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

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

Published: Jan 1, 1993

There are no references for this article.

You’re reading a free preview. Subscribe to read the entire article.


DeepDyve is your
personal research library

It’s your single place to instantly
discover and read the research
that matters to you.

Enjoy affordable access to
over 18 million articles from more than
15,000 peer-reviewed journals.

All for just $49/month

Explore the DeepDyve Library

Search

Query the DeepDyve database, plus search all of PubMed and Google Scholar seamlessly

Organize

Save any article or search result from DeepDyve, PubMed, and Google Scholar... all in one place.

Access

Get unlimited, online access to over 18 million full-text articles from more than 15,000 scientific journals.

Your journals are on DeepDyve

Read from thousands of the leading scholarly journals from SpringerNature, Wiley-Blackwell, Oxford University Press and more.

All the latest content is available, no embargo periods.

See the journals in your area

DeepDyve

Freelancer

DeepDyve

Pro

Price

FREE

$49/month
$360/year

Save searches from
Google Scholar,
PubMed

Create folders to
organize your research

Export folders, citations

Read DeepDyve articles

Abstract access only

Unlimited access to over
18 million full-text articles

Print

20 pages / month

PDF Discount

20% off