neural stimulation
Dotaz
Zobrazit nápovědu
160 s. : il. ; 26 cm
158 s. : il. ; 26 cm
Electroencephalography and clinical neurophysiology. Suppl. no. 51
1st ed. xiii, 375 s., obr., grafy
- MeSH
- mozek MeSH
- mozková kůra MeSH
- Konspekt
- Anatomie člověka a srovnávací anatomie
- NLK Obory
- neurologie
Podám trombocytárního koncentrátu, jako prevence vzniku krvácivých stavu u pacientů s iatrogenni trombocytopenii je pro lékaře zpravidla spojeno s velmi obtížným rozíiodovánim. Podá-li trombocytárni koncentrát, výrazně sníti riziko závažných krvácivých stavů, avšak aloimunizuje nemocného a sníží tak účinnost každého dalšího náplavu trombocytů. Nepodá-li trombocytární koncentrát, k aloimunizaci sice nedojde, ale zvyšuje se riziko závažných krvácivých projevů, které mohou skončit i letálně. Z uvedeného vyplývá, že rozhodnutí o podání či nepodáni trombocytárniho koncentrálu je vždy velmi závažným krokem a chybná volba může mít pro další pacientův osud závažné důsledky. V tomto příspěvku je popsán způsob výběru markerů, ťj. ze statistického hlediska důležitých parametrů, které měly vliv na krvácení pacienta v dosud známých přípádech pomocí metody GUHA Tyto parametry budou použity pro trénováni vícevrstvé neuronové sítě, která bude sloužit pro predikci krvácivých stavů a bude základem systému pro podporu rozhodování.
Thrombocytopenia and bleeding are dangerous complications in the treatment of hematologic malignancies. Therapy and prophylaxis of bleeding is based only on administration of platelet transfusion. The main adverse effect of this therapy is refractoriness and lowered effect of the subsequent transfusion. Physician's decision whether to administer platelet transfusion or not is based on two facts: 1. Estimation of bleeding risks (80 % of decision). 2. Estimation of refractoriness development risk (20 % of decision). We are solving estimation of bleeding risk (item 1) in oi/r decision support system. We have been searching for significant factors influencing bleeding in the beginning. We have completed database of 22 patients, and 1807 hospitalising days. By means of method GUHA, which generates hypothesis type: „assuming factors A, B, C... Is (Is not) present then bleeding occurs (does not occur)".
- MeSH
- biologické markery MeSH
- imunizace metody MeSH
- krvácení prevence a kontrola MeSH
- neuronové sítě MeSH
- trombocytopenie farmakoterapie MeSH
- Publikační typ
- přehledy MeSH
This study aimed to design a neural interface that extracts movement commands from the brain to generate appropriate intra-spinal stimulation to restore leg movement. This study comprised four steps: (1) Recording electrocorticographic (ECoG) signals and corresponding leg movements in different trials. (2) Partial laminectomy to induce spinal cord injury (SCI) and detect motor modules in the spinal cord. (3) Delivering appropriate intra-spinal stimulation to the motor modules for restoration of the movements to those documented before SCI. (4) Development of a neural interface created by sparse linear regression (SLiR) model to detect movement commands transmitted from the brain to the modules. Correlation coefficient (CC) and normalized root mean square (NRMS) error was calculated to evaluate the neural interface effectiveness. It was found that by stimulating detected spinal cord modules, joint angle evaluated before SCI was not significantly different from that of post-SCI (P > 0.05). Based on results of SLiR model, overall CC and NRMS values were 0.63 ± 0.14 and 0.34 ± 0.16 (mean ± SD), respectively. These results indicated that ECoG data contained information about intra-spinal stimulations and the developed neural interface could produce intra-spinal stimulation based on ECoG data, for restoration of leg movements after SCI.
- MeSH
- dolní končetina MeSH
- elektrostimulační terapie * MeSH
- lidé MeSH
- lokomoce MeSH
- obnova funkce MeSH
- pohybová aktivita MeSH
- poranění míchy terapie MeSH
- výsledek terapie MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- hodnotící studie MeSH
