Ön Kol Kaslarında Kavrama Esnasında Oluşan Kuvvetin EMG Sinyalleri ile Belirlenmesi ve Analizi

Abstract

Kas kuvvetlerini insan vücuduna hasar vermeden, doğrudan ölçmek mümkün olmadığı için bu kuvvetlerin belirlenmesinde yardımcı ölçüm ve yöntemlere gereksinim vardır. Bu çalışmada elin kavraması esnasında ön kol kaslarında oluşan kuvvet analiz edilmeye çalışılmıştır. Bunun için farklı katılımcıların ön kol flexor kaslarından EMG ve ön kol antropometrik ölçümleri alınmış, elde edilen ham veriler analiz edilerek kavrama kuvveti ve EMG sinyalleri arasındaki ilişki, ön kol antropometrik ölçümlerinden de faydalanarak incelenmiştir. Kavrama kuvveti ve EMG sinyalleri arasındaki ilişkin maksimum kasılmanın %20 - %80 aralığında lineer olduğu, maksimum kasılma yüzdelerinin EMG sinyali ile analizi ve tahmininde önkolun antropometrik ölçümlerinin büyük fayda ve tahmin kolaylığı sağladığı, görülmüştür. Elde edilen sonuçların kontrolü için bir yapay sinir ağı kullanılmış, %15’luk bir hata ile önkolun antropometrik ölçümlerinden, kavrama kuvveti ve EMG sinyalleri arasındaki ilişkinin tahmin edilebileceği görülmüştür.

Keywords

• biyomekanik
• emg sinyali
• Kas kuvvetleri
• El kavrama kuvveti

Determination and Analysis of Force Generated During Gripping in Muscles of the Forearm via EMG Signals

Abstract

It is not possible to measure muscle strength directly without harming the human body, therefore additional measures and methods are needed to determine these forces. In this study, the forces which created in the forearm muscles was tried to be analyzed. For this purpose, from different subjects, forearm flexor muscles EMG signal and forearm anthropometric measurements were taken then raw signals were analyzed to understand relation between grip strength and EMG signals. Analysis and estimation of maximal contraction percentages via EMG signal showed that forearm anthropometric measurements provided great benefit and predictability, and there is a linear change between grip strength and EMG signals in the range of 20% to 80% of the maximal
contraction. An artificial neural network was used to check the results obtained, and an anthropometric measurement of the forearm with an error of 15% revealed that the relationship between grip strength and EMG signals could be predicted.

Keywords

• Muscle forces
• Grip Strength
• Biomechanics
• EMG signals

References

1. I. Yazici, E. Koklukaya, B. Baslo (2009) DOI: 10.1109/BIYOMUT.2009.5130379
2. L. E. Charles, C. M. Burchfiel, D. Fekedulegn, Occupational and Environmental Medicine, (2006) 63:820-827.
3. D. Mandalidis, M. O’Brien (2010) DOI: 10.1016/j.jbmt.2008.05.001.
4. J. Adams, J. Burridge, M. Mullee, A. Hammond, C. Cooper, Clin Rehabil. 18(4) (2004) 405.
5. B. Niebuhr, R. Marion, American Journal of Physical Medicine & Rehabilitation, (1990) 69:96–101.
6. M. Sinaki, American Journal of Physical Medicine & Rehabilitation, (1989) 68:134–138.
7. A. Rainoldi, G. Melchiorri, I. Caruso, Journal of Neuroscience Method,s 134(1) 2004 37-43
8. L. M. Kent, Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 12 (1990).

9. T.Uchiyama, T.Bessho, K.Akazawa, Jurnal of Biomechanic, 31 (1998) 545-554
10. L. Wang, T. S. Buchanan, IEEE Transaction on neural systems and rehabilitation engineering, 10(1) 2002 30-37
11. J.L. Semmlow, Biosignal and Bimedical Image Processing Matlab-Based Applications, 3.Baskı, CRC Press, (2004).
12. D.Leca, Jurnal of applied biomechanic, 13 (1997) 163.
13. Y. Koçyiğit, Y. Korürek, M. Korürek, İtüdergisi/d: mühendislik, 4(3) 2005 [14] M.M. Liu, W. Herzog, H.H. Savelberg, Journal of Electromyography and Kinesiology, 9 (1999) 391-400.
14. C. W. Nicolay, A. L. Walker, International Journal of Industrial Ergonomics, 35(7) (2005) 605
15. Anakwe RE, Huntley JS, McEachan JE. Journal of Hand Surgery (European Volume) 32 (2007) 203.
16. S. Narin, İ. Demirbüken, S. Özyürek, U. Eraslan, Dokuz Eylül Üniversitesi Tıp Fakültesi Dergisi 23(2) (2009) 81.