5131 تابستانو بهارپياپي(، 72) 11)چهاردهم پياپي(، شماره ششمسال دو فصلنامه پژوهش در طب ورزشي و فناوري

اسپلینت در ناحیۀ قدامی ساق پای مردان، براساس بررسی فعالیت الکتريکی عضلات و تشخیص بروز شین

های اصلی با استفاده از روش تحلیل مؤلفه

5، هادی کلانی4، امیرحسین تلواری3خوشرفتار یزدی، ناهید 2سحر مقیمی، *2نادیا نقوی*،1نازنین گوهریان

دانشجوی کارشناسی ارشد برق، گروه مهندسی برق، دانشگاه فردوسی مشهد. -1

، دانشگاه فردوسی مشهد. استادیار، گروه مهندسی برق -2

استادیار طب ورزشی، دانشکده تربیت بدنی و علوم ورزشی دانشگاه فردوسی مشهد. -3

کارشناس ارشد، دانشکده تربیت بدنی و علوم ورزشی دانشگاه فردوسی مشهد. -4

دانشجوی دکتری مکانیک، گروه مهندسی مکانیک دانشگاه فردوسی مشهد. -5

قطب علمی رایانش نرم و پردازش هوشمند اطلاعات، دانشگاه فردوسی مشهد. -5و 3، 2

4/17/1314تاریخ پذیرش مقاله: 17/17/1313تاریخ دریافت مقاله:

چکیدهکند. این تحقیق بررسی فعالیت الکتریکی عضلات ساق پا در ورزشکاران دردی شایع در بین دوندگان است که در ناحیۀ قدامی ساق پا بروز میاسپلینت شین

کیلوگرم( 41/95(±)49/12متر و وزن: سانتی 191/ 22(±)79/5نفر سالم )قد: 15از بین دانشجویان رشتۀ تربیت بدنی، اسپلینت است.سالم و مبتلا به شین

در این تحقیق مشارکت کردند. سال 25تا 11کیلوگرم( با دامنۀ سنی 11/19(±)119/7متر و وزن: سانتی2/191(±)11/1اسپلینت )قد: نفر مبتلا به شین 15و

شت ضلۀ در سه ع ساق پا در هر دو گروه و از ضلات شد. 3و دوقلو خارجی 2دوقلو داخلی 1نی قدامی،فعالیت الکتریکی ع ویژگی در 11ویژگی ) 29 ثبت

موسوم به 4های اصلیاستخراج شد. در این مطالعۀ از روش تحلیل مؤلفه الکترومایوگرامهای ویژگی در حوزۀ فرکانس( برای هریک از سیگنال 7حوزۀ زمان و

سالم و سیپی روش شکاران ضلۀ مورد نظر در بین ورز سه ع شینای برای پیداکردن تفاوت در فعالیت الکتریکی شدمبتلا به ستفاده سپلینت ا شان .ا نتایج ن

سیگنالدادند که می ستفاده از ستانهسیو روش پی الکترومایوگرامهای توان با ا سالم و بیمار را از هم ای، حد آ ستفاده از این مقدار افراد ای تعریف کرد و با ا

ا مؤثر و های، برای شناسایی این تفاوتسیلم و بیمار وجود دارد و استفاده از روش پیهای افراد ساتفکیک کرد؛ زیرا مشاهده شد تفاوت معناداری بین عضله

پذیرفتنی است.

های اصلی.اسپلینت، الکترومایوگرافی، عضلات ساق پا، تحلیل مؤلفهشین ها:کلیدواژه

Shin splint detection in anterior muscles of men leg: based on the electrical activity of the muscles and using principal components analysis

Goharian, N1., Naghavi, N2., Moghimi, S2., Khoshraftar Yazdi, N3., Talvari, A.H4., Kalani, H5.

1. Master of Science Electrical Engineering, Department of Electrical Engineering, Ferdowsi University of Mashhad, Iran.

2. Assistant Professor Electrical Engineering, Department of Electrical Engineering, Ferdowsi University of Mashhad, Iran.

3. Assistant Professor Sport Medicine, Faculty of Physical Education and Sport Sciences, Ferdowsi University, Iran. 4. Master of Science, Faculty of Sports and Physical Education, Ferdowsi University of Mashhad, Iran.

5. Ph.D. student Mechanical Engineering, Department of Mechanical Engineering, Ferdowsi University of Mashhad, Iran.

2, 3, 5. Center of Excellence on Soft Computing and Intelligent Information Processing.

Abstract Introduction and Goal: Shin splint is a common pain among runners that occurs in the anterior lower leg.

The aim of this study was to investigate the electrical activity of the leg muscles between healthy athletes and those with shin splint. Methodology: Through physical education students, fifteen healthy male athletes

(height: 176/20(±)5/97 cm and weight: 75/46 (±) 10/47 kg) and fifteen male with shin splint (height: 176/2(±)6/18 cm and weight: 67/66 (±) 9/18 kg) ranging in age from 18 to 25 years participated in the current study. The surface electromyograms (EMG) of the tibialis anterior, medial and lateral Gastrocnemius gastrocnemius muscles are recorded in both groups. Then twenty seven features (eighteen features in time domain and nine features in frequency domain) are extracted for each EMG signals. In this paper, principal component analysis (PCA) method is employed to detect differences between electromyogram of three mentioned muscles of healthy athletes and those with shin splint. Findings: It’s driven from the results that

*. n.naghavi@um.ac.ir

1 . Tibialis Anterior

2.Medial

Gastrocnemius

3 . Lateral Gastrocnemius

4.Principal component analysis (PCA)

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

91

by using EMG signals and PCA methodology, we can define a threshold which help us defer healthy cases from unhealthy ones. Because of Results show there are significant differences in EMG of healthy and unhealthy volunteers and the PCA methodology is applicable and effective to detect differences in EMG signals of healthy athletes and those with shin splint. Keywords: Shin Splint, Electromyography, Leg Muscle, Principle Component Analysis.

مقدمه

سواری و شنا شایع های استقامتی مانند دوومیدانی، دوچرخههمه، در ورزشازهای ناشی از پرکاری، بیشآسیب

درصد در اطراف تاندون آشیل، و 1ها در زانو، درصد از آسیب25هستند. در دوهای با مسافت زیاد، تقریباً

های ناشی از پرکاری در ناحیۀ ساق پا ایجاد درصد از آسیب12آیند. حدود وجود میدرصد در نیام کف پا به9

و درد پایین ساق پا مرتبط با 2پریوستیت 1های سندروم فشار داخلی تیبیا،شوند. درد ساق پا اغلب با ناممی

ژۀ های ویها، ورزشکاران دبیرستانی و گروهشود. برخی ورزشکاران شامل دوندگان، بالرینورزش شناخته می

ازحد پرونیشن درمعرض خطر بیشتر قرار دارند طور طبیعی با اجرای بیشسربازان جزو افرادی هستند که به

ر های مکرمرسوم است که به نوعی بخشی از فعالیت ورزشی آنها به دویدن (. این آسیب در ورزشکارانی1)

(. درد مزمن ساق پا در ورزشکاران مشکلی ناامیدکننده است و برای پزشکان تشخیصی 2اختصاص دارد )

درد ناشی از .شودهای ورزشی درگیر میدرصد از کل آسیب15تا 5(. ساق پا در 3شود )دشوار محسوب می

(. براساس تحقیقات 4دهد )دنبال تمرین رخ می( به3نی )تیبیاداخلی درشت –در طول لبۀ خلفی این آسیب

شده، برخی عوامل مانند افزایش چرخش داخلی لگن، افزایش پلانتار فلکشن، افتادگی ناویکولار، افزایش انجام

وزن، جنسیت، بالابودن فشار داخلی تیبیا، مصرف کم کلسیم در ،4پرونیشن، بالابودن جرم شاخص تودۀ بدن

ن تریهای نامناسب، از مهمزنان ورزشکار، افزایش شدت تمرین، سطوح تمرینی سخت و استفاده از کفش

(. ازسوی دیگر، برخی محققان 5-11اسپلینت هستند )عوامل خطرزای مؤثر در درد مزمن ساق پا و بروز شین

(. آنها معتقدند 19اسپلینت دارد )اند که ممکن است در بروز شینکی از عواملی دانستهضعف عضلانی را ی

، نیروی حالتخوبیِ عضلۀ قوی توزیع کند. دراینتواند نیروی واکنش زمین را بهعضلۀ ضعیف یا خسته نمی

ل نین، عدم تعادشود. همچدیدگی منجر میکند که به افزایش خطر آسیبواکنش زمین را به استخوان وارد می

(. کلمنت 19-17کنند )های اندام تحتانی دوندگان مطرح میعضلانی در اندام تحتانی را عاملی خطرزا در آسیب

تعد ازحد به استخوان تیبیا افراد را مسدلیل انتقال نیروی بیشکند که ضعف عضلات ساق پا به( بیان می22)

فتن رلات اندام تحتانی به افزایش فشار روی تیبیا حین راهکند. کاهش قدرت عضسندرم فشار داخلی تیبیا می

و 5شود؛ درنتیجه، بیماران با سندرم فشار داخلی تیبیا به کاهش فعالیت عضلات سولئوسو دویدن منجر می

ند کتمایل دارند، که احتمالاً سازوکاری حفاظتی در برابر درد است. کلمنت همچنین بیان می 1تیبیالیس قدامی

سازی عضلات درحین برخورد پاشنه به زمین، به افزایش سرعت حرکات پا و افزایش انتقال ش فعالکه کاه

(. 22شود )نیرو به تیبیا منجر می

1.Medial Tibial Stress Syndrome

(MTSS) 2. Periostitis

3. Tibia

4. Body Mass Index 5. Soleus

6. Tibialis Anterior

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

1315، بهار و تابستان 11پژوهش در طب ورزشي و فناوري، شماره

97

سازی عضلات دوقلو و الگوهای فعال (14ترین تحقیق به موضوع مقالۀ حاضر، راتلف و همکاران )در نزدیک

نت بررسی کردند اسپلیالکترومایوگرافی سطحی در افراد مبتلا به شینوسیلۀ رفتن بهنعلی را در فاز ایستای راه

درصد بالاتر از افراد مبتلا 25شدن عضلۀ درشت نی قدامی و به این نتیجه رسیدند که در افراد سالم سطح فعال

قدامی، ی ناست. آنها بیان کردند که در افراد با سندرم فشار داخلی تیبیا، کاهش فعالیت عضلات نعلی و درشت

درواقع سازوکاری حفاظتی درمقابل درد است. پژوهش حاضر به بررسی ارتباط بین میزان فعالیت عضلات

ساق پا با بروز سندرم فشار داخلی تیبیا با هدف دستیابی به ابزاری تشخیصی پرداخته است. در این زمینه،

بی شد. در اسپلینت ثبت و ارزیالا به شینهای الکترومایوگرام عضلات ساق پا از ورزشکاران سالم و مبتسیگنال

گرفته نظر منزلۀ سیگنال کنترلی درای بهصورت گستردههای تحقیقاتی مختلف سیگنال الکترومایوگرام بهحوزه

بخشی، طراحی ارگونومیک و در تعامل مهمی مانند تحلیل حرکت، علوم ارتوپدی، توان شده است و در مسائل

(. سیگنال 21،22ی پزشکی مانند کنترل پروتزهای مصنوعی کاربرد فراوانی دارد )ماشین و کاربردها -انسان

الکترومایوگرام دارای اطلاعات کافی دربارۀ عضله است، اما این سیگنال دارای صداهای اضافی فراوانی دارد.

سیگنال زشده اهای استخراجکمک ویژگیبنابراین، تحلیل سیگنال الکترومایوگرام سخت و دشوار است. به

(. بعضی از این 21،23اند دست یافت )توان به اطلاعاتی که در این سیگنال پنهان شدهالکترومایوگرام می

مایوگرام های الکتروبندی سیگنالشده در طبقههای استخراجها درمقابل صدا پایدارند. بنابراین، ویژگیویژگی

های های آماری زیادی برای بررسی ویژگیه، روش(. با توجه به مطالعات گذشت24کاربرد فراوانی دارد )

( و 24) 1(، شاخص پراکندگی25،21بولدین )-توان به شاخص دیویساند، مثلاً میشده معرفی شدهاستخراج

منظور ای هستند، بهسیهای آماری که براساس روش پی( اشاره کرد. اخیراً روش21) 2ال دیشاخص اف

از معرفی نحوۀ (. در این مقاله پس29-27اند )مکانیکی مورد استفاده قرار گرفتههای تشخیص عیب در دستگاه

ای یسها، روش پیشده از سیگنال الکتریکی عضلههای استخراجها و ویژگیپردازش دادهها، پیشثبت داده

یح داده ضکمک این روش تواند. سپس، فرایند تشخیص بیماری بهصورت اجمالی مورد بررسی قرار گرفتهبه

شده، درحالت سالم برای آموزش و درحالت بیمار برای تشخیص های استخراجاست. در انتها، ویژگیشده

اند. ای ارائه شدهسیروش پیبیماری به

شناسیروش

ورزشی دانشگاه فردوسی تشکیل بدنی و علومجامعۀ آماری پژوهش حاضر را دانشجویان پسر رشتۀ تربیت

32انتخاب شدند. از این 11-25و دامنه شاخص جرم توده بدن 17-24نفر با دامنۀ سنی 32آنها دادند. از بین

متر و وزن سانتی 2/191(±)11/1سال، قد 43/22(±)13/1نفر مبتلا به درد ساق پا )با میانگین سن 15نفر

22/191(±) 79/5سال، قد 17/21(±)35/1نفر سالم )با میانگین سن 15کیلوگرم( و 11/19(±)119/7

در این تحقیق، انتخاب افراد مبتلا به درد ساق پا بر اساس کیلوگرم( بودند. 41/95(±)49/12متر و وزن سانتی

بوده است. براساس این معیار، سندرم درد ساق پا دردی است که در طول لبۀ خلفی 4و وایت 3معیار یاتس

1 . scattering Index 2 . Fishers Linear Discriminate Index,

FLD 3. Yates 4. White

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

12

اختلالات ایسکمیک یا شکستگی تنشی نیست. افرادی کند و ناشی از داخلی ساق پا در طی ورزش بروز می

که ناهنجاری مادرزادی، سابقۀ جراحی یا صدمۀ ناشی از ضربه در طی شش ماه گذشته را داشتند از پژوهش

عنوان آزمودنی دعوت شد و کلیۀ حذف شدند. در ابتدا، از افرادی که درد ساق پا در پای غالب داشتند، به

نامۀ کتبی ت همانندسازی بروی پای غالب انجام شد. از دانشجویان داوطلب رضایتها در دو گروه جهآزمون

ی مشارکت در مراحل اجرای پژوهش گرفته شد و سپس، با حضور افراد در آزمایشگاه تربیت بدنی دانشگاه برا

ی افراد گیری و ثبت شد. ضمناً درد ساق پاعضلات ساق پای آنها اندازه 1فردوسی مشهد، الکترومایوگرافی

یک از این افراد در هنگام ثبت الکترومایوگرافی درد نداشتند. حاضر در تحقیق فقط در هنگام تمرین بود و هیچ

امی، نی قددر پژوهش حاضر، جهت بررسی فعالیت الکتریکی عضلات ساق پا در دو گروه، سه عضلۀ درشت

انالی کاه الکترومایوگرافی سطحی شانزدهمنظور، از دستگدوقلو داخلی و دوقلو خارجی انتخاب شدند. بدین

ساخت سوئیس استفاده شد. 2مدل بیوویژن

زی ساگیری متغیرها و نیز آمادهمنظور جلوگیری از ایجاد سروصدای اضافی و اختلال در اندازهدر ابتدا، به

ظر تمیز شد. ننقطۀ موردای پنبۀ آغشته به الکل، پوست، موهای نواحی مورد نظر تراشیده شد و با استفاده از تکه

ی روی متر و در راستای فیبرهای عضلانسپس، الکترودها )از جنس کلرید نقره( با فاصلۀ مرکز کانونی دو سانتی

سازی پوست در محل قرارگرفتن الکترود، پوست نصب شد. مکان قرارگرفتن الکترودهای ثبتی، نحوۀ آماده

های که استانداردی پرکاربرد در زمینۀ ثبت سیگنال 3دارد سنیاماندازه و فاصلۀ بین الکترودها براساس استان

نشان داده شده است و مشخصات آن در 1الکترومایوگرام است، مشخص شد. محل نصب الکترودها در شکل

32از هر اجرای آزمون فرد ثانیه بود و پس 12طورکلی، زمان اجرای هر آزمون خلاصه شده است. به 1جدول

یستاده در صورت اها بهت کرد. جهت ثبت فعالیت الکتریکی عضلۀ تیبیالیس قدامی، آزمودنیثانیه استراح

ا هوضعیت دورسی فلکشن و جهت ثبت فعالیت الکتریکی عضلات گاستروکنمیوس داخلی و خارجی، آزمودنی

د که ش صورت ایستاده در وضعیت پلانتار فلکشن قرار گرفتند. در حرکت دورسی فلکشن از فرد خواستهبه

ن طرف جلوی ساق است و در حرکت پلانتارفلکشروی پاشنۀ پا بایستد که درواقع حرکت قسمت پشتی پا به

ت. طرف پشت ساق پا اساز فرد خواسته شد که روی پنجۀ پا بایستد که درواقع حرکت قسمت کف پایی به

در زمان مورد نظر هنجار شد، از اینکه از صفر تا صددرصد شده از الکترومایوگرافی، پسهای ثبتسیگنال

های قابل استفاده تبدیل شد.تجزیه و تحلیل و به داده 4لبافزار متوسیلۀ نرمبه

1. Electromyography 4. Matlab

2. Biovision 3. SENIAM

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

1315، بهار و تابستان 11پژوهش در طب ورزشي و فناوري، شماره

11

. محل قرارگيري الکترودها روي پا1شکل

. محل نصب الکترودها براساس استاندارد سنيام 1جدول

محل الکترودگذاری عضله

تیبیالیس قدامی

گاستروکنمیوس داخلی

گاستروکنمیوس خارجی

نی و نوک قوزک داخلی مچ پاسوم خط واصل بین نوک نازکیک

ترین قسمت عضلهروی برجسته

سوم خط واصل بین سر نازک نی و پاشنهدر فاصلۀ یک

رافی، ها، بالاترین مقادیر الکترومایوگهای الکترومایوگرافی و تفسیر اختلافبرای ارائۀ تصویری واضح از داده

کوشش در دو وضعیت دورسی فلکشن و پلانتار فلکشن در افراد مبتلا به درد ساق پا با افراد سالم در سه

پردازش یشهای مورد نظر پهای الکترومایوگرام، ابتدا بایستی سیگنالمنظور استفاده از سیگنالمقایسه شد. به

برداری مورد نظر اعمال شد. واحد نمونههرتز به سیگنال 522تا 12گذر با باند عبور شوند. ابتدا فیلتر میان

ه و از هنجارکردن سیگنال، بیشینۀ سیگنال محاسبسیگنال در مدار آنالوگ به دیجیتال یک کیلو هرتز است. پس

گوسی 1حرکسو شد و درنهایت از فیلتر متدامنۀ سیگنال نسبت به بیشینۀ سیگنال هنجار شد. سپس، سیگنال یک

(.12) ای عبور داده شدنقطه 422

را گرامالکترومایوها در تحلیل سیگنال طورکلی، ویژگیبه :الکترومایوگرامهای سیگنال استخراج ویژگی

بندی کرد. در این مطالعه، فرکانس تقسیم-توان در سه گروه اصلی حوزۀ زمان، حوزۀ فرکانس و حوزۀ زمانمی

سیگنال شدۀهای استخراجاند. مطالعۀ ویژگیهای مربوط به دو گروه اول تحت بررسی قرار گرفتهصرفاً ویژگی

29بندی سیگنال بسیار مهم و کاربردی است. در این مطالعۀ در حوزۀ زمان و فرکانس در طبقه الکترومایوگرام

( و مابقی 2مورد از آنها در حوزۀ زمان )جدول 11ویژگی از سیگنال الکترومایوگرام استخراج شده است، که

های در حوزۀ زمان و فرکانس به ترتیب در ( هستند. تعاریف ریاضی این ویژگی3ول در حوزه فرکانس )جد

راحتی و سریع محاسبه کرد؛ زیرا برای توان بهها در حوزۀ زمان را میاند. ویژگیخلاصه شده 3و 2جداول

لًا برای فرکانس معموها در حوزۀ گونه انتقال یا تبدیلی نیاز نیست. ویژگیها به هیچآوردن این ویژگیدستبه

1. Moving Average

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

12

نقش مهمی در تحلیل سیگنال در 1گیرند. چگالی طیف توانمطالعۀ خستگی عضلات مورد استفاده قرار می

رود.های فرکانسی به کار میحوزۀ فرکانس دارد و برای محاسبۀ ویژگی

𝑤𝑖، الکترومایوگرامبيانگر طول سيگنال N، الکترومایوگرامامين مقدار سيگنال iبيانگر 𝑥𝑖. در این جدول الکترومایوگرامشده در حوزۀ زمان سيگنال هاي استخراج. تعریف ریاضي ویژگي7جدول

دار است.بيانگر تابع پنجره وزن

تعریف ریاضی شدهویژگی استخراج

7 IEMG(IEMG) الکترومایوگرامانتگرال قدر مطلق = ∑ |𝑥𝑖|𝑁𝑖=1 ,

3 MAV(MAVمقدار ميانگين مطلق ) =1

𝑁∑ |𝑥𝑖|𝑁

𝑖=1 ,

4 MAV1(MAV1) 1مقدار ميانگين مطلق اصلاح شده نوع =1

𝑁∑ 𝑤𝑖|𝑥𝑖|

𝑁𝑖=1 , 𝑤𝑖 = {

1 if 0.25N ≤ 𝑖 ≤ 0.75N0.5 otherwise

5(MAV2) 7مقدار ميانگين مطلق اصلاح شده نوع MAV2 =

1

𝑁∑ 𝑤𝑖|𝑥𝑖|

𝑁𝑖=1 , 𝑤𝑖 = {

1 if 0.25N ≤ 𝑖 ≤ 0.75N4𝑖/𝑁 elseif 𝑖 < 0.25 N

4(𝑖 − 𝑁)/𝑁 otherwise

6 SSI(SSIانتگرال مجذور ساده ) = ∑ 𝑥𝑖2𝑁

𝑖=1 ,

2 VAR(VAR) الکترومایوگرامواریانس =1

𝑁−1∑ 𝑥𝑖

2𝑁𝑖=1 ,

8 TM3(TM3مقدار مطلق ممان سوم ) = |1

𝑁∑ 𝑥𝑖

3𝑁𝑖=1 |,

1 TM4(TM4مقدار مطلق ممان چهارم ) = |1

𝑁∑ 𝑥𝑖

4𝑁𝑖=1 |,

10 TM5(TM5مقدار مطلق ممان پنجم ) = |1

𝑁∑ 𝑥𝑖

5𝑁𝑖=1 |,

11(RMSميانگين مربعات )ریشه RMS = √

1

𝑁∑ 𝑥𝑖

2𝑁𝑖=1 ,

Log (LOG)17 LOGآشکار ساز = 𝑒1

𝑁∑ log(|𝑥𝑖|)𝑁

𝑖=1 , 13 WL(WLطول شکل موج ) = ∑ |𝑥𝑖+1 − 𝑥𝑖|𝑁−1

𝑖=1 ,

14 AAC(AACميانگين تغيير دامنه ) =1

𝑁∑ |𝑥𝑖+1 − 𝑥𝑖|𝑁−1

𝑖=1 , 15(DASDVمقدار انحراف معيار )

DASDV = √1

𝑁−1∑ (𝑥𝑖+1 − 𝑥𝑖)2𝑁−1

𝑖=1 ,

16 ZCR(ZCRدفعات عبور از صفر )تعداد = ∑ sgn(−𝑥𝑖𝑥𝑖+1) 𝑁−1𝑖=1 , sgn(𝑥) = {

1 if x > 00 otherwise

Myopulse (MYOP)12 MYOPمقدار نرخ درصد =1

𝑁∑ 𝑓(𝑥𝑖)𝑁

𝑖=1 , 𝑓(𝑥) = {1 if x > 𝑇ℎ𝑟𝑒𝑠ℎ𝑜𝑙𝑑0 otherwise

18 MAMP(WAMPدامنه ویلسون ) = ∑ 𝑓(|𝑥𝑖 − 𝑥𝑖+1|)𝑁−1𝑖=1 , 𝑓(𝑥) = {

1 if x > 𝑇ℎ𝑟𝑒𝑠ℎ𝑜𝑙𝑑0 otherwise

11 SSC(SSCتغيير علامت شيب ) = ∑ 𝑓[(𝑥𝑖−1 − 𝑥𝑖) × (𝑥𝑖 − 𝑥𝑖+1)]𝑁−1𝑖=2 , 𝑓(𝑥) = {

1 if x > 𝑇ℎ𝑟𝑒𝑠ℎ𝑜𝑙𝑑0 otherwise

مقدار فرکانس مربوط به طيف fj؛ در این جدول الکترومایوگرامشده در حوزۀ فرکانس سيگنال هاي استخراج. تعریف ریاضي ویژگي3جدول

نيز طول بازۀ فرکانسي جهت تعریف طيف فرکانسي است. Mو jدامنۀ طيف توان سيگنال الکترومایوگرام در فرکانس Pjفرکانسي،

تعریف ریاضی شدهویژگی استخراج

70 MNF(MNFفرکانس ميانگين ) = ∑ 𝑓𝑗𝑃𝑗𝑀𝑗=1 ∑ 𝑃𝑗

𝑀𝑗=1⁄ ,

∑ 71(MDFفرکانس ميانه ) 𝑃𝑗 = ∑ 𝑃𝑗 =1

2 ∑ 𝑃𝑗

𝑀𝑗=1

𝑀𝑗=𝑀𝐷𝐹

𝑀𝐷𝐹𝑗=1 ,

77 PKF(PKFفرکانس پيک ) = max(𝑃𝑗), 𝑗 = 1, … , 𝑀

73 MNP(MNPتوان ميانگين ) = ∑ 𝑃𝑗𝑀𝑗=1 𝑀⁄ ,

74 TTP(TTPتوان کل ) = SM0 = ∑ 𝑃𝑗𝑀𝑗=1 ,

75 SM1(SM1ممان طيف اول ) = ∑ 𝑃𝑗𝑀𝑗=1 𝑓𝑗 ,

76 SM2(SM2ممان طيف دوم ) = ∑ 𝑃𝑗𝑀𝑗=1 𝑓𝑗

2,

72 SM3(SM3ممان طيف سوم ) = ∑ 𝑃𝑗𝑀𝑗=1 𝑓𝑗

3,

78(VCFفرکانس مرکزي )واریانس VCF =

SM2

SM0− (

SM1

SM0)

2,

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

1315، بهار و تابستان 11پژوهش در طب ورزشي و فناوري، شماره

13

تر از ای کوچکبه مجموعه 27این روش، روشی آماری است که در آن تعدادی متغیر همبستهای: سیروش پی

های چندمتغیره است که هدف های تحلیل دادهشود. بنابراین، یکی از انواع روشمنتقل می 32متغیرهای ناهمبسته

اد توان تعداد زیادی متغیر همبسته را با تعدمی مورد مطالعه است. با استفاده از آن اصلی آن تقلیل بعد مسئلۀ

یب، بعد ترتاینشوند. بههای اصلی نامیده میمحدودی متغیر متعامد جدید جایگزین کرد. متغیرهای جدید مؤلفه

𝑥یابد. فرض کنید که مسئله تقلیل می ∈ 𝐑𝑚(𝑥 = [𝑥1𝑥2𝑥3 … 𝑥𝑚]𝑇) که دارای برداری استm متغیر

𝐗اصلی است و ∈ 𝐑𝑛×𝑚 ماتریسی است کهn شود. با استفاده از روش نمونه برای هر متغیر را نیز شامل می

صورت زیر تجزیه می شود:به Xای ماتریس سیپی

(1) 𝐗 = �̂� + 𝐄

(2) �̂� = �̂�𝐏 ̂𝑇

(3) 𝐄 = �̃��̃�𝑻

دهد. همچنین شده را نشان میگیریزیرفضای اجزای اصلی است که جهت اصلی بردارهای اندازه �̂�در فرمول،

E گیری عیب است. مانده و جهت اندازهفضای باقیزیر�̂� است ) 31دهندۀ ماتریس امتیازنشان �̂� ∈

𝐑𝑛×𝑙و �̂� = 𝐗�̂�. �̂�متغیر .)�̂� است ) 32ماتریس بارگذاری �̂� ∈ 𝐑𝑚×𝑙 .)𝑙 تعداد متغیرهای اصلی مدل

λترین مقادیر ویژه تا از بزرگ lشامل بردارهای ویژه مربوط به �̂�های ماتریس است. ستون𝑖

ماتریس

𝑚شامل 𝐏های است و ستون 33همبستگی − 𝑙 های اند. لذا ماتریسماندهبردار ویژۀ باقی[�̂��̃�] و[�̂��̃�]

هستند. 34دارای خاصیت تعامد

سازی روش نشان داده شده است، فرآیند مدل 2همانطور که در شکل ای: سیروش پیکردن فرآیند مدل

ای دارای مراحل زیر است:سیپی

مراحل فیلترسازی و هنجارکردن متغیرهای اصلی؛ (1

. S 35محاسبۀ ماتریس کواریانس (2

ستی ابتدا ای،سیپی روش در سبه کواریانس ماتریس بای شه در عمماتریس کواریانس اما. شود محا ل همی

ضعیت هنجار تخمین زده می ست. این ماتریس معمولاً از روی نمونۀ متغیرها در و شود. فرض کنید نامعلوم ا

𝐗ماتریس ∈ 𝐑𝑛×𝑚 شامل n ،)نمونه )ردیفm شان داده متغیر )ستون( در شرایط نرمال به صورت زیر ن

شود. 1..Power Spectral Density 2 . Integrated EMG 3 . Mean Absolute Value

4. Modified Mean Absolute Value

Type 1 5 . Modified Mean Absolute Value

Type 2 6 . Simple Square Integral

7. Variance of EMG

8. Absolute Value of the 3th Temporal Moment

9. Absolute Value of the 4th

Temporal Moment

10. Absolute Value of the 5th

Temporal Moment 11. Root Mean Square

12 . Log Detector 13 . Waveform Length

14 . Average Amplitude Change

15. Difference Absolute Standard Deviation Value

16 . Zero Crossing

17 . Myopulse Percentage Rate 18 . Willison Amplitude

19 . Slope Sign Change

20 . Mean Frequency 21 . Median Frequency

22 . Peak Frequency

23 . Mean Power 24 . Total Power

25 . 1st Spectral Moments 26. 2nd Spectral Moments

27. 3rd Spectral Moments

28. Variance of Central Frequency 29 . Correlated Variable

30 . Uncorrelated Variable

31 . Score Matrix 32 . Loading Matrix

33 . Correlation Matrix

34. Orthogonal 35. Covariance Matrix

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

14

(4) 𝐗 = [𝑿𝟏 𝑿𝟐 𝑿𝟑 … 𝑿𝒏]T

= [

𝑥11 ⋯ 𝑥1𝑚

⋮ ⋱ ⋮𝑥𝑛1 ⋯ 𝑥𝑛𝑚

]

شود: صورت زیر تخمین زده میبه Sبا توجه به اصول آماری، ماتریس

(5) 𝑆 =

1

𝑛 − 1∑(𝐱𝑖 − �̅�)

𝑛

𝑖=1

(𝐱𝑖 − �̅�)𝑇

شوند. با این با میانگین صفر و واریانس یک هنجارسازی میX های ماتریس برای راحتی در محاسبه، ستون

�̅�شود؛ یعنیصفر می xکار، میانگین مقدار = شود: صورت بازنویسی میاین( به5لذا معادلۀ ) .𝟎

ايسيسازي روش پي. نمودار مدل7شکل

(1) 𝑆 =

1

𝑛 − 1∑(𝐱𝑖)

𝑛

𝑖=1

(𝐱𝑖)𝑇 =1

𝑛 − 1𝐗𝑇𝐗

λمقدار ویژه m. برای محاسبۀ Sتجزیۀ مقادیر ویژۀ ماتریس کواریانس (31

≥ λ2

… ≥ λ𝑚

و بردارهای

. Pویژۀ ماتریس

تعیین تعداد یک مؤلفۀ اصلی. (4

های اصلی.تا از مؤلفه lبراساس �̂�انتخاب و تعیین ماتریس بارگذاری (5

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

1315، بهار و تابستان 11پژوهش در طب ورزشي و فناوري، شماره

15

( استفاده 1 - 9. برای این منظور از معادلات )�̂�با استفاده از ماتریس �̃�و 𝐂 1محاسبۀ ماتریس تصویر (1

𝑚مؤلفه اصلی و lها با بعدی داده mشود. لذا فضای اصلی می − 𝑙 شود و در مانده جایگزین میباقی

رود.نتیجه همبستگی متغیرها از بین می

9 ) 𝐂 = �̂�. �̂�𝑇

1 ) �̃� = �̃�. �̃�𝑇 = (𝐈 − 𝐂)

توان برای وجود تفاوت استفاده کرد. ای ساخته شد، آن میسیبعد از آنکه مدل پی

تواند به دو می xای، بردار نمونۀ جدید سیبا استفاده از روش پیای: سیتشخیص توسط روش پی-3-3

تجزیه شود:قسمت

7 ) 𝐱 = �̂� + �̃�

12 ) �̂� = 𝐂𝐱

11) �̃� = �̃�𝐱

در فضای xتصویر بردار نمونه �̃�های اصلی است و در فضای مؤلفه x تصویر بردار نمونه �̂�در فرمول،

اتفاق �̃�های دارای عیب در و داده �̂�های هنجار در طورکلی و در وضعیت عادی دادهمانده است. بهباقی

مانده افزایش دهد که درنتیجۀ آن تصویر در فضای باقیرخ می �̃�افتند. با وجود عیب، تغییرات غیرعادی در می

تواند برای تشخیص مانده میدر فضای باقی xشده گیرییابد. بنابراین، اندازۀ بزرگی تصویر یک مقدار اندازهمی

وضعیت غیرعادی مورد استفاده قرار گیرد.

های و مؤلفه xدهندۀ جمع مربعات اختلاف بین شود، نشانهم نامیده می 3که کیو استاتیک 2ایپیکمیت اس

آید.دست میبه 12ای است و از معادلۀ سیاصلی در مدل پی

(12) Q − statistics = SPE(𝐱) = ‖�̃�‖𝟐 = ‖�̃�𝐱‖𝟐

= 𝐱𝑇(𝐈 − 𝐂)𝐱 شود. مانده استفاده میتعیین فضای باقیای برای پینشان داده شده است، پارامتر اس 12طور که در معادلۀ همان

شود. کمیت محاسبه می x گیری شدۀای و بردار اندازهسیطور مستقیم از روی مدل پیای بهپیلذا، کمیت اس

𝑄𝛼 شود.محاسبه می 13دهد که از معادلۀ ای را نشان میپیبرای اس 4حد آستانه و محدودۀ اطمینان

13) 𝑄𝛼

2 = 𝜃1 [𝑐𝛼√2𝜃2ℎ0

2

𝜃1+ 1 +

𝜃2ℎ0(ℎ0 − 1)

𝜃12 ]

1ℎ0

14) 𝜃1 = ∑ 𝜆𝑗

𝑚

𝑗=𝑙+1

𝜃2 = ∑ 𝜆𝑗2

𝑚

𝑗=𝑙+1

𝜃3 = ∑ 𝜆𝑗3

𝑚

𝑗=𝑙+1

15) ℎ0 = 1 −2𝜃1𝜃3

3𝜃22

1 . Projection Matrix 4. . Confidence Limit

2 . SPE 3. Q-Statistic 4

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

11

که است. هنگامی Sنیز مقادیر ویژۀ ماتریس کواریانس 𝜆حد اطمینان در توزیع عادی است. 𝑐𝛼در این معادله

SPE(𝐱) ≤ 𝑄𝛼SPE(𝐱)که باشد، سیستم در وضعیت عادی و سالم است. اما وقتی 2 ≥ 𝑄𝛼

باشد، سیستم 2

در وضعیت غیرعادی است.

ای است. از پارامتر واریانس درصد سیها در روش پیترین قسمتهای اصلی یکی از مهمتعیین تعداد مؤلفه

شود طوری حساب می 2ویپیمشخصۀ سی از روی، lشود. تعداد برای تعیین این کمیت استفاده می 1انباشتگی

𝐶𝑃𝑉𝛼شده )برای مثال تعیینترین مقادیر ویژه، به یک حد ازپیشتا از بزرگ lوی تعداد پیکه مقدار سی =

( برسد. به عبارت دیگر داریم:95%

11) 𝐶𝑃𝑉(𝑙) =

∑ 𝜆𝑗𝑙𝑗=1

∑ 𝜆𝑗𝑚𝑗=1

× 100% ≥ 𝐶𝑃𝑉𝛼

دهد.یابی )تشخیص( را نمایش میعیبای در سینمودار استفاده از روش پی 3شکل

ايسيکمک روش پي. نمودار تشخيص به3شکل

آید. سپس تجزیۀ مقادیر مشخص ماتریس دست میهای افراد سالم بهبا استفاده از ویژگی Sماتریس کواریانس

وی محاسبه پیدست آید. در مرحله بعد، مشخصۀ سیبه Pشود تا ماتریس بردار ویژه کواریانس انجام می

از محاسبۀ است. پس 3شده برابر محاسبه lآید. در این مقاله مقدار دست میمولفۀ اصلی به lشود و تعداد می

قابل محاسبه هستند. �̃�و 𝐂های تصویر و درنتیجه ماتریس �̂�تعداد بهینۀ مؤلفۀ اصلی، ماتریس بارگذاری

𝑄𝛼شود. در این مطالعۀ حد آستانهمیای برای افراد سالم ساخته سیترتیب، مدل پیبدین2 ای با پیبرای اس

بدست آمده است. 514/2محاسبه شده است، که برابر با درصد75توجه به سطح اطمینان

1. Cumulative Percent Variance

(CPV)

2. CPV

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

1315، بهار و تابستان 11پژوهش در طب ورزشي و فناوري، شماره

19

ها يافته

، زمان طورکلیدهد. بهشده از سه عضلۀ ذکرشده برای فرد سالم و فرد بیمار را نشان می، سیگنال ثبت4شکل

ثانیه استراحت کرده است. 32از هر بار اجرای آزمون فرد ثانیه است و پس 12 اجرای هر آزمون

)ب( )الف(

)د( )ج(

)ه( )و(

ني قدامي داوطلب بيمار عضله، ج( عضله ني قدامي داوطلب سالم، ب( عضله درشت: الف( عضله درشتالکترومایوگرام. سيگنال خام 4شکل

سالم، د( عضله دوقلو داخلي داوطلب بيمار، و( عضله دوقلو خارجي داوطلب سالم و ه( و( عضله دوقلو خارجي داوطلب دوقلو داخلي داوطلب

بيمار

-2

-1

0

1

2

3

0 2 4 6 8 10 12 14

EM

G (

mV

)

Time (sec)-3

-2

-1

0

1

2

3

4

0 2 4 6 8 10 12 14

EM

G (

mV

)

Time (sec)

-1/5

-1

-0/5

0

0/5

1

0 2 4 6 8 10 12 14

EM

G (

mV

)

Time (sec)-0/2

-0/15

-0/1

-0/05

0

0/05

0/1

0/15

0/2

0/25

0 2 4 6 8 10 12 14

EM

G (

mV

)

Time (sec)

-3

-2

-1

0

1

2

3

0 2 4 6 8 10 12 14

EM

G (

mV

)

Time (sec)-1/5

-1

-0/5

0

0/5

1

1/5

2

2/5

0 2 4 6 8 10 12 14

EM

G (

mV

)

Time (sec)

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

11

)ب( )الف(

)ج(

)د(

)و(

)ه(

قدامي داوطلب بيمار عضله، ني ني قدامي داوطلب سالم، ب( عضله درشتاي: الف( عضله درشتسياي در روش پيپي. نمودار اس5شکل

ج( عضله دوقلو داخلي داوطلب سالم، د( عضله دوقلو داخلي داوطلب بيمار، و( عضله دوقلو خارجي داوطلب سالم و ه( عضله دوقلو

خارجي داوطلب بيمار

0

0/1

0/2

0/3

0/4

0/5

0/6

0/7

S1 S3 S5 S7 S9 S11 S13 S15

SP

E

Subjects

Tibialis Anterior

Threshold

0

2

4

6

8

10

12

14

S1 S3 S5 S7 S9 S11 S13 S15

SP

E

Subjects

Tibialis Anterior

Threshold

0

0/1

0/2

0/3

0/4

0/5

0/6

0/7

0/8

S1 S3 S5 S7 S9 S11 S13 S15

SP

E

Subjects

Medial Gastrocnemius

Threshold

0123456789

S1 S3 S5 S7 S9 S11 S13 S15

SP

E

Subjects

Medial Gastrocnemius

Threshold

0

0/1

0/2

0/3

0/4

0/5

0/6

0/7

0/8

S1 S3 S5 S7 S9 S11 S13 S15

SP

E

Subjects

Lateral Gastrocnemius

Threshold

0

2

4

6

8

10

12

S1 S3 S5 S7 S9 S11 S13 S15

SP

E

Subjects

Lateral Gastrocnemius

Threshold

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

1315، بهار و تابستان 11پژوهش در طب ورزشي و فناوري، شماره

17

از این طور که دهد. همانداوطلب بیمار را نشان می 15فرد سالم و 15ها برای ای دادهپیمقدار اس 5شکل

بیمار که برای داوطلبانای تمام داوطلبان سالم از حد آستانه کمتر است. درصورتیپیشکل پیداست، مقدار اس

اداری شده تفاوت معنهای استخراجدهد که بین ویژگیاین مقدار از حد آستانه بالاتر است. این مسئله نشان می

شده در دادهوت را آشکار کند. با توجه به نتایج نشانخوبی این تفاای توانسته بهسیوجود دارد و روش پی

نی قدامی و دوقلوی خارجی وجود دارد. درشت هایتوان نتیجه گرفت که بیشترین تفاوت در عضلهمی 5شکل

افراد سالم و بیمار را برای الکترومایوگرامای تفاوت سیگنال سیتوان دریافت که روش پیهمچنین، می

درصد تشخیص 12درصد و برای عضلۀ دوقلوی داخلی 122قدامی و دوقلوی خارجی نیهای درشتعضله

ا ای برای تشخیص بیماری یسیتوان از روش پیدهد که میآمده در این تحقیق نشان میدستدهد. نتایج بهمی

لینت وجود اسپهای افراد سالم و افراد مبتلا به شینسلامت استفاده کرد و درواقع تفاوت معناداری بین ویژگی

دارد.

بحث

نی شتهای درعضله الکترومایوگراماسپلیت از روی سیگنال هدف اصلی این پژوهش تشخیص بیماری شین

قدامی، دوقلو داخلی و دوقلو خارجی است. درواقع، پژوهش حاضر با هدف بررسی ارتباط بین میزان فعالیت

، دستیابی به ابزاری تشخیصی انجام شد. در این خصوصاسپلیت با هدف عضلات ساق پا با بروز بیماری شین

های الکترومایوگرام عضلات ساق پا از ورزشکاران سالم و مبتلا به شین اسپلینت ثبت شد و مورد سیگنال

ویژگی در حوزۀ زمان و مابقی در حوزۀ فرکانس( از 11ویژگی ) 29ارزیابی قرار گرفت. در این پژوهش

اسپلیت استخراج شد. سپس، از روش شده برای تشخیص بیماری شینثبت رامالکترومایوگهای سیگنال

سالم و بیمار افراد الکترومایوگرامشده از سیگنال های استخراجبین ویژگی منظور پیداکردن تفاوتای بهسیپی

. حد ه استهای افراد سالم استفاده شدای از ویژگیپیای و محاسبۀ اسسیاستفاده شد. برای ساخت مدل پی

دست آمده به 514/2محاسبه شده است، که برابر با درصد75ایی با توجه به سطح اطمینان پیآستانه برای اس

ای، بالای حد آستانه قرار گیرد، فرد پیگونه انتخاب شد که هنگامی که مقدار اساست. معیار تشخیص این

سپلیت ااشد، داوطلب سالم است و مبتلا به بیماری شینکه در زیر حد آستانه بمورد نظر مبتلا است و درحالتی

نیست.

گیرینتیجه

ت نی قدامی و دوقلوی اسدرشت هاینتایج نشان داد که بیشترین تفاوت بین افراد سالم و بیمار در عضله

یماری بتواند گام مناسبی برای تشخیص ای میسیدهند که استفاده از روش پیباشد.همچنین نتایج نشان میمی

اسپلیت تا حد مطلوب و مقبول باشد. شین

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]

...اسپلينت در ناحيۀ قدامي ساق پايتشخيص بروز شين

72

تشکر و قدردانی

بدنی دانشگاه فردوسی مشهد ودانند که از کارکنان آزمایشگاه تربیتنویسندگان این مقاله بر خود واجب می

بخش ما در این پژوهش بودند کمال تشکر و قدردانی را تمام افرادی که در گروه تجربی و کنترل یاری

جاآورند.به

منابع1. Moen, M.H., Bongers, T., Bakker, E.W., Zimmermann, W.O., Weir, A., Tol, J.L., Backx, F.J. (2012). Risk factors

and prognostic indicators for medial tibial stress syndrome. Scandinavian Journal of Medicine & Science in Sports. 22(1): 34-9.

2. Banerjee, P., McLean, C. (2011). Chronic exertional compartment syndrome with medial tibial stress syndrome in twins. Orthopedics. 34(6): 219-21.

3. Tweed, J.L., Campbell, J.A., Avil, S.J. (2008). Biomechanical risk factors in the development of medial tibial stress syndrome in distance runners. Journal of the American Podiatric Medical Association. 98(6): 436-44.

4. Yates, B., White, S. (2004). The incidence and risk factors in the development of medial tibial stress syndrome among naval recruits. The American Journal of Sports Medicine. 32(3): 772-80.

5. Hubbard, T., Carpenter, E., Cordova, M. (2009). Contributing factors to medial tibial stress syndrome; a prospective investigation. Medicine and Science in Sports and Exercise. 41(3): 490-6.

6. Willems, T.M., Witvrouw, E., Cock, A.D., Clercq, D.D. (2007). Gait-related risk factors for exercise-related lower-leg pain during shod running. Medicine & Science in Sports & Exercise. 39(2): 330-9.

7. Moen, M., Tol, J., Weir, A., Steunebrink, M., Winter, D. (2009). Medial tibial stress syndrome: A critical review. Sports Medicine. 39(7): 523-46.

8. Richile, D., Kelso, S.F., Bellucci, P.A. (1985). Aerobic dance injuries: a retrospective study of instructors and participants. Physician Sportsmedicine Journal. 13: 130-40.

9. Stacy, R.J., Hungerford, R.L. (1984). A method to reduce workrelated injuries during basic recruits training in the New Zealand Army. Military Medicine.149(6): 318-20.

10. Myburge, K.H., Grobler, N., Noakes, T.D. (1988). Factors associated with shin soreness in athletes. Physician and Sportsmedicine. 16(4): 129-34.

11. http: //seniam.org/sensor_location.htm 12. Hashemi, J., Morin, E., Mousavi, P., Katherine, M., Hashtrudi-Zaad, K. (2012). EMG–force modeling using parallel

cascade identification. Journal of Electromyography and Kinesiology. 22(3): 469-77. 13. Konrad, P. (2005). The ABC of EMG: A practical introduction to kinesiological electromyography. Version 1.0,

Noraxon. U.S.A. Inc. 14. Rathleff, M.S., Samani, A., Olesen, C.G., Kersting, U.G., Madeleine, P. (2011). Inverse relationship between the

complexity of midfoot kinematics and muscle activation in patients with medial tibial stress syndrome. Journal of Electromyography and Kinesiology. 21(4): 638-44.

15. Yuksel, O., Ozgurbuz, C., Ergun, M., Islegen, C., Taskiran, E., Denerel, N., Ertat, A. (2011). Inversion/Eversion strength dysbalance in patients with medial tibial stress syndrome. Journal of Sports Science and Medicine. 10(4): 737-42.

16. Sokhangouei, Y., Afsharmand, Z. (2012). Biomechanics and pato Biomechanics muscle (Persain). Sports Publication.

17. Leetun, D., Ireland, M., Wilson, J., Ballantyne, B., Davis, I. (2004). Core stability measures as risk factors for lower extremity injury in athletes. Medicine & Science in Sports & Exercise. 36(6): 926-34.

18. Couture, D., Karlson, K. (2002). Tibial stress injuries: decisive diagnosis and treatment of “shin splints. The Physician Sportsmedicine. 30(6): 29-37.

19. Biering-Sorensen, F. (1984). Physical measurements as risk factors for low-back trouble over a one year period. Spine. 9(2):106-19.

20. Clement, D. (1974). Tibial stress syndrome in athletes. The American Journal of Sports Medicine. 2(2): 81-5. 21. Zardoshti-Kermani, M., Wheeler, B.C., Badie, K., Hashemi, R.M. (1995). EMG feature evaluation for movement

control of upper extremity prostheses. IEEE Transactions on Neural Systems and Rehabilitation Engineering. 3(4): 324-33.

22. Han-Pang, H., Chun-Yen, C. (1999). Development of a myoelectric discrimination system for a multi-degree prosthetic hand, Int. Conf. Robotics and Automation. 3: 2392-7.

23. Boostani, R., Moradi, M. (2003). Evaluation of the forearm EMG signal features for the control of a prosthetic hand. Physiological Measurement. 24(2): 309-19.

24. Oskoei, M., Hu, H. (2008). Support vector machine based classification scheme for myoelectric control applied to upper limb. IEEE Transactions on Biomedical Engineering. 55(8): 1956-65.

25. Wang, G., Wang, Z., Chen, W. (2006). Classification of surface EMG signals using optimal wavelet packet method based on Davies- Bouldin criterion. Medical and Biological Engineering and Computing. 44(10): 865-72.

26. Oskoei, M.A., Hu, H. (2006). GA-based Feature Subset Selection for Myoelectric Classification. IEEE International Conference on Robotics and Biomimetics. 1465-70.

27. Wang, S., Xiao, F. (2004). AHU sensor fault diagnosis using principal component analysis method. Energy and Buildings. 36(2): 147-60.

28. Wang, S., Zhou, Q., Xiao, F. (2010). A system-level fault detection and diagnosis strategy for HVAC systems involving sensor faults. Energy and Buildings.42(4): 477-90.

29. Xiao, F., Wang, S., Xu, X., Ge, G. (2009). An isolation enhanced PCA method with expert-based multivariate decoupling for sensor FDD in air-conditioning systems. Applied Thermal Engineering. 29(4): 712-22.

Dow

nloa

ded

from

jsm

t.khu

.ac.

ir at

14:

55 IR

ST

on

Mon

day

Oct

ober

23r

d 20

17

[ D

OI:

10.1

8869

/aca

dpub

.jsm

t.14.

11.7

7 ]