Derin öğrenme tabanlı kızılötesi termografi, koşu sırasında tekrarlanabilir, hem ortak hem bireysel termoregülasyon tepkilerini ortaya koyuyor

Vücudun Isındığını İzlemek

Koşuya çıktığımızda vücudumuz aynı anda birden çok işi sessizce yürütür: kasları hareket ettirmek, oksijen taşımak ve fazla ısıyı atmak. Bu çalışma, o büyrük işi gerçek zamanlı izlemenin yeni bir yolunu araştırıyor—termal kameralar ve yapay zekâ kullanarak koşucuların egzersiz sırasında cilt sıcaklığının nasıl değiştiğini izlemek. Çalışma, bacakların temassız alınan basit ısı görüntülerinin çoğu koşucu tarafından paylaşılan ortak desenleri ve performans kapasitesiyle bağlantılı ince, kişisel farklılıkları ortaya koyabileceğini öneriyor.

İnsanlar Koşarken Isının Fotoğraflarını Çekmek

Araştırmacılar kontrollü bir laboratuvara on bir sağlıklı, dayanıklılık eğitimli genç yetişkin davet etti. Her katılımcı iki farklı günde üç adet koşu koştu. Her koşudaki toplam iş yükü aynıydı, ancak yoğunluk desenleri farklıydı: biri sabit, diğeri sabitten aralıklıya geçti ve üçüncüsü bunun tersini yaptı. Katılımcılar koşarken ekip kalp hızı, solunum, çekirdek vücut sıcaklığı (iç ve dış sensörlerle), algılanan efor, ter kaybı ve—özellikle—tredmilli arkasına yerleştirilmiş yüksek çözünürlüklü bir kızılötesi kamera ile baldırlar üzerindeki ısı desenlerini izledi.

Termal Haritaları Yapay Zekâya Okutmak

Termal görüntülerdeki bölgeleri elle çizmek yerine ekip, baldırları otomatik olarak tanımak ve farklı damar tiplerini ayırmak için bir yapay zekâ biçimi olan derin öğrenmeyi kullandı. Sistem her kareden birkaç cilt sıcaklığı ölçütü hesapladı: ortalama baldır sıcaklığı, görünür damar olmayan alanların sıcaklığı ve küçük arterler ile yüzeysel toplardamarlar üzerindeki sıcaklıklar. Ayrıca cilt yüzeyindeki sıcaklık desenlerinin ne kadar çeşitli olduğunu tanımlayan "entropi" adlı bir istatistiği ölçtü. Bu ölçümler daha sonra kalp, solunum ve çekirdek sıcaklık verileriyle senkronize edilerek ısınma, ana koşu fazları ve toparlanma boyunca ayrıntılı zaman serileri üretildi.

Ortak Isı Desenleri ve Kişisel İmzalar

Tüm üç koşuda çeşitli cilt sıcaklığı ölçütleri, mutlak değerleri farklı olsa bile koşu yoğunluğundaki değişikliklerle beraber yükselip düştü. Küçük arterlerin üzerindeki alanlar özellikle yüksek yoğunluklu aralıklar ve toparlanma sırasında kalp hızı ve oksijen kullanımına güçlü bağlantılar gösterdi; bu durum bu bölgelerin vücudun ne kadar zorlandığının ve efor durduktan sonra ısının ne kadar hızlı atıldığının duyarlı göstergeleri olduğunu düşündürüyor. Bu damar bölgelerinin entropisi ısınma sırasında çekirdek sıcaklıkla paralel hareket ederek vücut ısındıkça ısının ciltte nasıl yayıldığını yansıttı. Aynı zamanda belirgin bireysel farklılıklar vardı. Bazı koşucularda—özellikle daha yüksek submaksimal koşu kapasitesine sahip olanlarda—damar olmayan cilt sıcaklığı çekirdek sıcaklığın tersine hareket ederek derin vücut ısıyla daha soğuk cilt arasındaki farkları büyüttü. Bu farklar muhtemelen ısıyı dışarı atmaya yardımcı olurken çekirdek sıcaklığı kontrol altında tutan daha etkili kan akımı ayarlamalarını yansıtıyor.

Farklı Günlerde Güvenilir Ölçümler

Anahtar soru bu termal ölçümlerin tek bir testin dışına taşacak kadar stabil olup olmadığıydı. Çalışma, özellikle ısınma, aralıklar ve toparlanma sırasında damar olmayan cilt sıcaklığındaki değişikliklerin, yük sırası ve deseni değişse bile aynı kişi içinde tüm üç koşu boyunca yüksek düzeyde tekrarlanabilir olduğunu buldu. Grup düzeyindeki desenler de tutarlıydı. Farklı çaba tipleriyle önceden art arda gelen bazı sürekli koşu segmentleri karşılaştırıldığında daha az güvenilirlik görüldü; bu durum hemen önceki egzersiz geçmişinin cilt kan akımını ve sıcaklığını kısa süreliğine yeniden şekillendirebileceğini vurguluyor. Genel olarak, otomatik analiz iyi kontrol edilen oda koşullarında sağlam, tekrarlanabilir sinyaller sağladı.

Bu Bulguların Sporcular ve Sağlık İzlemesi İçin Anlamı

Sonuçlar, ısı görüntülerinin akıllı analizinin koşu sırasında insanların sıcaklığı düzenleme biçimlerindeki ortak yolları ve birinin submaksimal hızları ne kadar sürdürebildiğiyle bağlantılı kişisel farklılıkları yakalayabileceğini gösteriyor. Derin öğrenme, termal görüntü akışını kalp, solunum ve çekirdek sıcaklık verileriyle uyumlu tutarlı sayılara dönüştürüyor. Gelecekte bu tür temassız izleme, antrenörlerin ve klinisyenlerin iç yükü takip etmesine, aşırı ısınmanın erken işaretlerini tespit etmesine veya bir koşucunun ısıyı ne kadar verimli hareket ettirdiğine göre antrenmanı kişiselleştirmesine yardımcı olabilir—sadece kağıt üzerindeki maksimum kondisyon seviyeleri değil.

Atıf: Weber, V., López, D.A., Ochmann, D.T. et al. Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running. Sci Rep 16, 10525 (2026). https://doi.org/10.1038/s41598-026-44102-6

Anahtar kelimeler: kızılötesi termografi, egzersiz fizyolojisi, derin öğrenme, termoregülasyon, koşu performansı