Servikal bölgede oluşan kas yorgunluğunun yüzey elektromiyogram bilgileri ile değerlendirilmesi
Yükleniyor...
Dosyalar
Tarih
2013-06-28
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Boyun ağrıları günümüzde kronik ağrı sıralamasında, bel ağrılarından sonra ikinci sırayı oluşturmaktadır. Yanlış duruş, psikolojik stres, yorgunluk gibi etkenler boyun bölgesinde ağrıyı arttıran faktörlerdir. Boyun bölgesindeki kaslara dinamik ya da statik yüklenme ile servikal kas yorgunluğu meydana gelir. Bu tez çalışmasında boyun fıtığı hastaları ile normal kişilerin, yüzey elektromiyografi (EMG) sinyallerinin analizi ile servikal bölge kaslarında oluşan kas yorgunluğu araştırılmıştır. EMG sinyalleri; 10 normal ve 10 boyun fıtığı hastasından alınmıştır. Kayıtlar; iki kanallı kayıt sistemi ile servikal bölgede yer alan trapezius ve strenoclediomastoid kaslarından eş zamanlı olarak; dinlenme-çalışma-yorulma olarak ifade edilen 3 aşamada 20 saniyelik periyotlarla toplam 60 sn? de tamamlanmıştır. Çalışmanın birinci aşamasında; normal ve hasta grubun yüzey EMG sinyallerinden elde edilen medyan, mean ve mod frekans değerleri ile güç spektrumunun alçak frekanslara doğru kaydığı gözlenerek kas yorgunluğu tespit edilmiştir. İkinci aşamada; EMG sinyallerinden, öznitelik vektörleri çıkarmak amacıyla, Kısa Zamanlı Fourier Dönüşümü (KZFD); Ayrık Dalgacık Dönüşümü (ADD) ve Özbağlanım Metodları (AR) uygulanmıştır. Dinlenme-çalışma-yorulma durumları ve Normal/Hasta grubun sınıflandırılması için yapay sinir ağları kullanılmıştır. EMG sinyallerinin öznitelikleri yapay sinir ağının girişlerini oluşturmuştur. Sınıflandırma sonuçlarına göre en yüksek sınıflama doğrulukları; AR ve ADD yöntemleri ile elde edilmiştir.
Nowadays, neck pain is the second place after the back pain in the ranking of the chronic pain. Factors such as incorrect posture, psychological stress, fatigue are increasing pain in the neck region. Dynamic or static load in the neck region, cervical muscle fatigue occurs. Muscle fatigue of cervical region were investigated in cervical disc patients and healty people with analysing of the surface electromyography (SEMG) signals, EMG signals were obtained from 10 healty person and 10 cervical disc patient. Records were taken simultaneously with two-channel recording system in the cervical region from trapezius and strenoclediomastoid muscles. Recordings were completed in three process: resting-working-fatigue in 20 second intervals of as a total of 60 seconds. Muscle fatigue was detected by shifting the lower frequency of the power spectrum density with the median, mean and the mod frequency of the sEMG signals which are taken from healty and patient group at the first stage. Second, in order to feature extraction from EMG signals, Short Time Fourier Transform (STFT), Discrete Wavelet Transform (DWT) and Autoregressive method (AR) were applied and for the classification Artifical Neural Network (ANN) was used. The features of sEMG signals constituted the inputs of ANN. Classification is carried out in two stages: classification of the resting-working-fatigue and classification of healty/patient. The highest classification accuracy was obtained by AR and DWT methods.
Nowadays, neck pain is the second place after the back pain in the ranking of the chronic pain. Factors such as incorrect posture, psychological stress, fatigue are increasing pain in the neck region. Dynamic or static load in the neck region, cervical muscle fatigue occurs. Muscle fatigue of cervical region were investigated in cervical disc patients and healty people with analysing of the surface electromyography (SEMG) signals, EMG signals were obtained from 10 healty person and 10 cervical disc patient. Records were taken simultaneously with two-channel recording system in the cervical region from trapezius and strenoclediomastoid muscles. Recordings were completed in three process: resting-working-fatigue in 20 second intervals of as a total of 60 seconds. Muscle fatigue was detected by shifting the lower frequency of the power spectrum density with the median, mean and the mod frequency of the sEMG signals which are taken from healty and patient group at the first stage. Second, in order to feature extraction from EMG signals, Short Time Fourier Transform (STFT), Discrete Wavelet Transform (DWT) and Autoregressive method (AR) were applied and for the classification Artifical Neural Network (ANN) was used. The features of sEMG signals constituted the inputs of ANN. Classification is carried out in two stages: classification of the resting-working-fatigue and classification of healty/patient. The highest classification accuracy was obtained by AR and DWT methods.
Açıklama
Anahtar Kelimeler
AR, EMG, Kas yorgunluğu, ANN, DWT, Muscle fatigue, KZFD, ADD, YSA, STFT
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Özme, G. (2013). Servikal bölgede oluşan kas yorgunluğunun yüzey elektromiyogram bilgileri ile değerlendirilmesi. Selçuk Üniversitesi, Yayımlamış yüksek lisans tezi, Konya.
