ERÜ öğretim üyesinden yaşlı ve hastalar için önemli buluş
Erciyes Üniversitesi Öğretim Üyesi Y. Doç. Dr. Ahmet Turan Özdemir tarafından yaşlı ve hastalar için düşme sezme sistemi geliştirildi.
Erciyes Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Öğretim Üyesi Y. Doç. Dr. Özdemir, yaşlı ve hastaların yaşamlarını daha güvenli sürdürmeleri amacıyla geliştirmiş olduğu düşme sezme sistemi ile ilgili verdiği bilgilerde, 2011-2012 yılları arasında doktora sonrası araştırmacı olarak görev yaptığı Bilkent Üniversitesi Elektrik Elektronik Mühendisliği Bölümü Öğretim Üyesi Prof. Dr. Billur Barshan ile birlikte, vücudun 6 farklı bölgesine (baş, göğüs, bel, baldır, el ve ayak bilekleri) sabitlenmek sureti ile giyilebilen, otomatikleştirilmiş bir düşme-sezme sistemi geliştirdiğini ifade etti.
'DÜŞMEYİ ÖNCEDEN SEZİYOR'
Buluşun, Erciyes Üniversitesi'nden alınan Etik Kurulu izni ile 7 kadın ve 7 erkek toplam 14 gönüllüden oluşan bir katılımcı grubu ile içerisinde en sık görülen 20 farklı düşme ve 16 farklı günlük aktivitenin bulunduğu standart bir hareket seti kullanılarak, 14 gönüllünün bu 36 adet testin her birini 5'er tekrar ile gerçekleştirmesi ile toplamda 2520 adet kayıttan oluşan bir aktivite veri tabanı oluşturulmak suretiyle denendiğini kaydeden Özdemir; 'Basit olarak kullanılan teknik yöntemden bahsedecek olursak, düşme kararları cihaz içerisine kodlanmış yapay zeka tarafından verilir. Bu karar sistemi düşme var ve yok şeklinde sınıflandırılmış bir karar olarak ortaya konulur. Ancak bu kararı veren sınıflandırıcılar evlerimizdeki bilgisayarlar gibi bir donanım değil giyilebilir ve düşük işlem kapasitesine sahip mikro denetleyiciler üzerinde çalışmak zorundadır. Sınıflanıdırıcıların eğitim ve test süreçlerindeki hesaplamasal yüklerini azaltmak amacı ile verinin küçültülmesi gerekir. Bu yüzden bel bölgesindeki sensörden toplam ivmelenme vektörünün maksimum olduğu nokta belirlenir ve bu nokta olası düşmenin merkezi olarak kabul edilir. Vücuda sabitlenmiş olan 6 sensör için bu referans noktasının öncesi ve sonrasındaki 2 sn'lik kısımları, yani toplam 4 saniyelik bir kayıt üzerinde işlem yapılır. Böylece her biri ortalama 15 veya 20 sn süren kayıtların sadece 4 saniyelik, önemli olan kısmı alınarak, verinin gereksiz kısımlarından kurtulunur. Daha sonra bu kayıt dosyası üzerine öznitelik çıkarım ve boyut azaltım teknikleri uygulanır. Günümüz literatüründe düşme sezme ile ilgili çalışmaların çoğunda, ivmelenme sensör çıkışlarının basit eşiklemesi temeline dayanan, kural tabanlı yaklaşımlar kullanılır. Ancak bu çalışmada altı farklı sınıflandırıcı ile düşmeler günlük aktivitelerden başarılı bir şekilde ayrılmıştır. Bu sınıflandırıcılar k en yakın komşu (k-NN), en küçük kareler (LSM), Bayes karar kuralı (BDM), dinamik zaman bükme (DTW) ve yapay sinir ağı (ANN) sınıflandırıcılarıdır. Bu sınıflandırıcılar, makine öğrenme teknikleri olarak bilinirler ve her biri günümüz literatüründe kendilerini kanıtlamış, başarılı karar algoritmalarıdır. Bu sınıflandırıcıların performans ve hesaplama yükleri karşılaştırıldığında, en iyi sonuçların k-NN ve LSM sınıflandırıcıları ile alındığı görülmektedir. Duyarlılık, özgüllük, hassasiyet kriterlerinin hepsi yüzde 99'un üzerinde bir başarım ile elde edilmiştir. Bu sınıflandırıcılar eğitim ve test aşamalarında makul bir hesaplama yükü taşırlar ve bu nedenle mobil yani taşınabilir uygulamalar için oldukça elverişlidirler' dedi. 'GİYİLEBİLİR SİSTEM'
Söz konusu buluşun giyilebilir olduğunu belirten Öğretim Üyesi Özdemir, konuya ilişkin olarak şu bilgileri paylaştı; 'Giyilebilir elektronik, kişinin özel hayatının mahremiyetine saygılı bir teknoloji olmakla birlikte, gelişen nesnelerin interneti (IoT, Internet of Things) kavramı sayesinde kişinin mobilitesi yani gezinimini arttırmaktadır. Kişiyi sosyal hayatın etkin bir parçası haline getirmektedir. IoT teknolojisi, cihazların uzak noktadaki sistemler ile internet üzerinden konuşmasını sağlayan bir yöntemdir ve günümüz inovasyonunun temelini oluşturur. Giyilebilir bir elektronik donanım ile kişi nerede olursa olsun, olası bir düşme durumu anında tespit edilir. Düşme eylemi, GPS uydularından alınan sinyaller kullanılarak elde edilen konum bilgisi ile birleştirilir ve izleme merkezine aktarılır. Bu nedenle yaşlılar üzerlerinde sistemi bulundurduklarında kendilerini daha güvende hissedeceklerdir. Düşününki yaşlı bir büyükanne, 18 yaşındaki torununun koluna girdiğinde kendisini nasıl güvenli hisseder, onunla birlikte bir hafta sonu yürüyüşüne asla hayır demez, çünkü ona güvenir ve koluna sıkı sıkı tutunarak bütün dünyayı gezebilirim diye düşünür. Bu proje ile geliştirilen sistemin kullanıcılarda bu etkiyi uyandırması amaçlanmaktadır. Bu güvenin sağlanması noktasında ise otomatik düşme karar algoritmalarının, düzgün bir şekilde çalışmasını sağlayacak olan, makine öğrenme teknikleri tasarımı büyük önem taşır.' ÖZEL HABER: KAAN AKBAŞ
'DÜŞMEYİ ÖNCEDEN SEZİYOR'
Buluşun, Erciyes Üniversitesi'nden alınan Etik Kurulu izni ile 7 kadın ve 7 erkek toplam 14 gönüllüden oluşan bir katılımcı grubu ile içerisinde en sık görülen 20 farklı düşme ve 16 farklı günlük aktivitenin bulunduğu standart bir hareket seti kullanılarak, 14 gönüllünün bu 36 adet testin her birini 5'er tekrar ile gerçekleştirmesi ile toplamda 2520 adet kayıttan oluşan bir aktivite veri tabanı oluşturulmak suretiyle denendiğini kaydeden Özdemir; 'Basit olarak kullanılan teknik yöntemden bahsedecek olursak, düşme kararları cihaz içerisine kodlanmış yapay zeka tarafından verilir. Bu karar sistemi düşme var ve yok şeklinde sınıflandırılmış bir karar olarak ortaya konulur. Ancak bu kararı veren sınıflandırıcılar evlerimizdeki bilgisayarlar gibi bir donanım değil giyilebilir ve düşük işlem kapasitesine sahip mikro denetleyiciler üzerinde çalışmak zorundadır. Sınıflanıdırıcıların eğitim ve test süreçlerindeki hesaplamasal yüklerini azaltmak amacı ile verinin küçültülmesi gerekir. Bu yüzden bel bölgesindeki sensörden toplam ivmelenme vektörünün maksimum olduğu nokta belirlenir ve bu nokta olası düşmenin merkezi olarak kabul edilir. Vücuda sabitlenmiş olan 6 sensör için bu referans noktasının öncesi ve sonrasındaki 2 sn'lik kısımları, yani toplam 4 saniyelik bir kayıt üzerinde işlem yapılır. Böylece her biri ortalama 15 veya 20 sn süren kayıtların sadece 4 saniyelik, önemli olan kısmı alınarak, verinin gereksiz kısımlarından kurtulunur. Daha sonra bu kayıt dosyası üzerine öznitelik çıkarım ve boyut azaltım teknikleri uygulanır. Günümüz literatüründe düşme sezme ile ilgili çalışmaların çoğunda, ivmelenme sensör çıkışlarının basit eşiklemesi temeline dayanan, kural tabanlı yaklaşımlar kullanılır. Ancak bu çalışmada altı farklı sınıflandırıcı ile düşmeler günlük aktivitelerden başarılı bir şekilde ayrılmıştır. Bu sınıflandırıcılar k en yakın komşu (k-NN), en küçük kareler (LSM), Bayes karar kuralı (BDM), dinamik zaman bükme (DTW) ve yapay sinir ağı (ANN) sınıflandırıcılarıdır. Bu sınıflandırıcılar, makine öğrenme teknikleri olarak bilinirler ve her biri günümüz literatüründe kendilerini kanıtlamış, başarılı karar algoritmalarıdır. Bu sınıflandırıcıların performans ve hesaplama yükleri karşılaştırıldığında, en iyi sonuçların k-NN ve LSM sınıflandırıcıları ile alındığı görülmektedir. Duyarlılık, özgüllük, hassasiyet kriterlerinin hepsi yüzde 99'un üzerinde bir başarım ile elde edilmiştir. Bu sınıflandırıcılar eğitim ve test aşamalarında makul bir hesaplama yükü taşırlar ve bu nedenle mobil yani taşınabilir uygulamalar için oldukça elverişlidirler' dedi. 'GİYİLEBİLİR SİSTEM'
Söz konusu buluşun giyilebilir olduğunu belirten Öğretim Üyesi Özdemir, konuya ilişkin olarak şu bilgileri paylaştı; 'Giyilebilir elektronik, kişinin özel hayatının mahremiyetine saygılı bir teknoloji olmakla birlikte, gelişen nesnelerin interneti (IoT, Internet of Things) kavramı sayesinde kişinin mobilitesi yani gezinimini arttırmaktadır. Kişiyi sosyal hayatın etkin bir parçası haline getirmektedir. IoT teknolojisi, cihazların uzak noktadaki sistemler ile internet üzerinden konuşmasını sağlayan bir yöntemdir ve günümüz inovasyonunun temelini oluşturur. Giyilebilir bir elektronik donanım ile kişi nerede olursa olsun, olası bir düşme durumu anında tespit edilir. Düşme eylemi, GPS uydularından alınan sinyaller kullanılarak elde edilen konum bilgisi ile birleştirilir ve izleme merkezine aktarılır. Bu nedenle yaşlılar üzerlerinde sistemi bulundurduklarında kendilerini daha güvende hissedeceklerdir. Düşününki yaşlı bir büyükanne, 18 yaşındaki torununun koluna girdiğinde kendisini nasıl güvenli hisseder, onunla birlikte bir hafta sonu yürüyüşüne asla hayır demez, çünkü ona güvenir ve koluna sıkı sıkı tutunarak bütün dünyayı gezebilirim diye düşünür. Bu proje ile geliştirilen sistemin kullanıcılarda bu etkiyi uyandırması amaçlanmaktadır. Bu güvenin sağlanması noktasında ise otomatik düşme karar algoritmalarının, düzgün bir şekilde çalışmasını sağlayacak olan, makine öğrenme teknikleri tasarımı büyük önem taşır.' ÖZEL HABER: KAAN AKBAŞ