logo móvil
Contáctanos

Una solución portátil de evaluación de la atrofia muscular: orientada hacia la rehabilitación de miembros superiores

Autores: Wang, Qin; Wang, Daomiao; Yang, Cuiwei; Huang, Xiaonan; Fang, Fanfu; Song, Zilong; Xiang, Wei

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Una solución portátil de evaluación de la atrofia muscular: orientada hacia la rehabilitación de miembros superiores


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Rehabilitación
Atrofia muscular
Sensores de bioimpedancia portátiles
Monitoreo
Evaluación graduada
Máquinas de vectores de soporte

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 33

Citaciones: Sin citaciones


Descripción
En el proceso de rehabilitación de miembros superiores, el efecto de la rehabilitación se evalúa frecuentemente desde la perspectiva de la función motora de los miembros. Sin embargo, el estado de atrofia muscular también es un indicador importante que refleja el efecto de la rehabilitación. Hemos propuesto una solución portátil para el monitoreo y la evaluación del grado de atrofia muscular local basada en sensores de bioimpedancia portátiles (BioZ). Este trabajo desarrolla la base teórica, el procedimiento y los factores clave que influyen en la solución propuesta, y la viabilidad y efectividad han sido verificadas a través de experimentos in vitro e in vivo. Un total de 25 fantomas con diferentes valores de área transversal (CSA) y relación de grasa a músculo (FMR) fueron diseñados para simular diferentes etapas de atrofia muscular, y se observó una correlación lineal entre BioZ, CSA y FMR, con un valor de R-cuadrado de 0.898. La diferencia de impedancia relativa de 38 pacientes con atrofia muscular unilateral fue en promedio 5.231% más grande que la de 30 muestras de control saludables (0.05). Estos resultados demuestran la correlación entre la atrofia muscular y BioZ. Como prueba de concepto para la evaluación graduada, los resultados analizados por máquinas de vectores de soporte (SVMs) muestran que la precisión de la clasificación de tres niveles puede alcanzar el 94.1% utilizando la validación cruzada de cinco pliegues.

Otros recursos que podrían interesarte

Temas Virtualpro