Video Experimental Relacionado
Updated: May 6, 2026

Engineering Platform and Experimental Protocol for Design and Evaluation of a Neurally-controlled Powered Transfemoral Prosthesis
Published on: July 22, 2014
Clasificación del estado de dolor de la articulación rígida de la rodilla utilizando electromiografía para el
Yang Zheng1,2, Dimao He1,2, Yuan He3
1School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an 710049, China.
Las señales de electromiografía (EMG) pueden detectar los niveles de dolor durante el entrenamiento de movilidad de rehabilitación de la rodilla. Esto permite una estimación precisa de la posición de ángulo máximo (maxAP) para mejorar la recuperación del paciente después de fracturas.
Área de la Ciencia:
- Ingeniería biomédica
- Ciencias de la rehabilitación
- Biomecánica clínica
Sus antecedentes:
- La rigidez de la articulación de la rodilla después de la fractura limita el rango de movimiento (ROM).
- El entrenamiento de movilidad óptimo requiere flexionar la rodilla a una posición de ángulo máximo (maxAP) que induzca niveles de dolor apropiados.
- Los métodos actuales para determinar el maxAP se basan en informes subjetivos de dolor de los pacientes, que pueden ser variables.
Objetivo del estudio:
- Investigar la viabilidad del uso de actividades de electromiografía (EMG) para detectar la posición de ángulo máximo (maxAP) durante la rehabilitación de la rodilla.
- Para convertir la detección de maxAP en una clasificación binaria de los estados de dolor versus dolor.
Principales métodos:
- Experimento I: Se registraron las señales EMG de los flexores y extensores de rodilla en 12 pacientes post-fractura durante el entrenamiento de movilidad de rutina.
- Extrajo las características del EMG para diferenciar entre dolor y estados sin dolor.
- Experimento II: estimación de maxAP probada utilizando modelos de aprendizaje automático (SVM, Random Forest) en un robot de rehabilitación de rodilla con 7 pacientes.
Principales resultados:
- Las características del EMG mostraron diferencias significativas entre el dolor y los estados sin dolor.
- La máquina vectorial de soporte (SVM) logró una precisión del 87,90% ± 4,55% con un sesgo de 6,5 ° ± 5,1 °.
- El modelo Random Forest logró una precisión del 89,10% ± 4,39% con un sesgo de 4,5 ° ± 3,5 °.
Conclusiones:
- Las señales EMG inducidas por el dolor pueden clasificar con precisión los estados de dolor para la estimación de maxAP en el entrenamiento de movilidad posterior a la fractura.
- Este enfoque puede potencialmente mejorar la aplicación de técnicas robóticas en la rehabilitación de fracturas.
- La detección del dolor basada en EMG ofrece una medida objetiva para guiar la intensidad de la rehabilitación y mejorar la recuperación de la ROM.
Más Videos Relacionados
08:40Isokinetic Robotic Device to Improve Test-Retest and Inter-Rater Reliability for Stretch Reflex Measurements in Stroke Patients with Spasticity
Published on: June 12, 2019
05:25Author Spotlight: Assessing Brain Activity in Robotic-Assisted Lower Limb Rehabilitation Using fNIRS
Published on: June 7, 2024