Get 20M+ Full-Text Papers For Less Than $1.50/day. Start a 14-Day Trial for You or Your Team.

Learn More →

Neuronale Netzwerke zur Klassifizierung von EMG-Signalen bei Spastik

Neuronale Netzwerke zur Klassifizierung von EMG-Signalen bei Spastik A. Nützel, D. Breisacher, T. Stieglitz, G. Vossius Institut für Biokybernetik und Biomedizinische Technik Universität Karlsruhe, Kaiserstr. 12, 76128 Karlsruhe 1 Einleitung Bei der Spastikbehandlung mittels Elektrostimulation ist der Therapeut z. Zt. ausschließlich auf seine subjektive Einschätzung der Spastikart angewiesen. Hierbei ist die zu beobachtende Spastikreduktion anfangs oft nur minimal. In dieser Phase wählt er aufgrund seiner Erfahrung die Position der Elektroden und die dazugehörenden Reizparameter aus. In der Anfangsphase muß während der Therapiesitzungen die Spastik laufend beobachtet und die Reizparameter immer wieder angepaßt werden, da hiervon der Erfolg der Spastikbehandlung abhängt. Um die Spastikbehandlung mittels Elektrostimulation in der breiten klinischen Anwendung zu ermöglichen, soll die Therapie durch Automation wesentlicher Grundprozesse unterstützt werden. Dazu muß eine hinreichende Beobachtbarkeit des Spastikstatus realisiert werden. Hierfür werden von der spastischen Muskulatur die EMG-Signale mit Oberflächenelektroden abgeleitet. Bis zu 8 Kanälen können in einem von uns entwickelten Multiprozessorsystem hoher Leistungsfähigkeit weiterverarbeitet werden. Die EMG-Signale werden im Frequenz- und Zeitbereich digital ausgewertet und parametrisiert. In einem von uns als geeignet ermitteltem klassifizierenden Neuronalen Netzwerk werden von einer genügend großen Anzahl gesunder Probanden und von Patienten mit unterschiedlicher Spastik die Muskelaktivitätsparameter im Zeit- und Frequenzbereich und der jeweils dazugehörende Muskelzustand als Klassifikationsbasis abgelegt. Hierdurch http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Biomedizinische Technik / Biomedical Engineering de Gruyter

Neuronale Netzwerke zur Klassifizierung von EMG-Signalen bei Spastik

Download PDF
2 pages

Loading next page...
 
/lp/de-gruyter/neuronale-netzwerke-zur-klassifizierung-von-emg-signalen-bei-spastik-wQ3I8y4RIC

References

References for this paper are not available at this time. We will be adding them shortly, thank you for your patience.

Publisher
de Gruyter
Copyright
Copyright © 2009 Walter de Gruyter
ISSN
0013-5585
eISSN
1862-278X
DOI
10.1515/bmte.1993.38.s1.465
Publisher site
See Article on Publisher Site

Abstract

A. Nützel, D. Breisacher, T. Stieglitz, G. Vossius Institut für Biokybernetik und Biomedizinische Technik Universität Karlsruhe, Kaiserstr. 12, 76128 Karlsruhe 1 Einleitung Bei der Spastikbehandlung mittels Elektrostimulation ist der Therapeut z. Zt. ausschließlich auf seine subjektive Einschätzung der Spastikart angewiesen. Hierbei ist die zu beobachtende Spastikreduktion anfangs oft nur minimal. In dieser Phase wählt er aufgrund seiner Erfahrung die Position der Elektroden und die dazugehörenden Reizparameter aus. In der Anfangsphase muß während der Therapiesitzungen die Spastik laufend beobachtet und die Reizparameter immer wieder angepaßt werden, da hiervon der Erfolg der Spastikbehandlung abhängt. Um die Spastikbehandlung mittels Elektrostimulation in der breiten klinischen Anwendung zu ermöglichen, soll die Therapie durch Automation wesentlicher Grundprozesse unterstützt werden. Dazu muß eine hinreichende Beobachtbarkeit des Spastikstatus realisiert werden. Hierfür werden von der spastischen Muskulatur die EMG-Signale mit Oberflächenelektroden abgeleitet. Bis zu 8 Kanälen können in einem von uns entwickelten Multiprozessorsystem hoher Leistungsfähigkeit weiterverarbeitet werden. Die EMG-Signale werden im Frequenz- und Zeitbereich digital ausgewertet und parametrisiert. In einem von uns als geeignet ermitteltem klassifizierenden Neuronalen Netzwerk werden von einer genügend großen Anzahl gesunder Probanden und von Patienten mit unterschiedlicher Spastik die Muskelaktivitätsparameter im Zeit- und Frequenzbereich und der jeweils dazugehörende Muskelzustand als Klassifikationsbasis abgelegt. Hierdurch

Journal

Biomedizinische Technik / Biomedical Engineering – de Gruyter

Published: Jan 1, 1993

There are no references for this article.