Biblioteca122.739 documentos en línea

Artículo

Knee Functional State Classification Using Surface Electromyographic and Goniometric Signals by Means of Artificial Neural NetworksClasificación del estado funcional de la rodilla usando señales de electromiografía de superficie y goniometría empleando redes neuronales

Resumen

En este artículo se propone una metodología para el diagnóstico de lesión de rodilla, patología común y de múltiples causas. El diagnóstico y el tratamiento de las lesiones de rodilla se realizan por medio de valoraciones por parte de un profesional en el área, quien según su criterio puede solicitar exámenes invasivos y/o de alto costo. El sistema propuesto emplea señales electromiográficas de superficie (EMGS) y señales de goniometría, evaluadas con métodos de análisis de señales en el dominio del tiempo frecuencia como el espectrograma y la transformada wavelet. Como técnica de aprendizaje de máquina se emplean redes neuronales artificiales, por medio de un perceptrón multicapa. Las señales EMGS fueron tomadas en cuatro músculos internos-externos asociados a la articulación,por medio de exámenes físicos de flexión y extensión, en los cuales se registró, además, la goniometría en el plano sagital. Con este sistema se obtuvieron rendimientos superiores al 80 % en la efectividad como medida de desempeño, por lo cual esta propuesta se constituye en una solución objetiva que puede darle más elementos de juicio al profesional para el diagnóstico.

1. INTRODUCCIÓN

Las lesiones de rodilla se deben a diferentes causas, como los accidentes que pueden tener un origen laboral, es decir, militar o deportivo [1]. También hay lesiones debidas a enfermedades degenerativas, como la artrosis de rodilla (OA). Independientemente del tipo de lesión de la rodilla, puede producirse una distorsión que conlleve una limitación del movimiento [2], por lo que se necesitan tratamientos de fisioterapia y rehabilitación. Estos tratamientos pueden requerir el uso de diferentes elementos como prótesis, sillas de ruedas, muletas, ortesis, exoesqueletos para superar la limitación en cierta medida. Esto incluye la reducción del dolor, la normalización de la movilidad, la musculación, etc., y por tanto, la mejora de la calidad de vida. Se ha publicado un estudio que recoge 17.397 pacientes que sufrieron 19.530 lesiones deportivas en un periodo de 10 años. En él se observa que 6.434 (37%) tenían 7.769 lesiones (39,8%) relacionadas con la articulación de la rodilla [1].

Las técnicas para diagnosticar y evaluar la afección de la rodilla incluyen la interpretación de los síntomas articulares (presencia de dolor, pérdida funcional o hinchazón), la exploración y la inspección física de la rodilla mediante la prueba de esfuerzo en varo, la prueba de Lachman a 30°, la prueba de cajón posterior a 90°, la prueba de slump o la prueba de McMurray.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño:889 Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento

  • Titulo:Knee Functional State Classification Using Surface Electromyographic and Goniometric Signals by Means of Artificial Neural Networks
  • Autor:Avilés Sánchez, Oscar Fernando; Herrera González, Marcelo; Martínez Hernández, Gustavo Adolfo; Rodríguez Sotelo, Jose Luis
  • Tipo:Artículo
  • Año:2015
  • Idioma:Inglés
  • Editor:Pontificia Universidad Javeriana
  • Materias:Redes neuronales (Computadores) Órganos artificiales Movimiento (Fisiología)
  • Descarga:2