基于增强型智能干扰模式分析 (AI-IPA) 在同心针电肌学中

科学领域:

• 神经学 神经学
• 生物医学工程 生物医学工程
• 医学诊断 医学诊断 医学诊断

背景情况:

• 针电肌图 (EMG) 对于诊断神经肌肉疾病至关重要.
• 对EMG干扰模式 (IP) 的主观评估可能缺乏客观性.
• 量化IP特征可以提高诊断准确度.

研究的目的:

• 开发一种"增强智能" (AI) 方法,用于电肌学 (EMG) 中客观干扰模式 (IP) 分析.
• 量化IP的关键特征,包括充满度,离散度,振幅,音调和发动机单元的发射速度 (FR).
• 用定量数据模仿主观的EMG评估,以提高客观性.

主要方法:

• 对20名对照患者和神经病变/肌肉病变患者的IP记录的分析.
• 根据视觉外观,将IP分为低级,中级和全级.
• 定义的参考值 (RVs) 和一个""模式的离散度和幅度.
• 从分析中排除技术工件.

主要成果:

• 在对照人群中,单一套RVs在119个肌肉中被证明是令人满意的.
• 神经病变患者显示中等/低IP,高幅度,围图案,低音和高FR.
• 肌肉病患者表现出一个全幅图案,带有低幅度和高音调.

结论:

• 开发的算法提供了定量数据,增强了电肌学家的分析.
• 在线实施可以指导运营商,而不会增加程序时间.
• 量化测量可以纳入报告,以支持发现.