Derin öğrenme ile IMU tabanlı hareket analizi ve hareketlerin sanal gerçeklik ortamına aktarılması

Sanal gerçeklik (VR) teknolojisi, sağlık alanından, eğitimden rehabilitasyona kadar uzanan geniş bir yelpazede güçlü bir dönüşüm aracı haline gelmiştir. Gerçekçi ve etkileşimli ortamlar, sağlık profesyonellerinin beceri kazanımını hızlandırmakta; hastalar açısından ise motivasyonu artıran, güvenli ve ölçülebilir egzersiz deneyimleri sunmaktadır. Bu bağlamda VR, felç ve kas-iskelet sistemi sorunları olan bireylerde hareket becerilerinin geliştirilmesine, denge ve koordinasyonun iyileştirilmesine ve tedaviye uyumun güçlenmesine katkı sağlar. Bu tez, VR'nin bu klinik potansiyelini, kullanıcıların yaptığı egzersizleri gerçek zamanlı izleyen ve oturum sonunda hareket türünü otomatik olarak belirleyen bütünleşik bir sistemle analiz eder. Sistem; Meta Quest 3 üzerinde geliştirilen egzersiz senaryoları ile giyilebilir IMU sensöründen elde edilen verilerin kablosuz aktarımını bir araya getirir. Oturum sırasında kullanıcı seçtiği egzersizi tamamlar; akış halinde toplanan veriler düzenlenir ve egzersiz bitiminde model tarafından hangi hareketin yapıldığına ilişkin bir tahmin üretilir. Oyunlaştırılmış egzersizler kullanıcı motivasyonunu desteklerken, elde edilen sonuçlar ev ve klinik uygulamalara uyarlanabilen, kişiselleştirilebilir rehabilitasyon egzersizleri için bir çerçeve sunmaktadır