Görüntüleme
7
İndirme
2
Parkinson hastalığı, insan sağlığını tehdit eden titremenin ana semptom olduğu nörodejeneratif bir hastalıktır. Günümüzdeki araştırmalar, Parkinson Hastalığının önceden tahmin edilebilmesine, tespit edilebilmesine veya sınıflandırılabilmesine odaklanmaktadır. Son yıllarda çeşitli sensörler kullanılarak giyilebilir hareket algılama sistemleri oluşturulmaya başlanmıştır. Raporlanan sonuçlar sorunların hemen hemen çözüldüğü izlenimini verirken, dikkate alınan verilerin temsil kapasitesi ve buna bağlı olarak performans değerlendirilmesinin güvenilirliği hakkında ciddi sorular ortaya çıkmaktadır. Bu araştırma makalesinde, Edge Impulse yazılımı, Arduino Nano 33 BLE mikrodenetleyicisi ve LSM9DS1 ivme sensörü ile titreme tespiti için sistem yapılmıştır. Arka planda titreme ile istenmeyen genel bir sinyali ayırt edebilmektedir. Bu çalışmada, Edge Impulse makine öğrenme araçlarını kullanarak gelişmiş bir tahmine dayalı sistem tasarımıyla Nesnelerin İnterneti (IoT) ve makine öğreniminin birlikteliğinde ivme sensörü ile hareket tespiti yapılarak hastalığın erken tespitinin yapılması amaçlanmıştır. Edge Impulse, bu çalışmada titreme ve istenmeyen titreme için çeşitli örneklerden oluşan geniş bir veri kümesini eğitmek için kullanılmıştır. Önerilen sistemin %85 tanıma doğruluğu sağladığı bulunmuştur.
Parkinson's disease is a neurodegenerative disease in which tremor is the main symptom that threatens human health. Current research focuses on predicting, detecting or classifying Parkinson's Disease. In recent years, wearable motion detection systems have started to be created using various sensors. Reported results; While giving the impression that the problems are almost solved, serious questions arise about the representative capacity of the considered data and, accordingly, the reliability of the performance evaluation. In this research paper, the system for flicker detection is made with Edge Impulse and Arduino Nano 33 BLE LSM9DS1. It can distinguish between background flicker and an unwanted general signal. In this study, it is aimed to detect the disease early by using the Edge Impulse machine learning tools to detect motion with an acceleration sensor in combination with an advanced predictive system design, Internet of Things (IoT) and machine learning. Edge Impulse was used in this study to train a large dataset of various multiple samples for jitter and unwanted jitter. It was found that the proposed system provides 85% recognition accuracy.
Alan : Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
