.png){kind=icon}
返回
Augmented Intelligence-Based Interference Pattern Analysis (AI-IPA) in Concentric Needle Electromyography
.png){kind=icon}
PRE
AI
DOI：10.1002/mus.28365.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
引言/目的：为增加常规针极肌电图检查的客观性，我们描述了一种基于增强智能（Augmented Intelligence）的干扰模式（IP）分析方法，该方法通过量化IP的丰满度、离散度、振幅、音调以及运动单位发放率（FR）来模拟主观评估。
方法：分析了20名对照受试者以及神经病和肌病患者中其他患者的IP记录。将IP分为三组：低、中、满，以模拟视觉外观。为每组定义了参考值（RVs）。基于离散度和振幅定义了栅栏模式。定义了FR的上限。检测并排除了各种技术伪迹。
结果：在对照受试者中，分析了119块常规检查肌肉的共2435条记录。在所测试的肌肉中，单一组RVs是令人满意的。当模式从低变为满时，振幅增加。音调与丰满度无相关性，其RVs在各组间相同。在神经病患者中，表现为中或低模式、高振幅、栅栏模式、低音调和高FR。在肌病患者中，表现为满模式伴低振幅和高音调。
讨论：该算法进行简单测量，肌电图医师易于解读。在这方面，它通过提供定量数据增强了分析。若以在线方式实施，可在不增加操作时间或改变记录技术的情况下为操作者提供指导。这些测量结果也可包含在报告中以支持研究结论。
Keyword:
artificial intelligence
augmented intelligence
concentric needle
electromyography
interference pattern