Journals / Klinik Tıp Bilimleri / 2017 / Cilt: 5 - Sayı: 3

Bruxism, EEG-EMG Relationship

Bruxism, EEG-EMG İlişkisi

Pages
29–34
Publication Date
2017-03-03
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

And these methods and concepts will be explained in relation to theliterature in this study.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:AbstractBruxism is a temporomandibular disorder that occurs periodically during sleep andcan be recorded.
📊
Key Findings & Data:The prevalence rate in the society varies depending on age, but it is around 5-36%.
💡
Conclusion & Impact:And these methods and concepts will be explained in relation to theliterature in this study.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Bruxism · EEG · EMG

Abstract

AbstractBruxism is a temporomandibular disorder that occurs periodically during sleep andcan be recorded. During sleep, teeth may be characterized by parafunctional involuntary contraction and excessive grinding. If left untreated, irreversibly causes damage tothe periodontium and joint surfaces. Sleeping Bruxism in general leads to fatigue, lowsleep quality, headache and pain in the mandibular muscles. Chronic effects are structural periodontium injuries, temporomandibular joint disorders, and tooth injuries withbroken teeth. The prevalence rate in the society varies depending on age, but it is around 5-36%. In general, Bruxism, which is a study of dentists, psychiatrists and chest diseases because of sleep disorders, is a very virgin field in terms of engineering approaches and solutions. At this point, our goal in this study isto briefly describe engineering techniques that have been donein the literature to diagnose the disease by analyzing biological signals such as EEG and EMG using engineering approaches and methods. As is known, EEG signals are non-linear and dynamic signals that are inherent in electrical activity that occurs in neurons in the brain. Due to this feature it is difficult to produce meaningful and associative information. However, EMG signals are voluntary signals generated from muscle signals hence it is easier to make meaningful information than EEG signals. It is thought that noise elimination, feature extraction and classification algorithmsare the most basic signal processing methods in engineeringand could be very useful for diagnosing Bruxism. And these methods and concepts will be explained in relation to theliterature in this study.

Özet

ÖzBruxism, kişide uyku esnasında periyodik olarak oluşan ve kayıt altına alınabilen temporomandibular bozukluktur. Uyku esnasında dişlerin parafonksiyonel olarak istem dışıolarak kasılması ve aşırı gıcırdatma şeklinde karakterize edilebilir. Eğer tedaviden yoksun bırakılırsa geri dönülmez olarak dişin periodontium ve eklem yüzeylerinde hasarlara neden olur. Uyku Bruxismi kişide genel olarak bitkinliğe, düşük uyku kalitesine,baş ağrısına ve mandibular kaslarda ağrıya neden olur. Kronik etkileri yapısal periodontium hasarları, temporomandibular eklem bozuklukları ve dişlerde kırılmalara varan dişhasarlarıdır. Toplum içindeki yaygınlık oranı yaşa bağlı olarak değişse de 5-36% civarındadır. Genel olarak diş hekimlerinin, psikiyatrların ve uyku bozukluğu olması açısından göğüs hastalıklarının çalışma konusu olan Bruxism mühendislik yaklaşımları ve çözümleri açısından oldukça bakir bir alandır. Bu noktada bu çalışmadaki amacımız mühendislik yaklaşımları ve yöntemlerini kullanarak EEG ve EMG gibi biyolojik sinyalleri analiz etmek suretiyle hastalığı teşhis etmek ve tedaviye katkıda bulunabilecek literatürde yapılmış olan mühendislik içeren tekniklerden kısaca bahsetmektir. Bilindiğiüzere EEG sinyalleri beyinde nöronlarda oluşan elektriksel aktivitelerden kaynaklanan doğası gereği lineer olmayan ve dinamik olan sinyallerdir. Bu özelliğinden dolayı anlamlı ve ilişkilendirilebilir bilgileri çıkarmak zordur. EMG sinyalleri ise kas sinyallerinden ortaya çıkan istemli olarak yapılabilen sinyaller olması nedeniyle anlamlı bilgileri çıkarmak EEG sinyallerine göre daha kolay bir karaktere sahiptir. Mühendislikte kullanılan gürültü giderme, özellik çıkarma ve sınıflandırma algoritmaları en temel sinyalişleme yöntemleri olması açısından Bruxismi teşhis etmede oldukça kullanışlı olacağı düşünülmektedir ve bu çalışmada bu metotlar ve kavramlar literatürle ilişkilendirilerek anlatılacaktır.

🔖

Cite This Article

GÖRUR, A. G. K. (2017). Bruxism, EEG-EMG Relationship. Klinik Tıp Bilimleri, Cilt: 5 - Sayı: 3, 29–34. https://ajindex.com/articles/838278

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (1)

  1. Kaynaklar 1.T. Kato, “Overview of sleepbruxism: historyand on tthewayweare”,2nd WASM World Congress, Bangkok, 4–8 February 2007 / Sleep-Medicine 8 Suppl. 1 (2007) S11–S47 2.Martinaz A. ve arkadaşları, ”Polymeric Piezoelectric Sensors and Re-mote Communication for Detection of Bruxism”, IndustrialTechnology(ICIT), 2010 IEEE International Conference on, 268-273, 2010 3.Toledano M. ve arkadaşları,” Effect of in vitrochewingandbruxis-mevents on remineralization, at theres in dentin interface”, Journalof Biomechanics, Vol:48, Sayfa:14-21, 2015 4. Minakuchi H. ve arkadaşları, Multiple sleep bruxism data collec-tedusing a self-contained EMG detector/analyzersystem in asymp-tomatichealthysubjects” SleepBreath, Vol:16, Sayfa: 1069–1072,2012 5.Xiao D. ve Ark.,”Classification of motor imagery EEG signalsba-sed on energyentropy”, 2009 International Symposium on IntelligentUbiquitous Computing and Education, 61-64 6.Başçıl.M.S.2014,”Beyinde Üretilen Yöne Bağlı EEG SinyallerininÖznitelik Çıkarımı Yardımıyla Sınıflandırılması”, Doktora Tezi,Sakarya Üniversitesi Fen Bilimleri Enstitüsü. 7.Minakuchi H. ve arkadaşları, “Multiple sleep bruxism data collectedusing a self-contained EMG detector/analyzer system in asymptoma-tic healthy subjects” SleepBreath, Vol:16, Sayfa: 1069–1072, 2012 8.Thorpy M.J ve arkadaşları, “Classification of Sleep Disorders”, Neu-rotherapeutics, Vol: 9, Sayfa: 687–701, 2012 9.Tomoeda K. ve arkadaşları, “Sleep bruxism needs deep sleep sta-ges and seems to reduce psychological stress”, J. Stomat. Occ.Med,Vol:4, Sayfa:54-58, 2011 10.Zaag J. ve arkadaşları,” Time-llinked concurrence of sleep bruxism,periodic limb movements, and EEG arousals in sleep bruxers andhealthy controls”, Clin Oral Invest,Vol:18,Sayfa:507-513, 2014 11.Deregibus A. ve arkadaşları, “Reliability of a portable device for thedetection of sleep bruxism”, Clin Oral Invest, Vol: 18, Sayfa:2037–2043, 2014 12.Gorur K.ve Ark.,”Literatür Özeti: Bruxism”, Electronic Letters onScience&Engineering 1-2016,11-16 13.https://www.medicalmarijuana.com/medical-marijuana-treatments-cannabis-uses/ cannabinoids- alleviate-symptoms-of-bruxism/,(Son Erişim Tarihi: 27.02.2017 ) 14.İto S.ve Ark.,” A Feature Extraction of the EEG DuringListening-tothe Music Using the Factor Analysis and Neural Networks”,Pro-ceedings of the International Joint Conference on Neural Networks,2003.2263-2267. 15.Adeli H.ve Ark.,” A Wavelet-Chaos Methodology for Analysis of EEG-sand EEG Sub-bands to Detect Seizure and Epilepsy'',