dc.contributor.advisor |
Profesör Doktor Etem Köklükaya |
|
dc.date.accessioned |
2021-03-02T10:47:15Z |
|
dc.date.available |
2021-03-02T10:47:15Z |
|
dc.date.issued |
2016 |
|
dc.identifier.citation |
Bilgin, Gürkan.(2016).Dinamik kasılmalarda kas yorgunluğunun elektromiyogram ve mekanomiyogram ölçümleri ile analizi. Yayınlamlanmamış Doktora Tezi.Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya |
|
dc.identifier.uri |
https://hdl.handle.net/20.500.12619/76300 |
|
dc.description |
06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır. |
|
dc.description.abstract |
Kas yorgunluğunu tanımlayabilecek indeksleri arttırmak ve çeşitli parametrelerle ilişkisini belirlemek, kişilere özel antrenman programlarının geliştirilmesine, kişinin günlük hayattaki aktivite programını düzenlenmesine ve olası kas hasarlarının engellenmesine destek olacaktır. Bu doğrultuda yapılan çalışmada, Bruce protokolü ve 100m sprint performans testi ile gönüllülerin kaslarında oluşturulan yorgunluğun, farklı parametreler kullanılarak belirlenmesi hedef alınmıştır. Ayrıca çalışmaya katılan gönüllülerin antrene olup olmamasının, kas yorgunluğu tespiti üzerine etkileri de incelenmiştir. Literatürde yer alan yorgunluk tespit çalışmalarından farklı olarak bu çalışmada, sadece EMG, sadece MMG ve EMG-MMG kombinasyonları karşılaştırmalı olarak değerlendirilmiştir. Analizler için ilk olarak, spor geçmişi olan fakat şuan aktif bir spor dalıyla uğraşmayan kişilerden oluşan bir gönüllü grubu oluşturulmuştur. Çalışmanın başında antrene olmayan bu gönüllü grubunun belirlenen prosedüre göre kayıtları alınmıştır. Daha sonra aynı grup 8 hafta boyunca eğim antrenmanlarına katılmış ve kasları anterene hale geldiğinde, gönüllülere aynı prosedür tekrar uygulanmıştır. Elde edilen kayıtlar önişleme, DPD tabanlı enerji değerlerinin hesaplanması ve sınıflandırma aşamalarından geçirilmiştir. DPD ayrışımı 8 seviyede gerçekleştirilmiş ve sınıflandırma yapmak için ÇKYSA kullanılmıştır. Çalışma sonucunda EMG ve MMG kayıtlarının kombine uygulamasının, antrene olmayan kişilerin kas yorgunluğunu belirlemede daha başarılı bir yöntem olduğu tespit edilmiştir. Antrene kişilerin kas yorgunluğunun belirlenmesinde ise sadece EMG kayıtlarının kullanılması durumunda en başarılı sonuçlara ulaşılmıştır. Yine antrene kişilerde MMG'nin, EMG ile kombinasyona girmesi sonucunda bu yüksek test başarı değerlerini düşürdüğü görülmüştür. Ayrıca kas yorgunluğunun belirlenmesinde kullanılacak parametrelerin sadece kendi başına değerlendirilemeyeceği, EMG ve MMG kayıtlarının alındığı kişilerin antrenman düzeyinin, yaptığı aktivite ya da sporun EMG ve MMG'nin kas yorgunluğu belirlemedeki etkinliğini tamamen değiştirdiği açıkça ortaya konulmuştur. |
|
dc.description.abstract |
Increasing the indexes that can define muscle fatigue and determining it's relationship with various parameters will help the development of personel training programs, the regulation of personel daily life activity program and the prevention of possible muscle impairment. Therefore, in this study carried out, determination of the fatigue, which occurs in the volunteers' muscles via Bruce protocol and 100 m sprint performance test, was aimed by using various parameters. Moreover, the effects of whether the volunteers being trained or not, over the determination of muscle fatigue were analysed as well. Differently from the fatigue determination studies that are present in the literature, the records of solely Electromyogram (EMG), solely Mechanomyogram (MMG) and the combination of EMG and MMG were evaluated comperatively. For the analysis, firstly, a volunteers group, made of people who had a suport background in the past but now does not engage in any sport branches were performed. At the beginning of the study, the records of this group of volunteers who were untrained were taken according to the determined procedure. Afterwards, the same group participated in the trainings for 8 weeks and once their muscles became trained, the same procedure was applied to the volunteers again. The obtained records were passed through the stages of pre-processing, calculation of energy values based Wavelet Packet Transform (WPT), and classification. Decomposition of WPT was carried out in 8 levels and the Multi-layer Perceptron Artificial Neural Network (MLPNN) was used for classification. As the result of the study, it was determined that the combined application of EMG and MMG records was a more successful method for determining the muscle fatigue of those who were untrained. As for the determination of fatigue levels of those who were trained, the most successful results were attained by the use of solely EMG records. Once again, it was clearly revealed that the parameters to be used for the determination of muscle fatigue should not be evaluated single-handedly, and the training level of the persons, whose EMG and MMG records were taken, the daily activities they do and the sport activities they take part in totaly changed the effectiveness of determination of muscle fatigue by using EMG and MMG. |
|
dc.language |
Türkçe |
|
dc.language.iso |
tur |
|
dc.publisher |
Sakarya Üniversitesi |
|
dc.rights.uri |
http://creativecommons.org/licenses/by/4.0/ |
|
dc.rights.uri |
info:eu-repo/semantics/openAccess |
|
dc.subject |
Elektromiyogram işaretleri |
|
dc.subject |
Mekanomiyogram işaretleri |
|
dc.subject |
Eğim antrenmanları uygulama prosedürü |
|
dc.subject |
Dalgacık dönüşümü |
|
dc.subject |
Yapay sinir ağları |
|
dc.title |
Dinamik kasılmalarda kas yorgunluğunun elektromiyogram ve mekanomiyogram ölçümleri ile analizi |
|
dc.type |
doctoralThesis |
|
dc.contributor.department |
Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı, Elektronik Bilim Dalı |
|
dc.contributor.author |
Bilgin, Gürkan |
|
dc.relation.publicationcategory |
TEZ |
|