Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Brain-Machine Interface (BMI), atau saat ini juga terdapat Hybrid Brain-Machine Interface (hBMI),teknologi yang saat ini sedang berkembang pesat. Teknologi ini juga telah diaplikasikan pada berbagai bidang. BMI adalah sistem yang secara langsung mengubah pikiran seseorang dari otak menjadi sebuah informasi yang dapat diproses untuk mengartikannya menjadi informasi yang dapat dipahami manusia. BMI ini juga memiliki pengembangan lanjut dimana sinyal otak digabungkan oleh sinyal biologis lain seperti electromyography (EMG), electrooculography (EOG), atau juga electrocardiography (ECG). Pengembangan teknologi ini memiliki aplikasi sebagai alat bantu rehabilitasi untuk seseorang yang menderita ketidakmampuan dalam menggerakkan anggota tubuhnya, seperti tangan. Melalui penelitian ini diharapkan untuk dapat merancang sistem pengendalian orthosis sebagai alat bantu rehabilitasi dengan menggunakan metode klasifikasi dengan sinyal otak dan sinyal otot, sehingga subjek yang menggunakan alat ini dapat melakukan rehabilitasi dalam pergerakan lengan atas khususnya pada sendi siku. Hasil klasifikasi gerakan dengan menggunakan sinyal otak dan sinyal otot ini, dengan menggunakan fitur delta alpha rasio dan root mean square, didapatkan akurasi training untuk tiga gerakan yakni relaks, fleksi, dan ekstensi yaitu sebesar 90.3% dan untuk akurasi testing sebesar 85.2%.

---

Brain-Machine Interface (BMI) or also its advancement, hybrid brain machine interface (hBMI), is a technology that is vastly developed. This technology has been used in many fields. BMI is a system that directly changes human’s mind into information that can be extracted to informations that can be meaningful to people. BMI also has advancement in which the brain signal is combined with other biopotential signal such as electromyography (EMG), electrooculography (EOG), or electrocardiography (ECG). The development of this technology has applications as a rehabilitation aid for someone suffering from an inability to move his limbs, such as the hands. Through this research it is hoped to be able to design an orthosis control system as a rehabilitation device by using a classification method with brain signals and muscle signals, so that subjects who use this tool can carry out rehabilitation in upper arm movements especially in the elbow joint. The results of the movement classification using brain signals and muscle signals, using the delta alpha ratio and root mean square features, obtained training accuracy for three movements namely relax, flexion, and extension of 90.3% and for testing accuracy of 85.2%.

"

"Myofascial Pain Syndrome (MPS) adalah salah satu keluhan muskuloskeletal terbanyak dalam pelayanan kesehatan. MPS diduga dapat menyebabkan gangguan pada koordinasi otot-otot skapula. Penelitian ini bertujuan untuk membuktikan adanya hubungan terhadap kejadian MPS upper trapezius dengan ketidakseimbangan eksitasi otot upper trapezius, otot lower trapezius dan serratus anterior.Penelitian ini adalah studi potong lintang observasional. Sebanyak 34 subjek penelitian yang terdiri dari 17 subjek dengan MPS kronis dan 17 subjek non-MPS berusia 18-59 tahun dikumpulkan. Pengambilan data dilakukan menggunakan alat EMG permukaan Neurotrac MyoplusPro 4. Pengukuran eksitasi otot dilakukan pada otot upper trapezius, lower trapezius, dan serratus anterior. Pengukuran tersebut dilakukan pada saat bahu abduksi 0-180° tanpa beban, 25% beban maksimal, dan 50% beban maksimal. Pengukuran dilakukan tiga kali dan diambil reratanya. Rerata eksitasi diambil rasio perbandingan antara ketiga otot tersebut dan dibandingkan antara populasi MPS dengan populasi non-MPS. Uji statistik yang digunakan adalah uji T tidak berpasangan jika data pada sebaran normal. Jika sebaran tidak normal maka digunakan Mann-Whitney test. Hasil penelitian ini menemukan bahwa terdapat perbedaan rasio eksitasi yang bermakna pada otot upper trapezius dengan lower trapezius pada penderita MPS kronis dibandingkan dengan non-MPS pada ketiga tingkatan beban yang dilakukan, ditemukan perbandingan antara kedua kelompok tersebut dengan rata-rata perbedaan 2:1. Sedangkan, tidak terdapat perbedaan bermakna dari rasio otot upper trapezius dengan serratus anterior, dan lower trapezius dengan serratus anterior antara kedua populasi tersebut.

---

Myofascial Pain Syndrome (MPS) is one of the most common musculoskeletal complaints in health services. MPS is suggested to cause a discoordination of the scapula muscles. This study aims to prove that there is a relationship between the incidence of upper trapezius MPS and the imbalance of excitation of the upper trapezius, lower trapezius and serratus anterior muscles.

This study was an observational cross-sectional study. A total of 34 study subjects consisting of 17 subjects with chronic MPS and 17 non-MPS subjects aged 18-59 years were collected. Data were collected using the Neurotrac MyoplusPro 4 surface EMG device. Muscle excitation was measured on the upper trapezius, lower trapezius, and serratus anterior muscles. These measurements were carried out when the shoulder was abducted 0-180° with no load, 25% of the maximum load, and 50% of the maximum load. Measurements were made three times and the average was taken. The average excitation ratio was taken between the three muscles and compared between the MPS population and the non-MPS population. The statistical test used was the unpaired T test if the data were in a normal distribution. If the distribution is not normal, then the Mann-Whitney test is used.

The results of this study found that there was a significant difference in the excitation ratio of the upper trapezius and lower trapezius muscles in patients with chronic MPS compared to non-MPS at the three levels of load carried out, a comparison between the two groups was found with an average ratio of 2:1. Meanwhile, there was no significant difference in the ratio of the upper trapezius muscle to the serratus anterior, and the lower trapezius to the serratus anterior between the two populations."

"Sistem kendali merupakan hal penting di dalam perancangan sebuah alat bantu berjalan untuk pasien pasca stroke yang mengalami hemiparetik pada kakinya. Sistem kendali yang baik harus mampu mengetahui keinginan bergerak atau berjalan dari manusia dan menerjemahkan keinginan tersebut menjadi sebuah gerakan yang alami melalui alat bantu berjalan yang umumnya digerakkan oleh sebuah perangkat DC motor. Sudah banyak penelitian yang telah dilakukan untuk melakukan deteksi terhadap keinginan manusia untuk bergerak atau berjalan melalui berbagai macam sensor yang dipasang pada otot-otot yang terkait. Fokus dalam penelitian ini adalah melakukan deteksi gaya berjalan melalui sinyal elektromiografi yang diperoleh dengan menggunakan sensor-sensor EMG yang dipasangkan pada permukaan 12 otot yang sangat berkaitan dengan gerakan atau gaya berjalan pada manusia. Adapun 12 otot ini terdiri dari 2 otot bahu yaitu Deltoid Anterior (DA) dan Deltoid Posterior (DP), dan 10 otot kaki yang terdiri dari Rectus Femoris (RF), Biceps Femoris (BF), Vastus Medialis (VM), Vastus Lateralis (VL), Tibialis Anterior (TA), Medial Gastrocnemius (MG), Soleus (S), Gluteus Maximus (GMax), Semitendinosus (ST), dan Peroneus Longus (PL). Sinyal elektromiografi dari 12 otot tersebut direkam dari 2 pasien sehat yang tidak mengalami gangguan berjalan, terdiri dari 1 orang pria dan 1 orang wanita. Sinyal tersebut kemudian diproses melalui aplikasi Matlab untuk dilakukan proses klasifikasi dengan menggunakan teknik Artificial Neural Network (ANN). Di samping itu, metode machine learning juga dilakukan yaitu dengan teknik Linear Discriminant Analysis (LDA), Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN), yang bertujuan untuk mendapatkan perbandingan berbagai teknik tersebut agar didapatkan hasil dengan tingkat akurasi terbaik di dalam melakukan deteksi gaya berjalan yang dibedakan menjadi 3 yaitu: berjalan normal, naik tangga dan turun tangga. Hasil terbaik yang diperoleh dari penelitian ini dengan menggunakan algoritma ANN yang mampu menghasilkan prediksi sempurna dengan tingkat akurasi 100%, kemudian tingkat akurasi terbaik yang diperoleh dengan metode machine learning masing-masing untuk algoritma SVM adalah sebesar 99.2%, algoritma KNN sebesar 98.8% dan algoritma LDA sebesar 97.2% yang semuanaya diperoleh dari dataset kombinasi sinyal EMG otot bahu dan kaki. Hasil ini sangatlah penting di dalam penelitian yang akan dilakukan di kemudian hari dalam merancang sebuah sistem kendali yang mampu mengenali keinginan bergerak atau berjalan manusia baik saat berjalan normal maupun ketika hendak naik atau turun tangga sehingga alat bantu berjalan yang dihasilkan dapat digunakan dengan nyaman dan aman oleh pemakainya.

---

Control strategy is a fundamental role and very important part to create a walking assistive device for patients after stroke with a hemiparetic leg. A good control strategy must have the ability to predict the human motion or walking intention and naturally deliver force by the walking assistive device thereafter. This force is usually generated by the electric actuator using direct-drive motor. Recently, many studies have addressed and put more interest in predicting the human motion intention through various sensors which put on the surface of related skeletal muscles. This study focuses on gait event detection using electromyography signals from 12 muscles comprise of 2 shoulder muscles those are Deltoid Anterior (DA) and Deltoid Posterior (DP) and 10 lower limb muscles those are Rectus Femoris (RF), Biceps Femoris (BF), Vastus Medialis (VM), Vastus Lateralis (VL), Tibialis Anterior (TA), Medial Gastrocnemius (MG), Soleus (S), Gluteus Maximus (GMax), Semitendinosus (ST), and Peroneus Longus (PL). The EMG signals are recorded unilaterally using surface EMG sensor from 2 healthy subjects without walking disorder, consist of 1 male and 1 female. The signals are processed on Matlab platform subsequently for classification process using Artificial Neural Network (ANN) technique. Besides, the machine learning methods are also used in this research i.e. Linear Discriminant Analysis (LDA), Support Vector Machine (SVM) and K-Nearest Neighbor (KNN). The purpose of using several methods is to output the comparison with highest accuracy result in predicting the gait events which are divided into 3 types: normal walking, stair ascent, and stair descent. The best outcome along this research is generated from ANN algorithm which could steadily predict without any error with accuracy rate 100%. Furthermore, the best results from machine learning method are 99.2% using SVM algorithm, 98.8% using KNN algorithm and 97.2% using LDA algorithm. All those performances are resulted from datasets with combination between EMG signals from shoulder and lower limb muscles. This achievement becomes a significant factor for the future studies to design a control strategy with good human-robot interaction that can recognize the human motion intention in each different gait event to contrive comfort and safety walking assistive device for the wearer. "

"ABSTRACTThe objective of this study was to determine the activity of erector spinae muscle in four techniques of lifting phase of manual human handling; two-handed seat carry, four-handed seat carry, fore-and-aft carry and chair carry. Thirty-two (16 couples) healthy young men lifted subjects weighing 60±5 kg from table heights of 50 cm and 100 cm. Surface electromyography was used to evaluate lumbar erector spinae activity during lifting. The four-handed seat carry technique had the highest average of lumbar erector spinae activity both from table height 50 cm and 100 cm. This may be due to more trunk flexion movement than in other techniques. The lowest activity of lumbar erector spinae was found in fore-and-aft carry and chair carry techniques. Moreover, lifting from table height 50 cm had more lumbar erector spinae muscle activity than lifting from table height 100 cm in 3 techniques (two-handed seat carry, four-handed seat carry and fore-and-aft carry). The highest activity of lumbar erector spinae muscle in the four-handed seat carry technique indicated risk of low back pain during lifting, especially lifting people from a table height of 50 cm. Lower lumbar erector spinae muscle activity in fore-and-aft carry and chair carry techniques indicated safer they are safer techniques for lifting."

"

Parkinson menyerang 1% dari populasi orang berusia di atas 65 tahun di dunia, dengan salah satu gejala utama kondisi resting tremor pada bagian tangan pasien. Akuisisi informasi mengenai status kesehatan dari pasien parkinson hingga saat ini masih hanya dapat dilakukan ketika pasien menemui dokter dengan menghampiri klinik atau rumah sakit, saat aspek-aspek dari penyakit dapat menunjukkan fluktuasi pada periode di antara kunjungan tersebut. Pada penelitian ini, dirancang sistem monitoring alat EMG nirkabel yang dapat digunakan sebagai alat home monitoring, sehingga pasien dapat diperiksa setiap saat dan dengan frekuensi lebih sering agar perkembangan terhadap kesehatan pasien dapat selalu diperbarui. Sistem monitoring berikut memanfaatkan web server dan NodeMCU yang dilengkapi dengan ESP8266. Data yang berhasil terakuisisi tersebut kemudian diproses dengan transformasi wavelet diskrit (DWT) dan ekstraksi fitur RMS, logRMS, MAV, dan RES Index pada enam jenis gerakan yang berbeda untuk dibandingkan satu dengan lainnya. Melalui analisa yang telah dilakukan, didapatkan bahwa fitur yang memiliki pola penyebaran terbaik adalah standar deviasi dengan nilai RES Index sebesar 2,4. Selain itu, didapatkan pula bahwa setiap gerakan baik normal maupun dalam kondisi bergetar memiliki pola gelombang serta nilai fitur ekstraksi yang berbeda-beda. Dengan demikian, pola gerakan pasien Parkinson dapat dibedakan satu dengan lainnya melalui pembacaan sinyal EMG.

 

---

Parkinson's disease attacking 1% of the elder population in this world, with one of the main symptoms of this disease being resting tremor. Until now, Parkinsons disease information acquisition can only be done through patients' visits to clinics or hospitals, whereas the aspects of the disease are also shown during in-between those visits.  Therefore, an EMG device that could be used as a remote-monitoring device is designed in this research. This is so that patients can be checked more frequently and hopefully results in an always-renewed information of the patients' developments. This monitoring system utilizes NodeMCU with ESP8266 and web server. The data acquired are then processed through discrete wavelet transform (DWT) method. To compare six kind of gestures, features like RMS, logRMS, MAV, standard deviation, and RES Index are extracted from the reconstructed EMG signal. The results show that standard deviations plot has the best pattern separation with an RES Index score of 2.4 and every movement or gesture, whether its in normal or vibrating condition, have its own pattern of signal and different values of extracted features. Conclusively, the movement pattern of Parkinsons disease patients can be interpreted from one another using EMG signal reading.

"

"Latar belakang : Konsep balanced occlusion umum digunakan pada pembuatan GTP, namun konsep canine guidance menawarkan proses yang sederhana dan mengurangi resorbsi alveolar ridge. Diperlukan penelitian mengenai perbandingan kedua konsep oklusi ini di Indonesia. Tujuan : Menganalisis efektivitas konsep canine guidance dibandingkan balanced occlusion pada pemakai gigi tiruan penuh (GTP). Metode : Sepuluh pemakai GTP berpartisipasi dalam uji klinis dengan desain menyilang, lima subjek dipilih acak untuk memakai GTP balanced occlusion kemudian canine guidance dan lima yang lain memakai GTP canine guidance kemudian balanced occlusion. Pengukuran dilakukan tiga puluh hari setelah pemakaian setiap konsep oklusi. Aktivitas elektromiograf otot masseter superfisialis dan temporalis anterior subjek direkam dengan alat EMG, dan subjek mengisi kuesioner kemampuan mastikasi. Hasil : Rerata antara aktivitas EMG otot masseter superfisialis dan otot temporalis anterior pada pemakaian GTP canine guidance berbeda bermakna (p < 0,05) dengan balanced occlusion. Rerata antara skor kuesioner kemampuan mastikasi pada pemakaian GTP canine guidance berbeda bermakna (p=0,046) dengan balanced occlusion. Terdapat korelasi yang bermakna (p = 0,045) dan kuat (r=0,642) antara aktivitas EMG otot temporalis anterior dengan skor kuesioner kemampuan mastikasi saat pemakaian GTP balanced occlusion dan antara aktivitas EMG otot masseter superfisialis dengan skor kuesioner kemampuan mastikasi (p=0,045 ; r=0,648) saat pemakaian GTP canine guidance. Kesimpulan : Aktivitas otot mastikasi saat memakai GTP canine guidance lebih rendah signifikan secara klinis dan berbeda bermakna secara statistik dengan balanced occlusion. Kemampuan mastikasi secara subjektif juga lebih baik saat memakai GTP canine guidance.

---

Background : Balanced occlusion commonly used in complete denture fabrication, however, canine guidance offers a simple process and reduce alveolar ridge resorption. Comparative study of these two concepts occlusion is required in Indonesia.

Objective: To analyze the effectiveness of canine guidance to the balanced occlusion in complete denture wearers.

Methods: Ten denture wearers participating in cross-over clinical trials, five subject randomly selected to wear balanced occlusion followed by canine guidance, five others wearing canine guidance followed by balanced occlusion. Outcomes were measured after 30 days of each occlusal scheme. Elektromiograf activities of superficial masseter muscle and anterior temporal muscle were recorded, participants also answered a masticatory ability questionnaire.

Results: There are significant differences between the EMG activity of superficial masseter muscle and the anterior temporal muscle canine guidance on canine guidance wearers and balance occlusion (p <0.05). Patients rated their masticatory ability significantly better for the canine guidance denture (p = 0.046). There are significant and strong correlation (p = 0.045 ; r = 0.642) between the EMG activity of anterior temporal muscle and masticatory ability upon wearing balanced occlusion denture, and also between the superficial EMG activity of superficial masseter muscle and masticatory ability (p = 0.043; r = 0.648) upon wearing canine guidance denture.

Conclusion: EMG activity of masticatory muscles upon wearing canine guidance denture are clinically and statistically lower to balanced occlusion. Masticatory ability are also better when using canine guidance denture according to the patients."