دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: Chris T. Freeman, Eric Rogers, Jane H. Burridge, Ann-Marie Hughes, Katie L. Meadmore (auth.) سری: SpringerBriefs in Electrical and Computer Engineering ISBN (شابک) : 9781447167259, 9781447167266 ناشر: Springer-Verlag London سال نشر: 2015 تعداد صفحات: 124 [130] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Iterative Learning Control for Electrical Stimulation and Stroke Rehabilitation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترل یادگیری تکراری برای تحریک الکتریکی و توان بخشی سکته مغزی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
کنترل یادگیری تکراری (ILC) ریشه در کنترل فرآیندهایی دارد که
یک کار را به طور مکرر با هدف بهبود دقت از آزمایشی به آزمایشی
با استفاده از اطلاعات اجرای قبلی کار انجام می دهند. این مختصر
نشان میدهد که چگونه کاربرد کلاسیک این تکنیک - دنبال کردن
مسیر در روباتها - میتواند به توانبخشی عصبی پس از سکته مغزی
گسترش یابد.
بازیابی حرکت اندام فوقانی گام مهمی در بازگشت به استقلال پس از
سکته مغزی است، اما پیش آگهی چنین بهبودی ضعیف باقی مانده است.
رباتیک توانبخشی فرصتی را برای تمرینات حرکتی تکراری فراهم می
کند که منعکس کننده اهمیت چنین تمرین شدیدی است که توسط تحقیقات
درمانی مرسوم و نظریه یادگیری حرکتی نشان داده شده است. تا به
حال این تکنیک اجازه نداده است که بازخورد از یک تکرار تمرین
روی تمرین بعدی تأثیر بگذارد، که همچنین به عنوان یک عامل مهم
در درمان دخیل است. نویسندگان نشان میدهند که چگونه میتوان از
ILC برای تنظیم تحریک الکتریکی عملکردی خارجی عضلات بیماران
استفاده کرد، در حالی که آنها به طور مکرر یک کار را در پاسخ به
اثرات شناخته شده تحریک در تکرارهای قبلی انجام میدهند. از
آنجایی که اعصاب حرکتی و ماهیچه های بازو به توانایی تبدیل قصد
حرکت به حرکتی با مسیر دقیق، نیرو و سرعت نیاز دارند، اکنون می
توان در ابتدا تحریک خارجی شدید را به تدریج کاهش داد تا اینکه
به حداکثر استقلال حرکتی ممکن دست یافت. /p>
Iterative learning control (ILC) has its origins in the
control of processes that perform a task repetitively with a
view to improving accuracy from trial to trial by using
information from previous executions of the task. This brief
shows how a classic application of this technique –
trajectory following in robots – can be extended to
neurological rehabilitation after stroke.
Regaining upper limb movement is an important step in a
return to independence after stroke, but the prognosis for
such recovery has remained poor. Rehabilitation robotics
provides the opportunity for repetitive task-oriented
movement practice reflecting the importance of such intense
practice demonstrated by conventional therapeutic research
and motor learning theory. Until now this technique has not
allowed feedback from one practice repetition to influence
the next, also implicated as an important factor in therapy.
The authors demonstrate how ILC can be used to adjust
external functional electrical stimulation of patients’
muscles while they are repeatedly performing a task in
response to the known effects of stimulation in previous
repetitions. As the motor nerves and muscles of the arm
reaquire the ability to convert an intention to move into a
motion of accurate trajectory, force and rapidity, initially
intense external stimulation can now be scaled back
progressively until the fullest possible independence of
movement is achieved.