بررسی شاخص های کمی EMG جهت ارزیابی پیشرفت بیماری پارکینسون
Publish place: 15th Iranian Conference on Biomedical Engineering
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,889
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICBME15_031
Index date: 16 November 2012
بررسی شاخص های کمی EMG جهت ارزیابی پیشرفت بیماری پارکینسون abstract
بیماری پارکینسون یکی از بیماری های شایع با منشاء عصبی در میان افراد مسن می باشد و در حال حاضر برای ارزیابیپیشرفت بیماری از معیار های کیفی استفاده میگردد که ماهیت تداخلی این روش ها موجب عدم دقت و نیز برداشت هایشخصی پزشکان در تعیین شدت بیماری می گردد. در مطالعه حاضر سعی شده است تا با بررسی رفتار الکترومایوگرام ، شاخص کمی برای استاندارد سازی ارزیابی بیماری ارائه گردد. به این منظور، با اخذ سیگنال EMG از عضلات فلکسور و اکستنسور بازو در دو گروه بیماران مشتمل بر 16 نفر و کنترل مشتمل بر 8 نفر و در دو وضعیت استراحت و انقباض ارادی، شاخص های مرتبط با فعالیت EMG استخراج گردیده و با انجام آزمون های آماری میزان ارتباط هر یک با شدت بیماری بررسی گردیده است. با وجود تفاوت در مقادیر میانگین شاخص ها در گروه های بیماران و کنترل ، بدلیل زیاد بودن واریانس ها، در برخی شاخصها تفاوت معنی دار آماری بین گروه های بیماران و کنترل گیدا نشده است. میزان میانگین ماکزیمم فعالیت EMG در وضعیت استراحت دارای بالاترین ضریب همبستگی با معیار کیفی بوده است. چنین بنظر میرسد که شاخص های مربوط به عضلات اکستنسور در تعیین درجه بیماری نسبت به شاخص های مشابه در عضلات فلکسور ارجحیت دارند و موید آنست که دربیماری پارکینسون فلکسور ها بیش از اکستنسور ها در گیر می گردند.
بررسی شاخص های کمی EMG جهت ارزیابی پیشرفت بیماری پارکینسون Keywords:
بررسی شاخص های کمی EMG جهت ارزیابی پیشرفت بیماری پارکینسون authors
بهروز سپهری
گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد مشهد
علی استکی
گروه مهندسی پزشکی، دانشگاه علوم پزشکی شهید بهشتی
اسماعیل ابراهیمی
گروه توانبخشی، دانشگاه علوم پزشکی ایران
غلامعلی شهیدی
گروه داخلی مغز و اعصاب، دانشگاه علوم پزشکی ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :