Araştırma Projesi Tasarımı

Servikal Bölge HVLA Manipülasyonunun
Markerless AI Analizi

Geleneksel manuel terapi ölçümlerini, bilgisayarlı görü ve yapay zeka algoritmalarıyla birleştirerek objektif, temassız ve milimetrik hassasiyette bir analiz metodolojisi.

👨‍⚕️ Araştırmacı: Diyar Salman
🎓 Alan: FTR & Biyomekanik
🔬 Tip: Quasi-Experimental

1. Bilimsel Zemin ve Problem

Mevcut klinik boşluklar ve önerilen inovatif çözüm.

📉
MEVCUT SORUN

Subjektif & Pahalı

Manuel terapide etkinlik takibi ya VAS gibi subjektif bildirimlere ya da hata payı yüksek gonyometrelere dayanır. Altın standart (Vicon) ise klinik kullanım için çok pahalıdır.

🤖
ÇÖZÜM

AI Tabanlı Analiz

Google MediaPipe ve OpenCV kullanılarak geliştirilen "Markerless Pose Estimation". Akıllı telefon kamerası ile temas gerektirmeden ROM ve hareket hızı analizi.

💡
HİPOTEZ (H1)

Yüksek Hassasiyet

Yapay zeka algoritmaları, manipülasyon sonrası kinematik değişimleri geleneksel yöntemlere göre daha objektif ve milimetrik hassasiyetle saptayabilir.

2. Klinik Metodoloji

Örneklem, dışlama kriterleri ve uygulanacak spesifik manipülasyon teknikleri.

🎯 Örneklem Grubu

  • Beykent Üni. Öğrencileri (18-30 Yaş)
  • Segmental Disfonksiyonu Olanlar
  • Aktif ROM Kısıtlılığı

⛔ Red Flags (Dışlama)

  • • Vertebrobaziler Yetmezlik (VBI)
  • • Osteoporoz & Fraktür Şüphesi
  • • Servikal Disk Hernisi (Radikülopati)
  • • Malignite Öyküsü

🖐️ Uygulanacak HVLA Teknikleri

Teknik detaylarını görmek için kartlara tıklayın.

C0-C1 Atlanto-Oksipital Eklem Manipülasyonu

Hedef: Üst servikal fleksiyon/ekstansiyon ve lateral fleksiyon artışı.

"Hastanın başı beşik tutuşu (cradle hold) ile kavranır, hafif traksiyon eşliğinde manipülasyon uygulanır."

3. Teknik Mimari & Algoritma

Veri işleme hattı (Pipeline), kullanılan kütüphaneler ve matematiksel model.

Python 3.9+ MediaPipe Pose (BlazePose) OpenCV (cv2) NumPy / Pandas
1

Landmark Tespiti

Kamera akışından (30 FPS) Burun, Kulaklar ve Omuzlar tespit edilir.

Nose (0) Shoulders (11,12)
2

Vektör Hesabı

Omuz orta noktası ile burun arasındaki vektör ile T1-Vertex ekseni karşılaştırılır.

angle = np.arctan2(dy, dx) * 180 / np.pi
3

Smoothing & Filtreleme

Anlık titremeleri (jitter) önlemek için veri yumuşatma uygulanır.

Filter: Savitzky-Golay / Exponential Moving Average
console_output.py
import cv2
import mediapipe as mp

# Initializing Pose Estimator
mp_pose = mp.solutions.pose
pose = mp_pose.Pose(min_detection_confidence=0.5)

>> System Ready. Waiting for input...
>> Landmark [0] detected at (0.45, 0.33)
>> Landmark [11] detected at (0.35, 0.55)
>> Calculating Vector Theta...
Current ROM: 42.5°

4. Beklenen Sonuçlar Simülasyonu

Hipotez ($H_1$) doğrulandığında oluşması beklenen Pre/Post veri tablosu.

Ort. Pre-Op
55.2°
Ort. Post-Op
68.4°
Fark (Delta)
+13.2°
İst. Anlamlılık
p < 0.001

* Grafikteki veriler, hipotezi görselleştirmek amacıyla simüle edilmiş "Beklenen Değerler"dir.

🚀 Hedeflenen Çıktılar

🎙️

Kongre

Ulusal FTR Kongrelerinde "Sözel Bildiri" sunumu.

📄

Makale (SCI-E)

Musculoskeletal Science & Practice (Q1/Q2) dergisine gönderim.

📱

Ürün Prototipi

"AI-Based Pocket Physio" konseptinin ilk çalışan mobil prototipi.