Akademik Veri Yönetim Sistemi
Yılmaz C. (Yürütücü), Yeşildirek A., İşcan M., Tarakçı E., Metin Terzibaşıoğlu A., Aydoğan Ö.
TÜSEB C Grubu Öncelikli AR-GE Projesi, 2024 - 2026
Günümüzde biyonik el protezleri, alt
koldan ampüte edilmiş kişilere bir alt kol protezi üzerinden veya üst koldan ampüte
edilmiş kişilere bir tam kol protezinin bilek kısmı üzerinden uygulanmakta ve
hastanın kaslarından elde edilen elektrik sinyallerinin (EMG) işlenmesi ile
döndür, tut/bırak (TB) vb hareketlerini gerçekleştirebilmektedir. Ampüte
edilmiş uzuvda geriye kalan kasların sınırlı sayıda olması ve aktif olarak
kullanılsa bile sağlıklı kaslar kadar güçlenememesi, bu kaslardan ölçülecek EMG
sinyal sayısını ve kalitesini düşürmektedir. Bu durum faydalı veri elde
edilememesine, dolayısıyla istenilen tüm hareketlerin matematiksel olarak tanılama
ve sınıflama problemlerine yol açmaktadır.
Özellikle, EMG’lerin sınıflandırılması
için makine öğrenmesi tabanlı derin öğrenme/özyinelemeli/çok katmanlı
algılayıcı ağ yapıları ile birlikte hareketin tahmin edilmesi, TB hareketleri
üzerine tanı algoritmalarının tasarımları sıklıkla geliştirilmiştir. Bu
metotların tanılama performansı doğrudan ampüte edilen kişinin kaslarının EMG
sinyali zenginliğine göre değişmektedir. Ek olarak EMG’nin sadece ampüte edilmemiş
bölgelerden elde edilebilmesinden dolayı, SP hareketlerinin tahminine de imkân
sağlamamaktadır. Kasların nörolojik tetiklemelerini yakalamak için frekans
tabanlı veri zenginleştirilmesi yapılmasına rağmen, filtreleme tekniklerinin ve
EMG’nin kişiden kişiye değişmesi, ampütasyon bölgesinin farklılık göstermesi,
bu yapıların genel bir çözüm üretmesinin önüne geçmektedir. Genelleştirilmiş
bir algoritma için fizyolojik kas tabanlı modellerin kullanılamaması ve kasın
zaman cevabını belirleyen kritik etken parametrelerinin (KEP) (kütle, yay,
damper) yapay zeka eğitimine eklenememesi fizyolojik sinyallerin
sınıflandırılmasında ayrıştırıcı karakteristiklerin göz ardı edilebilmesine
sebep olabilmekte ve biyonik protez uygulamasında işlevselliği düşürmektedir.
İşte tam bu noktada, özgün bir
protez el tasarlanıp oluşturulacak ve bu eli takan hastaların EMG sinyallerini
kullanarak özgün bir yapay zeka algoritması geliştirilecektir. Fizyolojik
bilinçli bir üretken çekişmeli ağ (FB-ÜÇA) tasarımının kasların KEP
özelliklerini ortaya çıkarmak ve hatta var olmayan kasların KEP tahmini için
gerçekleştirilmesi planlanmaktadır. Önerilen projede, evrişimli sinirsel ağ
yapısına sahip “Ayrıştırıcı” ve “Üretici” ağ modelleri altı farklı hareketi
(tut, bırak, supinasyon, pronasyon ve baş parmak fleksiyon, ekstansiyon)
ayrıştırmak ve giriş veri setini fizyolojik olarak üretmek için eğitilecektir.
Literatürden farklı olarak “üretici” ağ modeline rastgele sinyallerin verilmesi
ile veri zenginleştirilmesinin yanı sıra, FB yapısının kazandırılması için
yenilikçi bir kas modelinin çıkışlarının kullanılması planlanmaktadır. Bu
sayede kasın fizyolojik olarak yer değiştirmesi, hızı, pasif/aktif katılık ve
damper değerleri, var olan kaslardan alınan EMG ile oluşturularak sübjektif kas
sinyallerinin genelleştirilmesi sağlanacaktır. “Üretici” ağ modelinin fizyolojik
değerlerle beslenmesi ile ampüte uzvundaki yok olmuş veya fonksiyonsuz kasların
KEP tahmini hedeflenmektedir. Bu tahmin sonucu var olmayan kasların sanal
olarak oluşturulması ile “Ayrıştırıcı” ağ modeline beslenecek olan verilerin
üretilmesi sağlanacaktır. “Ayrıştırıcı” ağ modelinin EMG ile eğitilebilmesi
için, pencereleme yöntemi ile hem EMG, hem de dalgacık modeli içeren bir giriş
verisi kullanılacaktır.
Projenin katkıları şöyle
özetlenebilir:
-
Özgün
bir protez elde edilmesi,
-
FB-ÜÇA
ile fizyolojik bilinç özelliğine sahip, yenilikçi kas modelinin sinyallerinin
beslenmesi ile sübjektif olarak türetilen KEP’lerin genelleştirebilen ve ortaya
çıkarılması güç olan hareketleri gerçekleştirebilen kaslara ait verilerin
üretilebilmesi,
-
Fizyolojik
olarak KEP ile kurulmuş olan kas modelleri öğrenme işlemine katılarak, kasların
yer değiştirme, damper, aktif/pasif katılık değerlerinin sonuçlarının “üretici”
ile elde edilmesi.