Le tecniche di machine learning per il trattamento della sindrome dell'arto fantasma

Wenter, Sofia (2014) Le tecniche di machine learning per il trattamento della sindrome dell'arto fantasma. [Laurea], Università di Bologna, Corso di Studio in Ingegneria biomedica [L-DM270] - Cesena
Documenti full-text disponibili:
[img]
Anteprima
Documento PDF
Download (1MB) | Anteprima

Abstract

Questo elaborato ha come scopo quello di analizzare ed esaminare una patologia oggetto di attiva ricerca scientifica, la sindrome dell’arto fantasma o phantom limb pain: tracciando la storia delle terapie più utilizzate per la sua attenuazione, si è giunti ad analizzarne lo stato dell’arte. Consapevoli che la sindrome dell’arto fantasma costituisce, oltre che un disturbo per chi la prova, uno strumento assai utile per l’analisi delle attività nervose del segmento corporeo superstite (moncone), si è svolta un’attività al centro Inail di Vigorso di Budrio finalizzata a rilevare segnali elettrici provenienti dai monconi superiori dei pazienti che hanno subito un’amputazione. Avendo preliminarmente trattato l’argomento “Machine learning” per raggiungere una maggiore consapevolezza delle potenzialità dell’apprendimento automatico, si sono analizzate la attività neuronali dei pazienti mentre questi muovevano il loro arto fantasma per riuscire a settare nuove tipologie di protesi mobili in base ai segnali ricevuti dal moncone.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Wenter, Sofia
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
phantom, limb, pain, sindrome, arto, fantasma
Data di discussione della Tesi
17 Luglio 2014
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^