Fall detection and classification using wearable motion sensors

Etkin düşme algılama sistemleri, düşme risk gruplarındaki kişiler için düşmelerin ciddi tıbbi ve ekonomik sonuçlarının hafifletilmesinde yaşamsal öneme sahiptir. Bu tür sistemlerin bir çeşidi, giyilebilir algılayıcı kullanan düşme saptama sistemleridir. Konuyla ilgili çok sayıda akademik çalışma bulunmasına rağmen, literatür hala etkin ve gürbüz algoritmalara ve en güncel algoritmaların ortak ve kapsamlı bir veri kümesi üzerinde değerlendirilmesine ve karşılaştırılmasına gerek duymaktadır. Bu tez çalışmasında, kişinin belindeki bir hareket algılayıcısı ünitesini kullanan düşme saptama ve düşme yönü sınıflandırma algoritmaları sunulmuş- tur. Ayrıca, çeşitli düşme algılama algoritmalarının toplam 2880 veri örneğinden oluşan kapsamlı bir veri kümesi üzerinde karşılaştırması yapılmıştır. Sinyallerden elde edilen iki basit öznitelik kullanan yeni bir buluşsal düşme algılama algoritması (FADoTh) önerilmiş ve 15 güncel buluşsal düşme algılama algoritması ile karşılaştırılmıştır. FADoTh algoritması, en yüksek ortalama doğruluk (%98.45), duyarlılık ve F-ölçütü değerlerine sahiptir. Aynı algoritmanın öğrenici sürümü (kAT) geliştirilmiş ve sekiz makine öğrenme (ML) sınıflandırıcısı ile aynı veri kümesi üzerinde karşılaştırılmıştır: Bayesçi karar verme (BDM), en küçük kareler yöntemi (LSM), k-en yakın komşuluk sınıflandırıcısı (k-NN), yapay sinir ağları (ANN), destek vektör makineleri (SVM), karar ağacı sınıflandırıcısı (DTC), rastgele orman (RF) ve adaptif takviyeli sınıflandırma (AdaBoost). Bu karşılaştırmada kAT algoritması, %98.85 ortalama doğruluk ile BDM, k-NN, ANN, SVM, DTC, RF ve AdaBoost ile benzer başarım gösterirken, LSM'den daha yüksek sonuçlar üretmiştir. Son olarak, düşme eylemini dört temel yöne (öne, arkaya, sağa ve sola) sınıflandırmak için aynı sekiz ML sınıflandırıcısı uygulanmış ve veri kümesinin sadece düşme aktivitelerinden oluşan indirgenmiş bir sürümü üzerinde değerlendirilmiştir. BDM kusursuz sınıflandırma elde ederken k-NN, SVM ve RF onu izleyen başarımlar sergilemişlerdir. BDM, LSM, k-NN ve ANN, bilinmeyen bir sınıftan gelen verilerin varlığına karşın değiştirilmiş ve indirgenmiş veri seti üzerinde değerlendirilmiştir. Söz konusu gürbüzlük analizinde ANN ve k-NN, %96.2'nin üzerinde doğruluk sergilemiştir. Bu çalışmada elde edilen sonuçlar, gerçek dünyada kullanılabilecek düşme sezim sistemleri geliştirilmesinde yol gösterici olacaktır. Anahtar sözcükler : giyilebilir algılayıcılar, hareket algılayıcıları, düşme sezimi, düşme sınıflandırması, düşme sezimi algoritmaları, buluşsal (kural tabanlı) yöntemler, makine öğrenmesi.