Geri Dön

Center of mass prediction from joint angles: A machine learning study in under-16 basketball athletes

Eklem açılarından kütle merkezi tahmini: 16 yaş altı basketbol oyuncularında makine öğrenimi çalışması

PDF İndir

  1. Tez No: 984852
  2. Yazar: OMAR KASSEM
  3. Danışmanlar: YRD. DOÇ. DR. BURCU TUNÇ ÇAMLIBEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Kütle merkezi (KM), biyomekanikte denge, stabilite ve sportif performansla yakından ilişkili temel bir kavramdır. KM'nin doğru tahmin edilmesi, özellikle basketbolda, patlayıcı sıçramalar, ani yön değişiklikleri ve tek ayak üzerinde yapılan hareketlerin yüksek düzeyde postüral kontrol gerektirmesi nedeniyle büyük önem taşır. Literatürdeki çalışmalar KM tahminine yönelik çeşitli yaklaşımlar önermiş olsa da, sınırlı sayıda girdi kullanılarak tahmin yapılabilirliği yeterince araştırılmamıştır. Bu çalışmanın amacı, U-16 basketbolcularında daha az sayıda eklem açısı kullanarak KM'yi tahmin edebilen makine öğrenmesi modelleri geliştirmek ve bunların farklı hareket görevlerindeki doğruluğunu değerlendirmektir. Bu çalışmada, model girdisi olarak beş eklem açısı (pelvis, sol kalça, sağ kalça, sol omuz ve sağ omuz) seçilmiş, referans olarak ise tüm vücut Xsens KM verileri kullanılmıştır. Veri seti, hem statik postürleri hem de dinamik aktiviteleri (yürüme, koşma ve sıçrama) kapsayacak şekilde oluşturulmuştur. Üç makine öğrenmesi modeli eğitilmiş ve test edilmiştir: Hibrit ResMLP-LSTM, ResMLP ve CNN-1D. Modellerin performansı, ön-arka (X), orta-lateral (Y) ve dikey (Z) yönlerdeki kök ortalama kare hata (RMSE) ile değerlendirilmiştir. Hibrit ResMLP-LSTM en düşük ortalama RMSE değerlerine ulaşmıştır (X: 2.97 cm, Y: 1.64 cm, Z: 2.03 cm,) ve CNN-1D'den (X: 3.75 cm, Y: 2.22 cm, Z: 2.60 cm, (p < 0.01)) anlamlı düzeyde daha iyi sonuçlar elde etmiş, ResMLP'ye kıyasla ise orta düzeyde fakat tutarlı iyileşmeler göstermiştir (X: 3.39 cm, Y: 2.02 cm, Z: 2.55 cm, (p < 0.01)). ResMLP, mediolateral eksende rekabetçi sonuçlar sunarken, CNN-1D özellikle statik ve sıçrama koşullarında en yüksek hata değerlerini vermiştir. Bu bulgular, genç basketbolcularda yalnızca beş eklem açısı kullanılarak KM'nin güvenilir şekilde tahmin edilebileceğini göstermektedir. Hibrit ResMLP-LSTM en doğru ve tutarlı sonuçları üretmiş, zamansal ve anatomik özelliklerin bir arada kullanılmasının değerini ortaya koymuştur. Bu yaklaşım, spor performansı takibinde ve klinik biyomekanik uygulamalarda pratik kullanım potansiyeline sahiptir.

Özet (Çeviri)

The center of mass (CoM) is a fundamental concept in biomechanics, closely linked to balance, stability, and athletic performance. Accurate estimation of CoM is particularly important in basketball, where explosive jumps, rapid changes in direction, and single-leg movements demand precise postural control. Previous studies have suggested various approaches for estimating CoM, yet the feasibility of using a limited set of inputs remains underexplored. The aim of this study was to develop and evaluate machine learning models that estimate CoM from a reduced set of joint angles and to determine their accuracy across different movement tasks for U-16 basketball players. In this study, five joint angles (pelvis, left hip, right hip, left shoulder, and right shoulder) were selected as model inputs, with the full-body Xsens CoM serving as the reference. The dataset included both stationary postures and dynamic activities (walking, running, and jumping), ensuring comprehensive coverage of movement patterns. Three machine learning models were trained and tested: a Hybrid ResMLP-LSTM, a ResMLP, and a CNN-1D. Model performance was evaluated using root mean square error (RMSE) in the anteroposterior (X), mediolateral (Y), and vertical (Z) directions. The Hybrid ResMLP-LSTM achieved the lowest mean RMSE values (X: 2.97 cm, Y: 1.64 cm, Z: 2.03 cm, (p < 0.01)), significantly outperforming CNN-1D (X: 3.75 cm, Y: 2.22 cm, Z: 2.60 cm, (p < 0.01)) and showing moderate but consistent improvements over ResMLP (X: 3.39 cm, Y: 2.02 cm, Z: 2.55 cm, (p < 0.01)). While ResMLP provided competitive results in the mediolateral axis, CNN-1D yielded the largest errors, particularly during static and jumping conditions. These findings demonstrate that CoM can be reliably estimated using only five joint angles in young basketball players. The Hybrid ResMLP-LSTM produced the most accurate and consistent outcomes, highlighting the value of combining temporal and anatomical features. This approach holds promise for practical applications in sports performance monitoring and clinical biomechanics.

Benzer Tezler

  1. Tez No

    683225

    Eklemeli imalat yöntemlerinde üretim parametrelerinin ve parça geometrisinin son ürün özellikleri üzerindeki etkilerinin incelenmesi

    Investigation of the effects of production parameters and part geometry on the final product properties in additive manufacturing methods

    AYSU HANDE YÜCEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA BAKKAL

  2. Tez No

    75531

    Zemin çivileri tasarım prensipleri ve davranışın sonlu elemanlar yöntemiyle analizi

    Başlık çevirisi yok

    ALPER ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Geoteknik Bilim Dalı

    DOÇ. DR. M. TUĞRUL ÖZKAN

  3. Tez No

    460968

    Quantification of Saharan dust influences on Eastern Mediterranean air quality via atmospheric modeling

    Sahra tozunun Doğu Akdeniz hava kalitesi üzerindeki etkilerinin atmosfer modeliyle belirlenmesi

    BURCU KABATAŞ

    Doktora

    İngilizce

    İngilizce

    2016

    Meteorolojiİstanbul Teknik Üniversitesi

    İklim ve Deniz Bilimleri Ana Bilim Dalı

    PROF. DR. ALPER ÜNAL

  4. Tez No

    39336

    Yapı sistemlerinin karekteristik parametrelerinin tanımlanması

    Identification of the characteristic parameters of structural systems

    BARLAS ÖZDEN ÇAĞLAYAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. ERDOĞAN UZGİDER

  5. Tez No

    1018271

    Primer diz protezi sonrası gelişen septik ve aseptik gevşeme: Erken ve geç dönem risk faktörlerinin analizi

    Septic and aseptic loosening following primary knee arthroplasty: Analysis of early and late term risk factors

    RAŞİT CAN SÜT

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Ortopedi ve TravmatolojiSağlık Bilimleri Üniversitesi

    Ortopedi ve Travmatoloji Ana Bilim Dalı

    PROF. DR. BARIŞ YILMAZ

Geri Dön