NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Disfaji inme, Parkinson hastalığı ve baş ve boyun kanseri gibi durumlarda daha yaygındır. Bu, zatürre, boğulma, yetersiz beslenme ve dehidrasyona yol açabilir. Şu anda, teşhis altın standardı radyolojik görüntüleme, videofloroskopik kırlangıç çalışması (VFSS) kullanır; Bununla birlikte, pahalıdır ve özel tesisler ve eğitimli personel gerektirir. Birkaç cihaz sınırlamaları gidermeye çalışsa da, hiçbiri VFSS'nin klinik derece kalitesini ve doğruluğunu sunmaz. Burada, bu çalışma, yutma davranışının otomatik, doğru klinik değerlendirmesi ve disfaji hastalarından gelen sessiz özlemlerin teşhisi için makine öğrenimine sahip kablosuz multimodal giyilebilir bir sistemi rapor etmektedir. Cihaz, hareketlerin neden olduğu cilt teması empedansındaki değişiklikleri baskılayan kirigami yapılı bir elektrot ve yüksek kaliteli elektromiyogramları ölçmek ve sesleri yutmak için dış gürültüyü etkili bir şekilde engelleyen bir jel tabakasına sahip bir mikrofon içerir. Derin öğrenme algoritması, sessiz özlemleri teşhis ederken yutkunma kalıplarının sınıflandırılmasını sunarken,% 89.47 doğrulukla. İnme sonrası hastalarla yapılan gösteri, yutma bozukluklarını tespit etmek için gerçek zamanlı olarak sistemin çoklu fizyolojik sinyallerin ölçülmesindeki önemini yakalar, VFSS ile karşılaştırarak doğrulanır. Multimodal elektronik, disfaji sağlık ve rehabilitasyon terapisi için umut verici bir gelecek sağlayabilir, yutma ve aspirasyon olaylarını izlemek için doğru, invazif olmayan bir alternatif sağlar.
Özgün kaynak özetini okuyun
Dysphagia is more common in conditions such as stroke, Parkinson's disease, and head and neck cancer. This can lead to pneumonia, choking, malnutrition, and dehydration. Currently, the diagnostic gold standard uses radiologic imaging, the videofluoroscopic swallow study (VFSS); however, it is expensive and necessitates specialized facilities and trained personnel. Although several devices attempt to address the limitations, none offer the clinical-grade quality and accuracy of the VFSS. Here, this study reports a wireless multimodal wearable system with machine learning for automatic, accurate clinical assessment of swallowing behavior and diagnosis of silent aspirations from dysphagia patients. The device includes a kirigami-structured electrode that suppresses changes in skin contact impedance caused by movements and a microphone with a gel layer that effectively blocks external noise for measuring high-quality electromyograms and swallowing sounds. The deep learning algorithm offers the classification of swallowing patterns while diagnosing silent aspirations, with an accuracy of 89.47%. The demonstration with post-stroke patients captures the system's significance in measuring multiple physiological signals in real-time for detecting swallowing disorders, validated by comparing them with the VFSS. The multimodal electronics can ensure a promising future for dysphagia healthcare and rehabilitation therapy, providing an accurate, non-invasive alternative for monitoring swallowing and aspiration events.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.