Design of wearable systems for activity monitoring and their applications using neural networks and data fusion techniques

Hareket analizi, depresyon ve hareketsizlik gibi sağlık sorunlarının değerlendirilmesinde uzmanlara yardımcı olur. Erken teşhis ve geri dönüşü olmayan deformiteleri önlemek için sürekli izleme önemlidir. Video tabanlı sistemler, yüksek doğrulukları nedeniyle popülerdir. Ancak, maliyetleri yüksek ve iç mekan kullanımı için uygundurlar. Bu zorlukların üstesinden gelmek için; akıllı giysi, kablosuz akıllı tabanlık ve kablosuz atalet ölçüm birimleri gibi çeşitli giyilebilir cihazlar tasarlandı. Tasarlanan giyilebilir sistemler, yürüyüş analizi ve aktivite tanıma için değerli bilgiler sağlamıştır. İlk olarak; akıllı giysi ve füzyon teknikleri kullanılarak alt ekstremite eklem açıları tahmin edildi. Uygulanan tekniklerin performansını değerlendirmek için referans cihaz olarak video tabanlı bir sistem kullanılmıştır. İkinci olarak; aktivite tanıma için ideal sensör konumlarının tespiti planlanmıştır. İnsan vücudunun çeşitli noktalarına atalet ölçüm birimi yerleştirildi. Toplanan veriler değerlendirme için yapay sinir ağlarına beslendi. Üçüncü olarak; aktivite tanıma evrişimli sinir ağları, uzun kısa vadeli sinir ağları ve evrişimli uzun­-kısa vadeli sinir ağları dahil olmak üzere çeşitli derin öğrenme sinir ağları kullanılarak amaçlandı. Son olarak; sinir ağları ile akıllı tabanlık ve kablosuz atalet ölçüm birimleri kullanılarak farklı sensör modaliteleri için aktivite tanıma performansı değerlendirildi. Dört çalışmanın sonuçları gösteriyor ki; i) akıllı giysimiz video tabanlı bir sistemle benzer performans göstermektedir, ii) göğüs ve bacak, aktivite tanıma için en ideal konumlar, iii) konvolüsyonel uzun kısa vadeli sinir ağları, aktivite tanıma için test edilen diğer ağlardan daha iyi performans sunmaktadır ve iv) akıllı tabanlık, bacağa takılan IMU sensörleri ile benzer aktivite tanıma performansını sağlamaktadır.