Hareket Analizi Verilerini Kullanarak Kas Kuvveti Tahminine Yönelik Farklı Yapay Zeka Algoritmalarının İncelenmesi
Abstract
Kas kuvvetlerinin belirlenmesi sportif faaliyetler, egzersiz etkinliği ve rehabilitasyon süreçleri bakımından önemlidir. Kas kuvvetleri genellikle biyomekanik modeller aracılığıyla hesaplanmakta veya elektromiyografi (EMG) ölçümleri ile tahmin edilmektedir. Bu çalışmada kas kuvvetlerinin tahmini için farklı yapay zeka yöntemleri incelenmiştir. Yapay zeka algoritmalarının eğitimi için eklem açısı, eklem açısal hızı ve kas kuvveti kullanılmıştır. Algoritmaların eğitim ve test işlemi aynı veri üzerinde yapıldığında hem karar ağaçları hem de yapay sinir ağları yüksek başarı göstermiştir. Ancak algoritmalar farklı bir hareket verisindeki kas kuvvetlerini tahmin etmek için sınandıklarında en yüksek başarının sadece yapay sinir ağları yönteminde elde edilmiştir. Bu çalışmanın sonuçları, yapay zeka yöntemlerinin kas kuvvetlerini EMG verileri kullanılmadan da tahmin edebileceğini göstermiştir
Keywords
Kas mekaniği, dambılegzersizi, makine öğrenmesi, yapay sinir ağları.
References
- [1]Serbest, K., Berisha, M., & Cilli, M. (2018). Dynamic analysis of three different high bar dismounts in the simmechanics environment. Journal of Mechanics in Medicine and Biology, 18(03), 1850030.
- [2]Yun, M. H., Eoh, H. J., & Cho, J. (2002). A two-dimensional dynamic finger modeling for the analysis of repetitive finger flexion and extension. International Journal of Industrial Ergonomics, 29(4), 231-248
- [3]Cilli, M., Serbest, K., & Kayaoglu, E. (2021). The effect of body weight on joint torques in teenagers: Investigation of sit-to-stand movement. Clinical Biomechanics, 83, 105288.
- [4]Serbest, K., Kutlu, M., Eldogan, O., & Tekeoglu, I. (2021). Development and control of a home-based training device for hand rehabilitation with a spring and cable driven mechanism. Biomedical Engineering/Biomedizinische Technik, (Baskıda).
- [5]Serbest, K. (2021). Hill tipi kas modeli ile pazu kasının mekanik analizi: Ön kol bükme hareketinin benzetimi. Academic Platform Journal of Engineering and Science,(Baskıda).
- [6]Guimaraes, A. C., Herzog, W., Allinger, T. L., & Zhang, Y. T. (1995). The EMG-force relationship of the cat soleus muscle and its association with contractile conditions during locomotion. Journal of Experimental Biology, 198(4), 975-987.
- [7]Vilimek, M. (2007). Musculotendon forces derived by different muscle models. Acta of bioengineering and biomechanics, 9(2), 41.
- [8]Shao, Q., Bassett, D. N., Manal, K., & Buchanan, T. S. (2009). An EMG-driven model to estimate muscle forces and joint moments in stroke patients. Computers in biology and medicine, 39(12), 1083-1088.
- [9]AKALIN, B., & VERANYURT, Ü. SAĞLIKTA DİJİTALLEŞME VE YAPAY ZEKÂ. SDÜ Sağlık Yönetimi Dergisi, 2(2), 128-137.
- [10]Mobasser, F., & Hashtrudi-Zaad, K. (2005). Hand force estimation using electromyography signals. In Proceedings of the2005 IEEE international conference on robotics and automation.