Temporomandibular eklem sesleri için kayıt cihazı tasarımı

Temporomandibular eklemler (TME) günlük yaşamda çok önemli bir rol oynar. Çiğneme ve konuşmadan sorumlu, vücuttaki en karmaşık eklemlerden biridir. Temporomandibular eklem hastalıkları çene eklemi ve çiğneme kaslarının ilgili yapılarındaki bozukluklar olarak kendini gösterir. Temporomandibular eklem morfolojik olarak kişiden kişiye farklılık gösterir. Teşhis ve tedavideki ilerlemeler, TME anatomisi ve fonksiyonunun daha iyi anlaşılmasına yol açmıştır. TME bozukluklarının teşhisinde en önemli yöntemlerden biri de ağzı açıp kapatırken çene ekleminden çıkan seslerdir. Bu seslerin teşhisi doktorun dinlemesi ile konur. Bu sesler elektronik olarak kaydedilerek, bir bilgisayar tarafından sınıflandırılabilir. Bu anlamda spektrum analizine dayalı sınıflandırma son yıllarda özellikle önem kazanmıştır. Spektrum analizine dayalı derin öğrenme sınıflandırmaları da literatürde yer almaya başlamıştır. Bu çalışmalar, çene eklemi işlevindeki değişiklikleri belirlemek için sese dayalı bir teşhis yöntemi kullanır. Stetoskop ve mikrofon yardımıyla alınıp kaydedilen çene eklemi seslerinin frekans spektrum analizi yapılır ve derin öğrenme algoritmaları ile kaydedilen seslerin sağlıklı veya sağlıksız kişilere ait olup olmadığını belirler. Bu çalışmanın amacı daha çok veriye ulaşabilmek için kullanışlı bir cihaz tasarımı yapabilmek, alınacak olan seslerin harici ses ve parazitlerden izole olabilmesi için birbiri ile uyumlu ve kararlı çalışabilen bir cihaz tasarlamaktır.

Temporomandibular joints (TMJ) play a very significant role in daily life. It is one of the most complicated joints in the body, responsible for chewing and speaking. Temporomandibular joint diseases are manifested as disorders in the related structures of the jaw joint and masticatory muscles. The temporomandibular joint differs morphologically from person to person. Advances in diagnosis and treatment have led to a better understanding of TMJ anatomy and function. One of the most important methods in the diagnosis of TMJ disorders is the sounds that come out of the jaw joint when opening and closing the mouth. The diagnosis of these sounds is made by listening to the doctor. By recording these sounds electronically, these sounds can be classified by a computer. In this sense, classification based on spectrum analysis has gained particular importance in recent years. Deep learning classifications based on spectrum analysis have also started to take place in literature. These studies use a sound-based diagnostic method to identify changes in jaw joint function. Frequency spectrum analysis of the recorded jaw joint sounds with the help of a stethoscope and microphone is performed and it determines whether the sounds recorded with deep learning algorithms belong to healthy or unhealthy people. In this study, to access more data is to design a useful device which can work harmoniously and stably so that the sounds to be received can be isolated from external noise and interference.