The effect of EMG-based attentional focus on human machine interface applications

Abstract

Dikkatle odaklanma direktiflerinin motor becerilerini ve kişilerin öğrenmesini etkilediği iyi bilinmektedir. Bu direktifler genel olarak iki gruba ayrılır: iç odaklanma ve dış odaklanma. Birçok araştırma, hareketin etkisine odaklanan dış odaklanmanın, motor performansı ve öğrenmeyi artırdığını ancak bunun yanında kas aktivitesini azalttığını gösterirken, iç odaklamanın bunu artırdığını göstermiştir. Düşük kas aktivitesi, özellikle spor performanslarında daha verimli hareketler sağlasa da bunun yanısıra, özellikle protez çalışmaları, EMG tabanlı robotik, İnsan Makine Arayüzü uygulamaları gibi mühendislik alanlarında düşük kas aktivitesi her zaman tercih edilmemektedir. Bu tezde, dikkatle odaklanma stratejilerinin kas aktivitesi üzerindeki etkilerine dayanan üç farklı yaklaşım önerilmiştir. İlk adım olarak, birtakım EMG ölçümleri yapılmıştır. Deneylerde, katılımcılara kontrol (hiçbir talimatın verilmediği), iç odaklanma (aktif kasa odaklanma) ve dış odaklanma (dambıla odaklanma) durumları altında 2 kg' lık dambıl kaldırma hareketleri yaptırılmıştır. Katılımcıların biseps brachii kasları üzerinden EMG kayıtları istatistiksel olarak analiz edilmiştir. Wilcoxon Sign-Ranks test sonuçları, RMS, MAV, IEMG ve Integrated FFT parametreleri için dış ve iç odak grupları arasında önemli bir fark olduğunu (p = 0.05) ve iç odaklamanın daha yüksek EMG aktivitesini sağladığını göstermiştir. Ek olarak, kontrol ve dış odaklanma grupları arasındaki dikkatle odaklanmanın ana etkisi de istatistiksel olarak önemli bulunmuştur. Bununla birlikte, kontrol ve iç odaklanma verileri arasında istatistiksel bir fark görülmemiştir. İkinci yaklaşım, katılımcıların dikkatle odaklanma tercihlerine göre EMG sinyallerinin sınıflandırılmasına dayandırılmıştır. Bu amaçla, kaydedilen EMG sinyallerinin maksimum, minimum, ortalama, standart sapma, RMS ve varyansı olmak üzere altı farklı istatistiksel özellikleri hem zaman hem de frekans alanlarından çıkarılmıştır. Bu özellikler, Yapay Sinir Ağı (YSA) sınıflandırıcıları için girdi olarak kullanılmıştır. YSA sınıflandırma oranları sırasıyla zaman alanı için % 87,54 ve frekans alanı için% 82,69 olarak bulunmuştur. Bu bulgular, sinyalin kaynağı aynı sağlıklı kişiye ait olsa bile, kişilerin sadece dikkatle odaklanma tercihlerini değiştirerek, EMG aktivitelerinin önemli ölçüde farklı olabileceğini göstermiştir. Bu sonuçlar mühendislik alanı için ümit verici olsa da, yine de EMG tabanlı kontrol mekanizmaları düşünüldüğünde, sınıflandırıcı performanslarının çok yüksek doğrulukta olması beklenir. Bu nedenle, bir sonraki aşama olarak sinyaller, daha yüksek doğruluk sağlayabilen Derin Sinir Ağları (DNN) kullanılarak sınıflandırılmıştır. Burada DNN'ler, giriş olarak DB4 ve HAAR ana waveletlerin 4. seviye katsayıları kullanılarak tasarlanmıştır. Sınıflandırma başarı oranları sırasıyla DB4 için % 99,07 ve HAAR için % 99,54 olarak bulunmuştur. Bu DNN'ler dikkatle odaklanma çeşitlerini çok yüksek bir doğrulukla sınıflandırıldığından, burada kişilerin dikkatle odaklanma tercihlerinin İnsan- Makine Arayüzlerine alternatif girdiler olarak kullanılabileceği varsayılmıştır. Üçüncü yaklaşım olarak, birçok spor alanında kalça ve diz hareketlerinden sorumlu olan hamstring kasları üzerindeki dikkatle odaklanma stratejilerinin etkileri araştırılmıştır. Deneyler, amatör futbolcuların semitendinosus, semimembranosus ve biseps femoris hamstring kaslarının EMG aktivitelerini bacak kıvırma egzersizleri sırasında incelemek için tasarlanmıştır. Bu deneylerin sonuçları incelendiğinde, semitendinosus ve semimembranosus'un dikkatle odaklanma tercihleri durumlarındaki EMG aktivitelerinin literatürle uyumlu olduğu görülmüştür. Bunun yanısıra, biseps femoris kaslarının dikkatle odaklanma talimatlarına istatistiksel olarak önemli bir yanıt vermediğini tespit edilmiştir. Hamstring kasları yaralanmaları en yaygın spor yaralanmaları olduğundan, bu bulgular antrenörlerin egzersiz programlarını planlamalarına yardımcı olabilir. Ayrıca, bu sonuçlar aynı zamanda zihin-kas bağlantısı fenomeninin daha iyi anlaşılmasını sağlamış olup, ortak kabul edilmiş düşünceler içerisindeki aykırı yaklaşımı vurgulamıştır.

It is well known that attentional focus instructions affect motor skills and learning of performers. These instructions are divided into two groups: internal focus and external focus. Many studies showed that external focus of attention enhances motor performance and learning but reduces muscular activity whereas, internal focus of attention increases it. The low muscular activity results in more efficient movements especially in case of sport performances. Nevertheless, low muscular activity is not always preferred in engineering field such as prosthetics, EMG-based robotics, Human Machine Interface applications. In this thesis, three different approaches, based on the effects of attentional focus strategies on muscular activity, are proposed. In the first step, several EMG mesurements were conducted. During the experiments, the participants performed weight-lifting (2 kg dumbbell) under control, no instuctions were given, internal, focusing on the active muscle and external, focusing on the dumbbell, focus of attentions. The EMG records via biceps brachii muscle of the participants were analysed statistically. The Wilcoxon Sign-Ranks tests results showed that, for RMS, MAV, IEMG and Integrated FFT parameters there was a significant difference (p = 0.05) between external and internal focus groups and internal focus enabled higher EMG activity. In addition, the main effect of attentional focus between control and external groups was also significant. However, there was no statistical difference between control and internal data. The second approach was based on classification of the EMG signals according to participants' attentional focus preferences. For this purpose, six statistical features, namely, maximum, minimum, mean, standard deviation, RMS and variance of recorded EMG signals were extracted from both time and frequency domains. These feautures were used as inputs for Artificial Neural Network (ANN) classifiers. The classification rates of ANNs were found to be 87.54% for time-domain and 82.69% for frequency domain. These findings suggest that even though the origin of the signal belongs to same healthy person, just by changing the attentional focus preferences, EMG activity differed remarkably. Although these results were promising in the field of engineering, in case of EMG-based control mechanisms, the classifier performances would expected to be in very high accuracy. Consequently, the signals were classified using Deep Neural Networks (DNN) which can enable higher accuracy. Here, DNNs were designed using coefficients, 4th level, of DB4 and HAAR wavelets as inputs. The classification rates were found to be 99.07% and 99.54%, respectively. Since these DNNs the attentional focusing types were classified in a very high accuracy, here it was hypothesized that attentional focus preferences would be used as alternate inputs to HMIs. The third approach investigated the impacts of attentional focus strategies on hamstring muscles which are responsible for hip and knee movements in many sports. The experiment was designed to examine the EMG activity of hamstring muscles, the semitendinosus, the semimembranosus and the biceps femoris on amateur football players during leg curl exercises. The results of the experiments showed that while the EMG activity response of semitendinosus and semimembranosus were in line with literature in case of attentional focus preferences, the biceps femoris shows no significant response regarding change between attentional instructions. Since hamstring muscle injuries are the most common sports injury, these findings can help trainers for planning their exercise programs. Besides, these results also provides a better understanding of mind-muscle connection phenomena and highlights the outlier amongst the common acceptance. In summary, the findings of this thesis show that one's focus of attention could be predicted using neural networks, during the performance. Hence, attentional focusing might be an important strategy not only for performance improvement to human movement but also for advancing the EMG-based control applications. Besides, it is also highlighted here that positive effect of verbal instructions via internal focus might also be useful for physicians to plan effective muscular rehabilitation treatment for patients who suffered a stroke or a disorder of lower or upper limb extremities. Furthermore, the results of attentional focus effects were not limited to only control mechanisms, but also in sport fields.