Futbolcularda görülen hamstring yaralanmalarının termal görüntüleme ve yapay zeka ile tespiti
Detection of hamstring injuries on football players with thermal imaging and artificial intelligence
- Tez No: 920208
- Danışmanlar: PROF. DR. MURAT CEYLAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 140
Özet
Futbol takımlarının başarısını etkileyen en önemli faktörler arasında oyuncu kalitesi, taktiksel düzenlemeler ve antrenman programları yer almaktadır. Ancak bu başarıyı olumsuz etkileyen başlıca faktörlerin başında futbolcu yaralanmaları gelmektedir. Aktif yaralanma yaşayan bir oyuncunun takıma katkı sağlayabilmesi mümkün olmamaktadır. Bundan dolayı yaralanmalar hem futbol takımlarının başarısını düşürmekte ve hem de tedavi masraflarından dolayı takımlara maliyetli olmaktadır. Bu olumsuzluklardan dolayı futbol takımları kas yaralanmalarının incelenmesi, erken evre tespiti, rehabilitasyon sürecinin takibi ve sahaya dönüşün karar verilmesinde ultrasonografi (USG), manyetik rezonans görüntüleme (MRG), bilgisayarlı tomografi (BT), kan testleri ve izokinetik cihazlar gibi çeşitli tıbbi görüntüleme metotları kullanmaktadır. Günümüzde termografi alanındaki gelişmelerle birlikte termografik görüntüleme futbol takımlarına yaralanmaların incelenmesinde kullanımı kolay, maliyetsiz, kolay taşınabilir ve non-invaziv bir metot sunmaktadır. Yaralanmanın oluştuğu kas bölgesinde oluşan sıcaklık artışı ve kas bölgelerindeki sıcaklık asimetrisinden faydalanarak yaralanmaları incelemek mümkün olmaktadır. Bundan dolayı son dönemlerde sporcu yaralanmalarında termografinin kullanımı üzerine yapılan çalışmalar artış göstermektedir. Bu tez çalışmasında, futbolcu yaralanmalarının termal görüntüleme ile incelenmesi ve bu görüntülerin yaralanma tespiti ile rehabilitasyon süreçlerinin planlanmasında kullanılabilirliği araştırılmıştır. Çalışmada, derin öğrenme yöntemleri kullanılarak alt ekstremite termal görüntülerinden kas bölgelerinin segmentasyonu ve bu bölgelerdeki yaralanmaların sınıflandırılması yapılmıştır. Ayrıca, futbolcuların aktif yaralanmalarının tespiti ve rehabilitasyon süreçlerinin planlanmasına yönelik karar destek sistemleri geliştirilmiştir. Araştırma için Türkiye Süper Lig takımı futbolcularından 2 sezon boyunca termografi ile alt ekstremite termal görüntüleri elde edilmiştir. Derin öğrenme metotlarında başarılı sonuçlar elde edebilmek için büyük miktarda veri gerekliliği olduğu bilinse de bir sezonda yaralanma yaşayan futbolcu sayısının sınırlı olması yetersiz ve dengesiz veri seti problemini ortaya çıkarmaktadır. Bu problemin üstesinden gelmek için geleneksel derin öğrenme metotlarına ek olarak, az örnekli öğrenme metotları ve yeni derin öğrenme metotları kullanılmıştır. Bu tez çalışmasında, aktif yaralanması bulunan futbolcuların termal görüntüleri incelenerek yaralanmaların tespiti yapılmış ve rehabilitasyon süreçleri planlanmıştır. Daha sonra bu yaralanmaların daha detaylı analiz edilebilmesi için derin öğrenme algoritmaları ile kas bölgelerinin segmentasyonu yapılmış ve segmente edilen bölgeler üzerinden yaralanmaların sınıflandırılması gerçekleştirilmiştir. Yetersiz ve dengesiz veri seti problemine yönelik olarak, az örnekli öğrenme ve modern derin öğrenme metotları ile sınıflandırma süreçlerinin doğruluğu artırılmıştır. Tez kapsamında yürütülen uygulamalar üç başlık altında gerçekleştirilmiştir. İlk olarak termal görüntülerden futbolcuların yaralanmaları tespit edilmiş ve yaralanmaların egzersiz etkisi altında verdiği termal tepki incelenmiştir. Aynı zamanda futbolcuların rehabilitasyon süreçlerinin planlanması ve sahaya dönüş kararının verilmesinde termografi desteği sağlanmıştır. Daha sonra futbolcularda anatomik atlasa göre belirlenen kas bölgeleri derin öğrenme metotlarından U-Net, Piramit Sahne Ayrıştırma Ağı, LinkNet ve Özellik Piramit Ağı kullanılarak segmente edilmiştir. Bu segmentasyon işlemi sonucunda; en başarılı metodun %99 başarı oranı ile U-Net olduğu görülmüştür. Daha sonra segmente edilen kas bölgelerindeki yaralanmaların tespit edilmesi için Densenet, Görsel Geometri Grubu, Artık Ağlar, EfficientNet gibi derin öğrenme metotları kullanılmıştır. Yaralanmaların tespiti için hem segmentasyon hem de sınıflandırma içeren bir uçtan uca bir algoritma yapısı tasarlanmıştır. Sınıflandırma sonucunda en başarılı sonuçları EfficientNetB0 %83.9 ve EfficientNetB1 + Özellik Piramit Ağı %81.0 doğruluk oranı ile vermiştir. Yetersiz ve dengesiz veri seti problemine çözüm bulmak ve elde edilen sonuçların başarı oranını daha da arttırmak için Siyam Ağları, Prototip Ağları ve Kolmogorov-Arnold Ağı ile sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma sonuçları incelendiğinde Siyam ve Prototip Ağları sırasıyla %94 ve %97.78 başarı oranı elde ederken, Kolmogorov-Arnold Ağı ile %93.1 başarı oranı elde edilmiştir. Bu durum az örnekli öğrenme metotları ve derin öğrenmede yeni bir metot olan Kolmogorov-Arnold Ağının sporcu yaralanmalarının termografi ile tespit edilmesinde oldukça başarılı olduğunu göstermektedir. Bunun yanında bu çalışma, Kolmogorov-Arnold Ağı ile termal görüntülerden yaralanma tespiti üzerine yapılan literatürdeki ilk çalışmalardandır. Sonuç olarak bu tez kapsamında yürütülen çalışmalar termografi ve derin öğrenme yöntemlerinin spor hekimliğinde etkin bir şekilde kullanılarak yaralanmaların tespitinde ve yönetiminde önemli bir katkı sunduğunu göstermektedir.
Özet (Çeviri)
Among the key factors influencing the success of football teams are player quality, tactical arrangements, and training programs. However, one of the primary factors negatively impacting this success is player injuries. An active injury prevents a player from contributing to the team, thereby reducing team performance and incurring additional costs for treatment. Consequently, football teams utilize various medical imaging methods, including ultrasonography, magnetic resonance imaging, computed tomography, blood tests, and isokinetic devices, to examine muscle injuries, enable early diagnosis, monitor rehabilitation processes, and determine return-to-play decisions. Recent advancements in thermography have introduced thermographic imaging as a cost-effective, portable, non-invasive, and user-friendly method for injury analysis in football teams. By utilizing temperature asymmetry and increased heat in the injured muscle region, thermography enables detailed examination of injuries. This has led to a rise in studies focusing on the use of thermography in sports injuries in recent years. This thesis investigates the use of thermographic imaging in analysing football player injuries and its applicability in injury detection and rehabilitation planning. The study utilizes deep learning methods to segment muscle regions from lower extremity thermographic images and classify injuries in these regions. Additionally, decision support systems for the detection of active injuries and planning of rehabilitation processes in football players were developed. For the research, lower extremity thermographic images were collected from football players in a Turkish Super League team over two seasons. Although large datasets are generally required to achieve successful results in deep learning methods, the limited number of injured players per season presents challenges in achieving balanced datasets. To overcome this issue, in addition to traditional deep learning methods, few-shot learning techniques and novel deep learning methods were employed. In this thesis, the thermographic images of football players with active injuries were analyzed, and their injuries were detected, followed by planning their rehabilitation processes. Subsequently, deep learning algorithms were utilized to segment muscle regions for more detailed analysis of these injuries, and the segmented regions were classified to identify injuries. To address the issue of insufficient and imbalanced datasets, few-shot learning and modern deep learning methods were employed to enhance classification accuracy. The implementations conducted within the scope of the thesis were carried out under three main stages. First, injuries in football players were detected from thermographic images, and the thermal response of injuries under exercise was analyzed. Additionally, thermography was used to assist in planning rehabilitation processes and determining return-to-play decisions. Subsequently, muscle regions identified based on the anatomic atlas were segmented using deep learning methods such as U-Net, Pyramid Scene Parsing Network, LinkNet, and Feature Pyramid Network. The segmentation results demonstrated that U-Net achieved the highest performance with a success rate of 99%. Following the segmentation, injuries in the segmented muscle regions were detected using deep learning methods such as DenseNet, Visual Geometry Group, ResNet, and EfficientNet. An end-to-end algorithm structure encompassing both segmentation and classification was designed for injury detection. The classification results indicated that the highest accuracy rates were achieved with EfficientNetB0 (83.9%) and EfficientNetB1 + Feature Pyramid Network (81.0%). To further enhance accuracy and address the issue of imbalanced datasets, classification was also performed using Siamese Networks, Prototypical Networks, and Kolmogorov-Arnold Network. The classification results showed that the Siamese and Prototypical Networks achieved success rates of 94% and 97.78%, respectively, while the Kolmogorov-Arnold Network achieved a success rate of 93.1%. This demonstrates the effectiveness of few-shot learning methods and the Kolmogorov-Arnold Network, a novel deep learning method, in detecting sports injuries using thermography. Furthermore, this study is among the first in the literature to use Kolmogorov-Arnold Networks for injury detection from thermographic images. In conclusion, the studies conducted within the scope of this thesis demonstrate the significant contribution of thermography and deep learning methods to sports medicine by enabling effective injury detection and management.
Benzer Tezler
- Profesyonel futbolcularda görülen nonspesifik bel ağrıları ve neden olan faktörler
Nonspesific lowback pain in professional football players and the causes
ADEM ÇALI
Yüksek Lisans
Türkçe
2010
Fiziksel Tıp ve RehabilitasyonDokuz Eylül ÜniversitesiFizik Tedavi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. NİHAL GELECEK
- Futbolcularda görülen spor sakatlıklarının incelenmesi
An investigation of sports disabilities in football players
OSMAN ÜSTÜNEL
Yüksek Lisans
İngilizce
2020
SporBurdur Mehmet Akif Ersoy ÜniversitesiBeden Eğitimi ve Spor Öğretimi Ana Bilim Dalı
DOÇ. DR. EMRAH ATAY
- Futbolcularda görülen spor sakatlıklarının bireysel faktörler açısından değerlendirilmesi
Evaluation of sports injuries to football players by individual factors
MEHMET ERDİ ÇİÇEK
Yüksek Lisans
Türkçe
2019
SporErzincan Binali Yıldırım ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. MERGÜL ÇOLAK
- Ön çapraz bağ yaralanmalarının oluşum mekanizmalarının değerlendirilmesi
Başlık çevirisi yok
MUTLU GÜRSOY
Doktora
Türkçe
1999
Fiziksel Tıp ve RehabilitasyonEge ÜniversitesiSpor Hekimliği Ana Bilim Dalı
PROF. DR. AHMET ERTAT
- Profesyonel futbolcuların aerobik kapasite ve toparlanma sürelerinin karşılaştırılması
The comparison of aerobic capacity and recuperation times of professional football players
MUSTAFA SEYİS
Yüksek Lisans
Türkçe
2011
SporKaradeniz Teknik ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
YRD. DOÇ. DR. HAMİT CİHAN