Kas Grubu Bazlı Sıcaklık Haritaları Neyi Anlatır?

Sıcaklık Haritası Nedir ve Nasıl Oluşur?

Termal görüntüleme; termal kamera ile elde edilen sıcaklık değerlerinin belirli bir renk paleti kullanılarak anlaşılabilir görüntülere dönüştürülmesi sürecidir. Termal görüntünün nasıl elde edildiğini Termal Görüntüleme Nedir, Sporda Nasıl Kullanılır? yazımızdan inceleyebilirsiniz.

Her bir termal analiz süreci öncelikle ilgili bölgenin arka plandan ayrılması ile başlar. Termal görüntüdeki ilgi alanları veya nesnelerin arka plandan ayrılması sonucu elde edilen sıcaklık değerleri kümesine sıcaklık haritası (sıcaklık matrisi) adı verilir. Sıcaklık haritalarının çıkarılması için termal kameraların sağladığı çizim aracı yazılımları kullanılabilir. Bu araçlar ile analizler hem manuel hem de ilgi alanları oluşturma araçlarının hassasiyetinin az olması sebebiyle uzun zaman alır ve doğruluğu düşük olur.

Medikal alanda birçok gelişmiş yapay zeka modeli kısıtlı veri olsa dahi iyi segmentasyon sonuçları elde edilebileceğini kanıtlamıştır 1. ai4sports gelişmiş kas segmentasyonu yapay zeka modelleri ile termal görüntülerinizden 40 ayrı kas grubunu saniyeler içerisinde segmente ederek hızlı, otomatik ve doğruluğu çok yüksek sıcaklık haritaları elde edilmesini sağlar 2-4.

Aşağıdaki görselde ai4sports ile saniyeler içerisinde ham bir termal görüntüden kas segmentasyonu ve her kas için sıcaklık haritalarının oluşturulma örneği görülmektedir.

Renk Skalasını Doğru Okumak

Her bir termal kamera, çekim alınan alanından infrared enerjiyi toplayarak sıcaklık değerlerine dönüştürür. Bu sıcaklık matrisi seçilen renk paletine göre RGB renk uzayına dönüştürülerek kullanıcıya sunulur. Kullanıcının oluşan bu termal görüntüyü anlamlandırabilmesi için şu bilgileri bilmesi gerekir.

• Seçilen renk skalası
• Min-max sıcaklık aralığı
• Çekim alınan nesnenin emisyon değeri

Termal kameralar infrared enerjiyi emisyon, uzaklık, nem gibi değerlere bağlı olarak her bir piksel için sıcaklık değerlerine dönüştürür. Bu sıcaklık değerleri minimum ve maksimum değerler aralığında listelenerek seçilen renk paletine göre minimum değerden maksimum değere göre renk kodları her bir görüntü pikseline atanır. Bu sayede anlamlandırılabilir ve anlaşılır termal görüntü kullanıcıya sunulur.

Önemli Not: İnsan emisyon değeri 0.98’dir. İnsanlar üzerinde termal analiz gerçekleştiren bir yazılımda termal kamera’da emissivity değeri 0.98 olarak ayarlanmalıdır [5].

Hangi Kas Grupları Analiz Edilebilir?

İnsan vücudu sıcaklık değeri söylenirken 36.5-37.2°C aralığında bir sıcaklık değeri söylenir. Bu değer sağlıklı bir insanda ortalama iç (çekirdek) sıcaklığını temsil etmektedir. Termal kameralar çekirdek sıcaklığı değil ciltten yayılan infrared enerjiyi ölçerler. Metabolik süreçler sonucu üretilen ısı kan dolaşımı ve doku iletimi sayesinde cilde taşınmaktadır. Termal görüntü, cilt yüzeyindeki sıcaklık dağılımını gösterir. Simetrik kas gruplarındaki sıcaklık asimetrileri inflamatuar süreçler, lokal fizyolojik yaralanmalar ve kan perfüzyonu gibi altta yatan sorunlardan dolayı gerçekleşebilir.

Termal görüntülerde insan cilt sıcaklığı 32-35°C aralığında gözlemlenir. Buna rağmen göz küresi, kulak içi gibi alanlar merkeze daha yakın olduğundan termal görüntüde okunan değeri çekirdek sıcaklığa daha yakın olduğu görülür.

ai4sports ile analiz edilen 40+ ayrı kas grubu bu ilkelere göre ve insan anatomisine uygun olarak belirlenmiş ve yapay zeka modelleri buna göre eğitilmiştir. ai4sports ile her bir termal görüntü çekim yapılan kişinin anatomisine uygun olarak segmente edilir ve kas grupları içinden çıkartılır.

Burada dikkat edilmesi gereken nokta termal kameralarda yüzey sıcaklığının gözlemlendiği bilgisidir. Bu yüzden analiz edilebilen alanlar yüzey kas gruplarıdır. Derin doku ve kas bölgeleri, bağlar (yüzeye yakın olmayan) ve iç organlar sıcaklık değerleri ölçülemediği için direkt olarak analiz edilemez.

ai4sports ile analiz edilebilir kas grupları:

Kas grubu analizleri hakkında daha fazla bilgi için ai4sports ürün sayfasını inceleyin.

Bölge Bazlı Okuma: Patellar, Calf, Omuz ve Tüm Bölgeler

Termal görüntüleme yalnızca vücudun genel sıcaklık dağılımına ve genel kas gruplarına değil insan anatomik bölgelerinin ayrı ayrı değerlendirilmesine de odaklanabilir. Özellikle simetrik olarak karşılaştırılabilen kas, tendon ve eklem bölgelerinde sağ-sol sıcaklık farkı (ΔT) değerlendirildiğinde lokal fizyolojik yük hakkında daha detaylı ek bilgiler sağlayabilmektedir. Bu nedenle patellar bölge (diz bölgesi), calf (gastrocnemius ve soleus kasları), ayak bileği veya hamstring gibi bölgeler birbirinden bağımsız olarak termal haritaları izlenebilir 6.

Lokal bölge analizlerinin nasıl gerçekleştirildiğini ai4body ürün sayfasından inceleyebilirsiniz.

Patellar tendon bölgesi, alt ekstremitedeki yük dağılımına bağlı termal değişimlerin izlenebildiği alanlardan biridir. Çalışmalarımızda ayak bileği yaralanma öyküsü bulunan futbolcularda antrenman sonrası patellar tendon bölgesindeki sıcaklık asimetrisinin değişebildiği gösterilmiştir 7.

Benzer şekilde calf bölgesi de yüklenmeye verilen termal yanıtın takip edilebildiği bir diğer alandır. Aynı çalışmada medial ve lateral calf bölgelerindeki sıcaklık farklarının antrenman süreci boyunca değişim gösterebildiği ve bu değişimlerin alt ekstremite yüklenmesiyle birlikte değerlendirilebildiği ortaya konmuştur 7.

Hamstring bölgesinde ise termal yanıtlar kasın mekanik özellikleriyle birlikte incelenebilir. Gerçekleştirdiğimiz çalışmada antrenman öncesi ve sonrası hamstring kaslarının termal değişimleri ile myotonometrik ölçümleri birlikte değerlendirilerek bölgesel yüklenme yanıtının çoklu parametrelerle takip edilebildiği gösterilmiştir 8.

Rectus femoris bölgesi de özellikle yaralanma sonrası takipte termal analiz için örnek oluşturmaktadır. Elit futbolcular üzerinde yaptığımız çalışmada aynı antrenman yüküne rağmen bireyler arasında farklı termal yanıtlar görülebildiği ve bu nedenle bölgenin kişiye özgü olarak izlenmesinin değerli olduğu gösterilmiştir 9.

Lokal bölge analizleri sadece sporcu yaralanma ve yorgunluk analizleri için değil çeşitli hastalıkların karakterize olmuş termal haritalarını da analiz ederek sağlık profesyonellerince teşhis yardımcı sistemleri olarak da konumlanmaktadır. Bu sayede meme kanserinden diyabetik ayağa, fibromiyaljiden sklerodermaya kadar birçok hastalığın teşhisinde termal analiz kullanılmaktadır.

Tek Ölçüm mü, Trend mi? Haritayı Anlamlı Kılan Şey

Ai4sports ile tek bir termal çekimden 40+ ayrı kas grubunun termal analizlerini çıkartabilirken sürekli çekimlerde her bir kasın trend analizlerini de gerçekleştirebilirsiniz. Tek bir termal ölçüm belirli bir andaki sıcaklık dağılımını gösterip bunun üzerinden bir yorum yaparken periyodik ölçümler kişinin kendi sıcaklık trend çizgisine göre değişimin yönünü ve sürekliliğini ortaya koyar. Böylece bir bölgedeki sıcaklık artışı veya asimetri tek başına değerlendirilmek yerine önceki ölçümlerle karşılaştırılarak geçici bir yüklenme yanıtı mı yoksa devam eden bir termal değişim eğilimi mi olduğu izlenebilir. ai4sports’ta bu zaman serisi yaklaşımı; PMCS, PMSS ve PMTS gibi periyodik skorlarla bölgesel ve genel değişimlerin daha sistematik takip edilmesini sağlar.

Sıcaklık Haritası, Doğru Okunduğunda Bir Veriye Dönüşür

Termal görüntü tek başına renklerden oluşan bir vücut ısı haritasıdır. Ancak ai4sports ile birlikte doğru değerlendirme yapay zekası, anatomik bölge segmentasyonu ve simetrik kas grupları karşılaştırması ile birlikte değerlendirildiğinde her bir kas grubuna ait ölçülebilir bir veri haline gelir. Vücudun yüzeysel her bir kas grubu ayrı ayrı analiz edilebilir aynı zamanda bu bölgelerin zaman içerisindeki değişimleri kişinin kendi termal geçmişi ile karşılaştırılabilir. Kas grubu bazlı termal analizin temel amacı da görüntüdeki sıcaklığı yalnızca görmek değil; nerede, ne kadar ve nasıl değiştiğini anlamlandırabilmektir.

Kaynaklar

1. Ronneberger, O., Fischer, P., Brox, T. (2015). U-Net: Convolutional Networks for Biomedical Image Segmentation. MICCAI 2015. Lecture Notes in Computer Science, vol 9351. Springer, Cham. https://doi.org/10.1007/978-3-319-24574-4_28
2. Ergene, M.C., Bayrak, A., Çevik, M., Ceylan, M. (2023). Evaluation of Deep Learning Models for Lower Extremity Muscle Segmentation in Thermal Imaging. AIIIMA 2023. vol 14298. Springer, Cham. https://doi.org/10.1007/978-3-031-44511-8_9
3. Çevik, M., Ceylan, M. (2023). Performance Evaluation of Convolutional Segmentation Models with Human Hand Thermal Images (H2TI) Dataset. In: Kakileti, S.T., Manjunath, G., Schwartz, R.G., Frangi, A.F. (eds) AIIIMA 2023. Lecture Notes in Computer Science, vol 14298. Springer, Cham. https://doi.org/10.1007/978-3-031-44511-8_6
4. Yaşar, M.C., Çevik, M., Besnili, Ş., Ceylan, M. (2025). Comparison of Architectures of Deep Learning-Based Segmentation in Lower Extremity Human Thermal Imaging. In: Kakileti, S.T., Manjunath, G., Schwartz, R.G., Ng, E.Y.K. (eds) AIIIMA 2024. Lecture Notes in Computer Science, vol 15279. Springer, Cham. https://doi.org/10.1007/978-3-031-76584-1_10
5. Lahiri BB, Bagavathiappan S, Jayakumar T, Philip J. Medical applications of infrared thermography: A review. Infrared Phys Technol. 2012 Jul;55(4):221-235. doi: 10.1016/j.infrared.2012.03.007. Epub 2012 Apr 13. PMID: 32288544; PMCID: PMC7110787.
6. Besnili, Ş., Dinkul, İ., Bayrak, A., Çevik, M., Ceylan, M. (2025). The Effects of Balance and Strength on Thermal Heatmap. AIIIMA 2024. Lecture Notes in Computer Science, vol 15279. Springer, Cham. https://doi.org/10.1007/978-3-031-76584-1_9
7. Bayrak, A., Çevik, M., & Ceylan, M. (2025). Thermal Asymmetry in Football Players Following Ankle Injury: Findings Related to Training Load.
8. Bayrak, A., Çevik, M., & Ceylan, M. (2025). Relationship Between Myotonometric and Thermal Responses of Hamstring Muscles Before and After Training.
9. Bayrak, A., Ergene, M. C., & Ceylan, M. (2023). Monitoring the Reactions of Athletes with History of Rectus Femoris Proximal Tear to Training Load.

ai4sports'i keşfedin

Yazan Mahmut Çevik

Profili görüntüle →