基于深度学习的腿部肌肉调查,使用MRI用于对患者进行全膝关节置换 (TKR) 的假肢开发
Vinod Arunachalam1, Kumareshan N2
1Government College of Engineering Dharmapuri, ECE, India.
Current medical imaging
|March 25, 2024
概括
这项研究引入了一种使用肌肉MRI分析的新型假肢装置,以改善功能电刺激和机器人外骨的控制. 这种新方法通过先进的图像处理和人工智能来提高假肢精度.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 目前的假肢设备依赖于电肌图 (EMG) 和传感器反,但缺乏精确的肌肉长度相关性.
- 磁共振成像 (MRI) 提供了详细的生理和功能肌肉洞察力,这对先进的假肢至关重要.
研究的目的:
- 用MRI进行大腿肌肉的定性和定量评估.
- 增强现有的VAG信号分类,用于诊断经历全膝关节置换 (TKR) 患者的异常.
主要方法:
- 使用深度学习方法通过MRI进行定性和定量肌肉评估.
- 一种混合的卷积神经网络 (CNN) 和群集智能方法被开发用于详细的肌肉结构和功能分析.
主要成果:
- 提出的方法可以通过先进的图像处理来更精确地控制假肢.
- 综合传感器读数与详细的肌肉结构和功能测量,改善了假肢控制.
结论:
- 提出了一种新的集群智能和深度学习方法,用于使用MRI进行大腿肌肉评估.
- 假肢设备的选择与MRI数据进行了整合,以改善结果,特别是对于全膝关节置换 (TKR) 患者.
