Спосіб діагностики деяких захворювань нервово-м'язової системи та особливості обробки даних в програмних засобах

Автор(и)

  • Ігор Вікторович Прасол Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0003-2537-7376
  • Олександр Йосипович Довнар Національний аерокосмічний університет ім. М. Є. Жуковського «Харківський авіаційний інститут», Україна https://orcid.org/0000-0001-7171-0024
  • Ольга Артурівна Єрошенко Харківський національний університет радіоелектроніки, Україна https://orcid.org/0000-0001-6221-7158

DOI:

https://doi.org/10.15587/2706-5448.2023.273848

Ключові слова:

скелетний м'яз, діагностика нервово-м'язової системи, моделювання, викликані потенціали, електростимуляція, алгоритм, програмне забезпечення

Анотація

Електроміостимуляція є методом відновного лікування, в основі якого лежить електрична стимуляція нервів та м'язів. Електричний струм, який застосовується в електростимуляції для отримання викликаних м'язових скорочень, характеризується великою кількістю різних параметрів. Однак далеко не кожен можливий варіант електростимуляції має високу ефективність. Для вирішення завдання діагностики деяких захворювань нервово-м'язової системи є важливою організація програмного забезпечення шляхом аналізу параметрів викликаних потенціалів. Отже, об'єктом дослідження є процеси скорочення скелетного м'яза під впливом природних електричних імпульсів нервової системи або під впливом зовнішньої електростимуляції. Предметом дослідження є моделі, що описують процеси в м'язах при скороченні та способи обробки даних. У ході дослідження використовувалися такі методи дослідження, як методи математичного моделювання та методи обробки медико-біологічних даних.

У роботі розглянуто експериментальні залежності сила-тривалість скелетного м'яза та отримані математичні моделі для нормального стану нервово-м'язового апарату та різного ступеня денервації. На основі електродіагностики хворого з порушенням рухових функцій простежено динаміку зміни стану пацієнта та ефективність лікування. За результатами дослідження проведено аналіз параметрів викликаних потенціалів стимуляційної електроміограми в ході адаптивної електростимуляції  з метою контролю її ефективності або встановлення діагнозу при деяких захворюваннях нервово-м'язової системи. Це дозволило розробити метод виправлення помилок інтерпретації одного з якісних параметрів та підвищити завадостійкість постановки діагнозу. Отримані результати можуть бути використані при вдосконаленні технічних пристроїв для електростимуляційної терапії, а також контролю ефективності реабілітаційних процедур.

Біографії авторів

Ігор Вікторович Прасол, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор

Кафедра біомедичної інженерії

Олександр Йосипович Довнар, Національний аерокосмічний університет ім. М. Є. Жуковського «Харківський авіаційний інститут»

Кандидат технічних наук, доцент

Кафедра радіоелектронних та біомедичних комп'ютеризованих засобів і технологій

Ольга Артурівна Єрошенко, Харківський національний університет радіоелектроніки

Асистент

Кафедра електронних обчислювальних машин

Аспірант

Кафедра біомедичної інженерії

Посилання

  1. Bochkezanian, V., Newton, R. U., Trajano, G. S., Vieira, A., Pulverenti, T. S., Blazevich, A. J. (2018). Effect of tendon vibration during wide-pulse neuromuscular electrical stimulation (NMES) on muscle force production in people with spinal cord injury (SCI). BMC Neurology, 18 (1). doi: https://doi.org/10.1186/s12883-018-1020-9
  2. Bekhet, A. H., Bochkezanian, V., Saab, I. M., Gorgey, A. S. (2019). The Effects of Electrical Stimulation Parameters in Managing Spasticity After Spinal Cord Injury. American Journal of Physical Medicine & Rehabilitation, 98 (6), 484–499. doi: https://doi.org/10.1097/phm.0000000000001064
  3. Bochkezanian, V., Newton, R. U., Trajano, G. S., Blazevich, A. J. (2018). Effects of Neuromuscular Electrical Stimulation in People with Spinal Cord Injury. Medicine & Science in Sports & Exercise, 50 (9), 1733–1739. doi: https://doi.org/10.1249/mss.0000000000001637
  4. Yeroshenko, O., Prasol, I., Suknov, M. (2022). Modeling of electrostimulation characteristics to determine the optimal amplitude of current stimuli. Radioelectronic and computer systems, 2, 191–199. doi: https://doi.org/10.32620/reks.2022.2.15
  5. Yeroshenko, O., Prasol, I. (2022). Simulation of the electrical signal of the muscles to obtain the electromiosignal spectrum. Technology Audit and Production Reserves, 2 (2 (64)), 38–43. doi: https://doi.org/10.15587/2706-5448.2022.254566
  6. Pascual-Valdunciel, A., Rajagopal, A., Pons, J. L., Delp, S. (2022). Non-invasive electrical stimulation of peripheral nerves for the management of tremor. Journal of the Neurological Sciences, 435, 120195. doi: https://doi.org/10.1016/j.jns.2022.120195
  7. Vysotskа, О., Georgiyants, M., Pecherska, A., Porvan, A., Boguslavska, N. (2018). Information technology for choosing the corrective facilities under stress impact on the biological object. Radioelectronic and Computer Systems, 3, 34–48. doi: https://doi.org/10.32620/reks.2018.3.05
  8. Dudar, T. V., Titarenko, O. V., Nekos, A. N., Vysotska, O. V., Porvan, A. P. (2021). Some aspects of environmental hazard due to uranium mining in Ukraine. Journal of Geology, Geography and Geoecology, 30 (1), 34–42. doi: https://doi.org/10.15421/112104
  9. Vуsotska, O., Nosov, K., Hnoevyi, I., Porvan, A., Rysovana, L., Dovnar, A. et al. (2022). Image processing procedure for remote recording of the Gambusia sp. introduced into a water for anti-malaria. Technology Audit and Production Reserves, 1 (2 (63)), 14–18. doi: https://doi.org/10.15587/2706-5448.2022.252297
  10. Liashenko, O., Barkovska O., Al-Atroshi, C., Datsok, O., Liashenko, S. (2019). Model of the Work of the Neurocontroller to Control Fuzzy Data from the Sensors of the Climate Control Subsystem «Smart House». International Journal of Advanced Trends in Computer Science and Engineering, 8 (1.2), 70–74.
  11. Chumachenko, D., Yakovlev, S. (2021). Intelligent system of epidemic situation monitoring and control. CEUR Workshop Proceedingsthis link is disabled, 2870, 46–55.
  12. Jung, J., Lee, D.-W., Son, Y. K., Kim, B. S., Shin, H. C. (2021). Volitional EMG Estimation Method during Functional Electrical Stimulation by Dual-Channel Surface EMGs. Sensors, 21 (23), 8015–8032. doi: https://doi.org/10.3390/s21238015
  13. Dideriksen, J. L., Laine, C. M., Dosen, S., Muceli, S., Rocon, E., Pons, J. L. et al. (2017). Electrical Stimulation of Afferent Pathways for the Suppression of Pathological Tremor. Frontiers in Neuroscience, 11. doi: https://doi.org/10.3389/fnins.2017.00178
  14. Kim, J., Wichmann, T., Inan, O. T., DeWeerth, S. P. (2022). Analyzing the Effects of Parameters for Tremor Modulation via Phase-Locked Electrical Stimulation on a Peripheral Nerve. Journal of Personalized Medicine, 12 (1), 76–91. doi: https://doi.org/10.3390/jpm12010076
  15. Prasol, I. V., Yeroshenko, О. A. (2022). Modeling the electrical stimulation intensity dependence on stimulus frequency. Radiotekhnika, 209, 192–199. doi: https://doi.org/10.30837/rt.2022.2.209.19
  16. Gobbo, M., Maffiuletti, N. A., Orizio, C., Minetto, M. A. (2014). Muscle motor point identification is essential for optimizing neuromuscular electrical stimulation use. Journal of NeuroEngineering and Rehabilitation, 11 (1). doi: https://doi.org/10.1186/1743-0003-11-17
  17. Gorgey, A. S., Mahoney, E., Kendall, T., Dudley, G. A. (2006). Effects of neuromuscular electrical stimulation parameters on specific tension. European Journal of Applied Physiology, 97 (6), 737–744. doi: https://doi.org/10.1007/s00421-006-0232-7
  18. Dolbow, D. R., Gorgey, A. S., Sutor, T. W., Bochkezanian, V., Musselman, K. (2021). Invasive and Non-Invasive Approaches of Electrical Stimulation to Improve Physical Functioning after Spinal Cord Injury. Journal of Clinical Medicine, 10 (22), 5356. doi: https://doi.org/10.3390/jcm10225356
  19. Prasol, I., Dovnar, O., Yeroshenko, O. (2022). Method of Diagnostic Parameters Analysis and Software Features. 2022 IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek). doi: https://doi.org/10.1109/khpiweek57572.2022.9916500
  20. Pascual-Valdunciel, A., Lopo-Martinez, V., Sendra-Arranz, R., Gonzalez-Sanchez, M., Perez-Sanchez, J. R., Grandas, F. et al. (2022). Prediction of Pathological Tremor Signals Using Long Short-Term Memory Neural Networks. IEEE Journal of Biomedical and Health Informatics, 26 (12), 5930–5941. doi: https://doi.org/10.1109/jbhi.2022.3209316
Method of diagnosing some diseases of the neuro-muscular system and features of data processing in software

##submission.downloads##

Опубліковано

2023-02-17

Як цитувати

Прасол, І. В., Довнар, О. Й., & Єрошенко, О. А. (2023). Спосіб діагностики деяких захворювань нервово-м’язової системи та особливості обробки даних в програмних засобах. Technology Audit and Production Reserves, 1(2(69), 20–25. https://doi.org/10.15587/2706-5448.2023.273848

Номер

Том 1 № 2(69) (2023): Інформаційно-керуючі системи

Розділ

Системи та процеси керування

Ліцензія

Авторське право (c) 2023 Igor Prasol, Olexandr Dovnar, Olha Yeroshenko

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.