Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Diagnostyka chorób nerwowo-mięśniowych z zastosowaniem analizy widmowej sygnałów EMG

Tytuł:
Diagnostyka chorób nerwowo-mięśniowych z zastosowaniem analizy widmowej sygnałów EMG
Autorzy:
Komur, P.
Dobrowolski, A.
Data publikacji:
2007
Słowa kluczowe:
elektromiografia ilościowa
potencjał czynnościowy jednostki ruchowej
analiza widmowa
quantitative electromyograph
motor unit action potential
spectral analysis
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie  Pełny tekst  Link otwiera się w nowym oknie
Statystyczne opracowanie wyników badania elektromiograficznego realizowane w dziedzinie czasu zapewnia w większości przypadków prawidłową diagnozę, obarczoną jednakże pewnym błędem wynikającym z niejednoznaczności definicji parametrów czasowych. W niniejszym artykule autorzy definiują dyskryminantę widmową, której podstawową zaletą jest precyzyjna i realizowalna w sposób zalgorytmizowany definicja pozwalająca na obiektywne porównywanie wyników badań uzyskiwanych przez diagnostów o różnym doświadczeniu i pochodzących z różnych ośrodków badawczych. Jednocześnie zapewnia ona lepszą rozróżnialność przypadków chorobowych, niż tradycyjne parametry określane w dziedzinie czasu.
The statistical processing of electromyographic signal examination performed in the time domain ensures mostly correct classification of pathology; however, because of an ambiguity of most temporal parameter definitions, a diagnosis can include a significant error that strongly depends on the neurologist’s experience. In this paper, the authors present a definition for single-point spectral discriminant that directly enables a unique diagnosis to be made. An essential advantage of the suggested discriminant is a precise and algorithmically realized definition that enables an objective comparison of examination results obtained by physicians with different experiences or working in different research centers. At the same time the spectral discriminant secure better discrimination between disease cases than temporal parameters.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies