Η συσκευή χρησιμοποιεί χειρόγραφες για την ανίχνευση νευρολογικών διαταραχών

Pin
Send
Share
Send

Αυτό το άρθρο "Έρευνα σε δράση" δόθηκε στο LiveScience σε συνεργασία με το Εθνικό Ίδρυμα Επιστημών.

Κάθε χρόνο, περισσότεροι από 50.000 Αμερικανοί διαγιγνώσκονται με τη νόσο του Πάρκινσον, μια εκφυλιστική διαταραχή που προσβάλλει το κεντρικό νευρικό σύστημα προκαλώντας τρόμο, ακαμψία, βραδύτητα κίνησης και απώλεια ισορροπίας. Η ανίχνευσή της μπορεί να είναι δύσκολη, ωστόσο, ειδικά σε πρώιμα στάδια. Τώρα, για να ανιχνεύσουν και να μελετήσουν νευροεκφυλιστικές νόσους όπως ο Parkinson, οι ερευνητές έχουν δημιουργήσει ένα σύστημα που καταγράφει σήματα από τους μυς των χεριών κατά τη διάρκεια της χειρογράφου.

Οι κινητικοί νευρώνες μεταδίδουν ηλεκτρικά σήματα στους μύες για να τα συμβάλλουν. Η ηλεκτρομυογραφία (EMG) είναι μια διαδικασία που καταγράφει και γράφει μια τέτοια ηλεκτρική δραστηριότητα για να δώσει πληροφορίες σχετικά με την κατάσταση των μυών ενός ατόμου και των νευρικών κυττάρων που τον ελέγχουν. Στο νέο σύστημα ανίχνευσης, ένα υποκείμενο δοκιμής συνδέει τα ηλεκτρόδια επιφάνειας EMG με το χέρι του και φοράει ένα γάντι για να συγκρατήσει τα ηλεκτρόδια στη θέση τους. Το θέμα στη συνέχεια γράφει σε ένα δισκίο, επαναλαμβάνοντας απλές, στερεότυπες κινήσεις του χεριού που περιλαμβάνουν δύο βασικά εξαρτήματα κινητήρα: κρατώντας σταθερά ένα στυλό από τα δάχτυλα και μετακινώντας το χέρι και τα δάχτυλα για να παράγουν γραπτό κείμενο. Τα αποτελέσματα συλλέγονται τόσο από το δισκίο όσο και από τα ηλεκτρόδια EMG επιφανείας.

Ένα αναλυτικό πρόγραμμα δημιουργεί το αποτέλεσμα της μυϊκής δραστηριότητας κατά τη διάρκεια αυτής της ελεγχόμενης δέσμης κινήσεων και βρίσκει ουσιαστικές διαφορές στη συγγραφική και γραπτή συμπεριφορά των ασθενών με νόσο του Parkinson και των ηλικιωμένων υγιεινών ατόμων ελέγχου. Έτσι, ένας κλινικός γιατρός θα είναι σε θέση να ανιχνεύσει και να μελετήσει νευροεκφυλιστικές ασθένειες όπως η νόσος του Πάρκινσον.

Οι προγραμματιστές του συστήματος περιλάμβαναν μηχανικούς χρηματοδοτούμενους από το National Science Foundation στη Norconnect, Inc., με επικεφαλής τον κύριο επιστήμονα Norconnect Michael Linderman.

Ο Mark Latash, καθηγητής κινησιολογίας στο Πανεπιστήμιο του Πανεπιστημίου του Penn, ο οποίος δεν ανήκει στην ερευνητική ομάδα, δήλωσε ότι το σχέδιο φαίνεται να είναι μια πολλά υποσχόμενη προσέγγιση για να βοηθηθούν οι γιατροί να εντοπίσουν τους βιοδείκτες πρώιμης νόσου του Parkinson.

Ο Hans-Leo Teulings, Διευθύνων Σύμβουλος της NeuroScript, LLC στο Temple, Az., Διεθνούς φήμης επιστήμονας και συγγραφέας μιας συσκευής ανάλυσης χειρογράφου που ονομάζεται MovAlyzeR, δήλωσε ότι η μέθοδος ανάλυσης EMG που αναπτύχθηκε από τον Linderman θα καταστήσει το μοντέλο χειρογράφου ένα πολύτιμο μοντέλο και ένα αντικείμενο επιστημονικής έρευνας παρόμοιας με αντανακλαστικά. Ο Teulings δεν συμμετείχε σε αυτή την έρευνα, αλλά παρακολούθησε στενά την πρόοδό του για αρκετά χρόνια.

Αναδυόμενες βιο-ιατρικές συσκευές αποκτούν και επεξεργάζονται μεγάλα ποσά δεδομένων, δήλωσε ο Μπόρις Μούρμαν, αναπληρωτής καθηγητής στο Τμήμα Ηλεκτρολόγων Μηχανικών του Πανεπιστημίου του Στάνφορντ. Ταυτόχρονα, πρέπει να λειτουργούν συνήθως από μια μπαταρία. Ως εκ τούτου, ο σχεδιασμός και η βελτιστοποίηση για χαμηλή κατανάλωση ενέργειας έχει γίνει ένα σημαντικό θέμα σε αυτές τις εφαρμογές και στη βιομηχανία στο σύνολό της. Ο Linderman έδωσε την ευκαιρία στους σπουδαστές να διεξάγουν έρευνες σε αυτόν τον σημαντικό τομέα, δήλωσε ο Murmann.

Ο Linderman συνεργάστηκε με πολλά πανεπιστήμια των Η.Π.Α. και ένα γυμνάσιο με την ελεύθερη ακαδημία Ogdensburg στο Ogdensburg, Ν.Υ. Το πιλοτικό έργο και οι ιατρικές δοκιμές διεξήχθησαν σε Ιατρικά Κέντρα Claxton-Hepburn, Ogdensburg, Ν.Υ. και Dartmouth-Hitchcock Medical Center, Lebanon, Ν.Η.

Διαβάστε παρακάτω: Αναγνώριση χειρόγραφου από την ηλεκτρομυογραφία

Σημείωση του συντάκτη: Οποιεσδήποτε απόψεις, συμπεράσματα και συμπεράσματα ή συστάσεις που εκφράζονται σε αυτό το υλικό είναι αυτές του συγγραφέα και δεν αντανακλούν απαραίτητα τις απόψεις του Εθνικού Ιδρύματος Επιστημών. Δείτε το Αρχείο έρευνας στην πράξη.

Pin
Send
Share
Send