YAPAY SİNİR AĞLARI KULLANILARAK EMG SİNYALLERİNİN SINIFLANDIRILMASI VE NEUROPATHY KAS HASTALIĞININ TEŞHİSİ

Öz

Bu çalışmada 59 hastaya ait Abductor Pollicis Brevis (APB) kası First Dorsal Interosseous (FDI) ve Abductor Digiti Minimi (ADM) kaslarına ait EMG işaretlerine Hızlı Fourier Dönüşümü (HFD) analizi uygulanmıştır. Bu uygulama sonucu elde edilen HFD katsayıları yapay sinir ağının (YSA) geriyayılım algoritmasıyla eğitilmiştir ve teşhis amaçlı sınıflama ger­çekleşti­rilmiştir. Bu sınıflama esnasında Eşlenik gradyan ve hızlıprop öğrenme algoritmaları eğitim esnasında kullanılmıştır. 500 öğ­renme çevriminden (epoch) sonra, her iki öğrenme algoritmasına ait performans değerleri hesaplanarak, karşılaştırma­ları yapıl­mıştır. Sonuç olarak, HFD katsayıları geri yayılımlı yapay sinir ağıyla eğitilmiş ve neuropathy ve normal EMG sin­yalleri %97 doğrulukla sınıflandırılmıştır

Anahtar Kelimeler

• Yapay sinir ağı, Geri yayılım, Eşlenik gradyan ve Hızlıprop öğrenme algoritması, EMG, HFD

CLASSIFICATION OF EMG SIGNALS USING ARTIFICIAL NEURAL NETWORK AND DIAGNOSIS OF NEUROPATHY NEUROMUSCULAR DISEASE

Öz

In this study, the fast Fourier transform (FFT) analysis was applied to EMG signals recorded from Abductor Pollicis Brevis (APB) First Dorsal Interosseous(FDI) ve Abductor Digiti Minimi(ADM) muscles of 59 patients. FFT coefficient obtained from the result of this application trained with backpropagation algorithm of artificial neural network (ANN) and classification for diagnosis was realized. Conjugate gradient and quickprop learning algorithms were used during this training. After 500 learning cycles (Epoch), performance values of test results was computed and compared. Consequently, FFT coefficients were trained in neural network and neuropathy and normal EMG signals were classified with correction rate of 97%

Anahtar Kelimeler

• Artificial Neural Network, Backpropagation (BP), Quickprop and conjugate gradient learning algorithm, EMG, FFT