerin düşey yer tepkime kuvveti (vertical ground reaction force, VGRF) kayıtları elde edilmiştir. Bireylerin her ayağı altında, zamanın bir fonksiyonu olarak gücü (Newton cinsinden) ölçen 8 sensör bulunmaktadır. Her sensörden kayıt edilen işaretlere filtre yöntemler uygulandıktan sonra çıkarılan özniteliklerin kullanılması ile gözlenen başarı oranı %84.02 olarak elde edilmiştir. Sensör 5 ayak tabanlarının tam orta kesiminde bulunmaktadır. Dolayısıyla ayak tabanlarının merkezlerinden elde edilen işaretler diğer bölgelerdeki işaretlere daha etkin işaretler sağladığı görülmüştür. Sonuçlara bakıldığında işaretlerde gürültü temizleme yöntemlerinin PH teşhisinde başarıyı artırdığı görülmüştür.Parkinson's Disease (PD) is a neurological disease that progresses over time. People affected by this condition experience a shortage of dopamine, a chemical found in the nerve cells of the brain that plays a vital role in coordinating people's movement. As PH progresses, the sick person cannot control their movements normally. Individuals affected by Parkinson's disease show distinctive symptoms such as gait disturbances and episodes of tremors at different stages of the disease. Gait disorders are manifested in the form of decreased walking speed and small steps. Gait disturbance is progressive in all stages of the disease. Gait disturbance is due to muscle stiffness, decreased strength, abnormal rhythmicity, asymmetry of the left and right parts of the body, and abnormal scaling of stride lengths. The power distribution on the foot varies for PH and healthy people. The characteristic features of these power distributions can be used to distinguish between healthy and sick individuals. Gait analysis is often used as part of routine clinical testing to evaluate walking performance. In this study, a new approach is proposed to differentiate individuals with Parkinson's disease from healthy individuals by gait signals. Gait and trembling signs are widely used in diagnosing PH. Gait signals are usually measured multi-channel. When measuring signals on one channel, other channels may have a noise effect. Therefore, CAR, MCAR and WCAR methods have been applied to the walking signs in order to remove possible noise in the signs. Statistical features were extracted from the generated clean signals after applying the LBP transform. These feature groups are classified by classification algorithms such as KNN, LR and RF. To test the proposed approach in this study, a total of 93 Parkinson's patients (PD) (mean age: 66.3 years; 63% male) and 73 healthy subjects (CO) for control purposes (mean age: 66.3 years; 55% male) were recruited from three different studies. includes gait measurements. The data set labeled "Ga" includes 113 (75 PH+38 Control) records obtained from 29 Parkinson's patients and 18 control subjects. The data set labeled "Ju" includes 129 (104 PH+25 Control) records obtained from 29 Parkinson's patients and 26 control subjects. Finally, the data set labeled as "Si" includes 64 (35PH+29 Control) records obtained from 35 Parkinson's patients and 29 control subjects. Looking at the results, the WCAR method, which is an adaptive method that cleans the noises best, was found. As for the classification method, the best classifier was observed as the KNN method. The best success rate was found as 92.96%. The study also examined which foot marks are effective in diagnosing PH. According to the data set used, it was seen that the left foot signs provided better distinguishing features in diagnosing PD. Vertical ground reaction force (VGRF) recordings of individuals were obtained by running the data set at normal, self-selected speeds for approximately 2 minutes on a flat surface. Under each foot of individuals, there are 8 sensors that measure power (in Newtons) as a function of time. The success rate observed by using the extracted features after applying filter methods to the recorded signals from each sensor was obtained as 84.02%. Sensor 5 is located in the middle of the soles of the feet. Therefore, it was seen that the signs obtained from the centers of the soles of the feet provided more effective signs to the signs in other regions. When the results were examined, it was seen that the noise removal methods in the signs increased the success in the diagnosis of PH.trinfo:eu-repo/semantics/openAccessElektrik ve Elektronik MühendisliğiElectrical and Electronics EngineeringDoctoral Thesis188696546