@article{article_1212691, title={El Sıkma Hareketinin İşlevsel Yakın Kızılaltı Spektroskopisi ve Elektromiyografi Sinyalleri Kullanılarak Sınıflandırılması}, journal={Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi}, volume={14}, pages={35–46}, year={2023}, DOI={10.24012/dumf.1212691}, author={Eken, Aykut}, keywords={El sıkma, iYKAS, EMG, Makine Öğrenmesi}, abstract={El hareketinin sınıflandırılması, özellikle inme rahatsızlığı geçiren kişilerde nörorehabilitasyon amaçlı beyin bilgisayar arayüzü (BBA) modellerinin geliştirilmesinde büyük önem arz etmektedir. Ancak, el hareketi odaklı BBA modellerinin geliştirilmesinde kullanılan kas ve beyin aktivitesi ölçüm modalitelerinin tek başlarına kullanılmasında, nörolojik adaptasyon ve bazı hasta gruplarının nöromusküler hastalık barındırması gibi çeşitli problemler bulunmaktadır. Bu çalışmada bir kavrama kuvveti görevi aracılığı ile gerçekleştirilen el hareketinin sonucu elde edilen işlevsel yakın kızılaltı spektroskopisi (iYKAS) ve elektromiyografi (EMG) sinyalleri kullanılarak el hareketinin sınıflandırılması gerçekleştirilmiştir. Bu sinyallerden çıkartılan öznitelikler, L1 norm tabanlı bir destek vektör makinesi (DVM) ile seçildikten sonra, K-en yakın komşuluk, doğrusal ve radyal temelli DVM, Gradyan Artırma, Adaboost, Naive Bayes, Doğrusal Diskriminant, Kuadratik Diskriminant ve Lojistik regresyon sınıflandırıcılarına verilmiştir. Sınıflandırıcıların başarımı, bir katılımcıyı dışarıda bırak (leave-one-subject-out) çapraz geçerliliği uygulanarak gerçekleştirilmiştir. Sınıflandırıcılar arasında en yüksek doğruluk yüzdesi, iYKAS ve EMG odaklı özniteliklerden faydalanılarak, Doğrusal Diskriminant metodu ile %84 olarak bulunmuştur. Sonuçlarımız bize işlevsel yakın kızılaltı spektroskopisi ve elektromiyografi verilerinin el hareketinin sınıflandırılmasında kullanılabileceğini ve bunun BBA sistemlerine de entegre edilebileceğini ortaya koymaktadır.}, number={1}, publisher={Dicle Üniversitesi}