Makine öğrenmesi, topolojik veri analizi ve derin öğrenme modelleri ile EMG sinyal analizi

Bu tez çalışmasında Elektromiyografi (EMG) sinyallerinin etkili bir şekilde analizi amaçlanmıştır. Bu doğrultuda geleneksel makine öğrenmesi algoritmaları, topolojik veri analizi ve derin öğrenmeye dayalı algoritma yöntemleri içeren 3 farklı yaklaşım kullanılmıştır. İlk yöntemde, EMG sinyallerinden farklı özellikler çıkarılmıştır. Bu özelliklerin tek tek, ikili, üçlü ve dörtlü kombinasyonları kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Ayrıca, 128 sensör içinde elektriksel aktivite bilgisi az olan sensörler belirlenerek elemeye tabi tutulmuştur. Seçilen 120 sensör ve ikili özellik kombinasyonunda %99.75 başarım elde edilmiştir. İkinci yöntemde, EMG verisinin barkod diyagramı, kalıcılık diyagramı ve simpleks değerleri hesaplanarak topolojik yapısı analiz edilmiştir. 0.boyut yaşam süreleri özellik olarak kullanıldığında %70.26 başarım elde edilmiştir. Üçüncü yöntemde ise EMG verisi sürekli dalgacık dönüşümü yöntemi ile görüntüye dönüştürülmüştür ve önceden eğitilmiş derin öğrenme modelleri kullanılarak özellik çıkarımı gerçekleştirilmiştir. Elde edilen özellikler, kapsül ağına girdi olarak verilerek sınıflandırma işlemi gerçekleştirilmiştir. Bu yöntemle %97.32 başarım elde edilmiştir. Aynı zamanda EMG verisinden elde edilen korelasyon ısı haritaları görüntü olarak kullanılarak derin öğrenme modellerine girdi olarak verilip sınıflandırmaya tabi tutulmuştur.