Υπολογιστική ανάλυση ηλεκτρομυογραφικών χρονοσειρών με εφαρμογή μεθόδων παραγοντοποίησης πινάκων και κυματιδιακής ανάλυσης συνάφειας

Κασπίρης-Ρουσέλλης, Χρήστος; Kaspiris-Rousellis, Christos

dc.contributor.author	Κασπίρης-Ρουσέλλης, Χρήστος	el
dc.contributor.author	Kaspiris-Rousellis, Christos	en
dc.date.accessioned	2017-03-07T08:58:54Z
dc.date.issued	2017-03-07
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/44528
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.5231
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Υπολογιστική Μηχανική”	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Μυικές συνέργειες	el
dc.subject	Εντοπισμός δραστηριότητας	el
dc.subject	Μέθοδος παραγοντοποίησης πινάκων NMF	el
dc.subject	Κυματιδιακή ανάλυση συνάφειας	el
dc.subject	Χειροσφαίριση	el
dc.subject	Μυική οργάνωση της κίνησης	el
dc.subject	ΗΜΓ σήμα	el
dc.subject	Emg onset/offset detection	en
dc.subject	Non-negative matrix factorization	en
dc.subject	Wavelet coherence	en
dc.subject	Motor control	en
dc.subject	Handball	en
dc.subject	Muscle coordination	en
dc.subject	Neuromuscular control strategies	en
dc.subject	Muscle synergies	en
dc.title	Υπολογιστική ανάλυση ηλεκτρομυογραφικών χρονοσειρών με εφαρμογή μεθόδων παραγοντοποίησης πινάκων και κυματιδιακής ανάλυσης συνάφειας	el
dc.title	Computational analysis of EMG time series using matrix factorization methods and wavelet coherence	en
heal.type	masterThesis
heal.classification	Time series analysis	en
heal.dateAvailable	2018-03-06T22:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2016-10-26
heal.abstract	Ο σκοπός της παρούσας μελέτης ήταν η διερεύνηση της δυνατότητας εξαγωγής της μυικής οργάνωσης κατά την εκτέλεση μιας σύνθετης κινητικής λειτουργίας μέσω επιφανειακής ηλεκτρομυογραφίας (εΗΜΓ), κάνοντας χρήση της υπόθεσης των συνεργιών. Ο στόχος μας ήταν να εξετάσουμε αν μια διαδικασία εκπαίδευσης σε αυτή τη κινητική λειτουργία θα μπορούσε να οδηγήσει στην εξέλιξη συγκεκριμένης νευρομυϊκής στρατηγικής, καθώς και η αξιολόγηση των υπολογιστικών μεθόδων που χρησιμοποιήθηκαν κατά τη διαδικασία. Το πρώτο κεφάλαιο περιλαμβάνει την ανάπτυξη ενός αλγορίθμου για τον ακριβή εντοπισμό της έναρξης και της λήξης της μυικής δραστηριότητας συνδυάζοντας υπάρχουσες μεθόδους στη βιβλιογραφία όπως μεθόδους ορίου, τον τελεστής ενέργειας Teager-Kaiser, και συσταδοποίηση μέσω μικτού κανονικού μοντέλου. Μια υπόθεση που γίνεται συχνά είναι ότι το κεντρικό νευρικό σύστημα παράγει κίνηση μέσω του συνδυασμού ομάδων μυών, ή μυικών συνεργιών. Οι μυικές συνέργειες εξάχθηκαν από τα εΗΜΓ δεδομένα. Τα δεδομένα καταγράφηκαν από τέσσερις μύες (ονομαστικά τραπεζοειδής, θωρακικός, τρικέφαλος, δικέφαλος), και μέσω της εφαρμογής της μεθόδου παραγοντοποίησης NMF έγινε εξαγωγή των διανυσμάτων των μυικών συνεργιών και των χρονικά μεταβαλλόμενων διανυσμάτων των συντελεστών ενεργοποίησης. Οι συνέργειες αντιπροσωπεύουν το σχετικό βάρος του κάθε μυ εντός της συνέργειας και οι συντελεστές ενεργοποίησης τη σχετική συμμετοχή της κάθε συνέργειας στο συνολικό μοτίβο. Μια ιεραρχική μέθοδος συσταδοποίησης εφαρμόστηκε για την ομαδοποίηση των συνεργιών σε συστάδες και αναπτύχθηκε μια μέθοδος για την εξαγωγή καθολικών συνεργιών σε επίπεδο συστάδας. Πραγματοποιήθηκε σύγκριση μεταξύ 5 επαγγελματιών αθλητών και 5 αρχαρίων κατά την εκτέλεση σε στόχους από στάση στο άθλημα της χειροσφαίρισης. Η μέθοδος συσταδοποίησης μπόρεσε επιτυχώς να διαχωρίσει τις δύο ομάδες με χρήση των εξαγόμενων συνεργιών. Η κύρια διαφορά στα στοιχεία των συνεργιών εντοπίστηκε στη συνδυαστική ενεργοποίηση του θωρακικού μυ κατά τη φάση της επιτάχυνσης, η οποία μπορεί να εξηγήσει την μεγαλύτερη ταχύτητα εκτέλεσης που συναντάται στους επαγγελματίες αθλητές. Οι δύο ομάδες παρουσίασαν γενικά το ίδιο μοτίβο χρονικής οργάνωσης της εκτέλεσης το οποίο έρχεται σε συμφωνία με προηγούμενες μελέτες. Από τα αποτελέσματα μπορεί να εξαχθεί το συμπέρασμα ότι η μακροχρόνια εκπαίδευση δύναται να μεταβάλει την υπάρχουσα δομή των θεμελιακών στοιχείων οργάνωσης της κίνησης για να ανταποκριθεί στις απαιτήσεις μιας σύνθετης κινητικής λειτουργίας. Στο τελευταίο μέρος, πραγματοποιήθηκε ανάλυση του μυικού συντονισμού στο χρονοσυχνοτικό πεδίο βασισμένη στον δείκτη κυματιδιακής συνάφειας. Με τον σχηματισμό ενός δικτύου ανάμεσα στους μύες αξιολογήθηκε η συνδεσιμότητα μεταξύ αυτών στον χρόνο στους ρυθμούς βήτα και γάμμα κάνοντας χρήση των σημαντικών τιμών του δείκτη συνάφειας. Η θέση των κόμβων με το μεγαλύτερο βαθμό εμφάνισε ενισχυμένη συνδεσιμότητα στον θωρακικό μυ στον βήτα ρυθμό για την ομάδα των επαγγελματιών αθλητών κατά τη φάση της επιτάχυνσης. Η διαφορά στη δομή των συνεργιών μεταξύ των δύο ομάδων επιβεβαιώθηκε περαιτέρω λαμβάνοντας τις σημαντικές διαφορές ανάμεσα στα ζεύγη των συνδέσεων στις αντίστοιχες φάσεις της εκτέλεσης.	el
heal.abstract	The aim of this study was to investigate the underlying muscle coordination in the recorded surface electromyography (sEMG) data during the execution of a complex motor task, by using the muscle synergies paradigm. Our goal was to examine whether the presence of a learning effect could lead to a specific neuromuscular control strategy, as well as to evaluate the computational methods used in this process. The first chapter involves an algorithm for the extraction of the exact onset and offset times of muscles contractions by combining existing methods in the literature including threshold methods, the Teager-Kaiser energy operator, and clustering using a Gaussian mixture model. A common hypothesis is that the central nervous system produces movement through the combination of groups of muscles, or muscle synergies. Muscle synergies were extracted from sEMG data. The data were recorded from four muscles (namely trapezius, pectoralis major, triceps brachii, and biceps brachii), and non-negative matrix factorization was applied to extract muscle synergy vectors and time-varying synergy activation coefficients. The muscle synergy vectors represent the relative weighting of each muscle within each synergy and the activation coefficients represent the relative contribution of each synergy to the overall pattern. An hierarchical clustering method was used to extract synergies clusters and a method for extracting global synergies at the cluster level was developed. We compared 5 experts and 5 novices during the handball standing throw. The clustering method was able to successfully distinguish the two groups using the extracted synergy vectors. The main difference among synergies components was observed on the combined recruitment of the pectoralis muscle during the acceleration phase, which could account for the increased ball throwing velocity found in experts. The two groups demonstrated an overall similar temporal organization of the execution procedure which is in agreement with previous studies. Our results suggest that long-term training may modify the existing modular structure to meet the demands of a complex motor task. In the last part, an approach based on wavelet coherence was applied to analyze muscle coordination in the time–frequency domain. A network among the four muscles was formed to assess temporal connectivity in beta and gamma frequency bands using the significant coherence values. The location of the high degree nodes revealed enhanced connectivity of the pectoralis muscle in the beta band for the group of experts during the acceleration phase. The difference in the structure of the extracted synergies between the two groups was further verified by the significant differences in pairwise connections at the corresponding throwing phases.	en
heal.advisorName	Γκούσης, Δημήτριος	el
heal.committeeMemberName	Γκούσης, Δημήτριος	el
heal.committeeMemberName	Κυρανούδης, Χρήστος	el
heal.committeeMemberName	Καραντώνης, Αντώνης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Χημικών Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	98 σ.	el
heal.fullTextAvailability	true