XiaoMi-AI文件搜索系统
World File Search System手部
对康复和协助的主动手部外骨骼的审查
摘要：由于生命质量和患者的流动性降低，尤其是患有手部残疾的人，残疾是一个全球问题。本文在过去十年中对主动手部外骨骼技术进行了审查，以供康复，援助，增强和触觉设备。手外骨骼仍然是一个积极的研究领域。每个手外骨骼都有一定的要求，可以实现其目标。这些要求已被提取并分为两个部分：一般和特定的部分，为开发未来设备提供了一个共同的平台。由于这仍然是一个发展中的领域，因此根据领域的进步也会形成要求。技术挑战，例如尺寸要求，重量，人体工程学，康复，执行器和传感器，都是由于手工的复杂解剖结构和生物力学所致。手是人体中最复杂的结构之一。因此，为了了解某些设计方法，本文解决了手的解剖学和生物力学。由于实施智能系统和新的康复技术，这些设备的控制也是一个挑战。这包括意图检测技术（脑电图（EEG），肌电图（EMG），入学）和估计应用辅助。因此，本文以系统的方法总结了该技术，并回顾了主动手部外骨骼的艺术状态，重点是康复和辅助设备。
双人上肢任务实践和经皮电刺激增强了慢性宫颈脊髓损伤后的脊柱塑性和手部功能
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。
手部卫生、知识和培训激励措施
本研究评估了意大利一家大型大学医院的医护人员 (HCW) 手部卫生原则知识和遵守情况，重点是确定知识差距和评估培训效果。研究者根据世界卫生组织 (WHO) 手部卫生知识问卷设计了一份专门包含 17 项的问题表，用于测量理论知识、培训的作用和经验的影响。调查的参与率为 8%（共 6,749 名 HCW 中 542 人参与），护士和医生的参与率较高。结果显示，医护人员对手部卫生规程的了解程度中等，平均为 74%，但在理解方面存在差距，特别是在正确使用洗手液和接触后消毒方面。逻辑回归分析确定了知识和依从性的显著预测因素，专业资格和服务年限等专业特征会影响结果（p < 0.05）。研究结果证实了手部卫生知识和依从性在减少医院相关感染 (HAI) 方面之间存在很强的相关性。持续教育和定制干预措施（包括有针对性的培训和反馈）对于解决薄弱环节和提高依从性至关重要。这些见解强调了持续培训和监测的重要性，以加强手部卫生习惯，促进患者安全文化，从而降低 HAI 发病率。
dexo：用于教机器人灵巧操纵的手部外骨骼系统
摘要 - 我们介绍了Dexo，这是一种新型的手部外骨骼系统，旨在教机器人灵巧的操纵。与传统的远程操作系统不同，由于缺乏触觉反馈和可扩展性的限制，Dexo可以通过运动镜像和力透明性来实现自然和直观的控制。系统的被动外骨骼设计使人类用户可以直接控制机器人的灵巧手，传输精确的运动和强制数据，以在实际环境中学习复杂的任务。配备了集成的触觉传感器，Dexo捕获了高保真互动数据，促进了操纵学习，而无需昂贵的硬件或仔细的工程。我们评估了跨多个灵巧任务的系统，证明了其复制人类水平的操纵的能力及其扩展收集高质量演示数据的潜力，以培训高级机器人学习模型。与现有的远程处理方法相比，我们的实验显示了任务成功率的显着提高，这使得Dexo成为推进机器人敏捷性的强大工具。
手部边缘性角膜弹力样变性
手部边缘性角化弹性样变性 (KEMH) 是一种获得性的边缘性丘疹性角化病，其特征是角化斑块增厚，主要影响食指外侧和拇指内侧。它通常与慢性日光照射和创伤有关，通常影响老年人。由于与其他掌跖角化病的临床相似性，鉴别诊断对于有效治疗管理至关重要。虽然临床信息通常足以进行鉴别，但皮肤活检可以提供有价值的诊断线索。我们报告了一名 63 岁男性患者的病例，该患者双手第一根和第二根手指的外侧和内侧边缘均出现粗糙的线性角化过度病变，这些病变已发展了三年。皮肤活检显示正角化过度，下层表皮厚度正常，没有光化性角化病的特征。真皮层中，增厚的弹性纤维和退化的胶原束杂乱分布。根据临床病理学发现，诊断为 KEMH。由于文献中的信息有限，我们旨在通过强调其发病机制、组织学特征和主要鉴别诊断的关键方面来扩展对 KEMH 的当前理解。
手部运动康复的深度学习模型
脑电图 (EEG) 可以控制机器用于人类目的，尤其是对于进行康复锻炼或常规任务的残疾人。机械手的脑机接口 (BCI) 使用深度学习将 (EEG) 大脑活动转换为机械手的命令，使用户可以通过想象的运动向右或向左移动他们的手。它可以使瘫痪者执行基本的手部动作，并帮助康复机器人帮助中风患者恢复手部功能，通过提供基于机器学习对其动作和意图的解释的指导性练习。人工智能算法，特别是深度学习，将隐含的脑波模式和意图分类和识别为脑电图。然而，EEG 信号具有高度的非平稳性，使其分析具有挑战性。因此，选择合适的信号处理策略变得至关重要。本研究旨在建立一个混合模型来指导机械臂运动，该模型应用运动方向和左右分类。通过将预训练的卷积神经网络（CNN）-Inception V3模型与传统的机器学习算法（逻辑回归（LR））（被认为是一种广泛的分类方法）相结合，并确定合适的信号处理方法，短时傅里叶变换（STFT）和连续小波变换（CWT）以选择最准确的方法对所提模型进行分类。所提出的混合模型的训练结果表明，STFT 比 CWT（0.997）具有更高的平均准确率（0.998），使其对九个受试者的当前数据集进行更精确的分类并提高混合 CNN 模型训练的有效性。同样，在评估指标上，STFT 实现的平均准确率的评估结果高于 CWT（0.997 > 0.797）。这表明 STFT 是特征提取的更好选择，提高了带有逻辑回归的混合 CNN 模型的泛化和鲁棒性。
2 型糖尿病患者的手部功能障碍......
摘要背景：糖尿病 (DM) 在世界各地的发病率不断上升，在印度等中低社会经济国家更为普遍。关于糖尿病手部并发症和功能障碍的文献很少。研究的必要性：手部功能障碍可能会影响日常生活活动 (ADL) 并影响自我护理活动。本叙述性综述探讨了糖尿病人群中的手部功能障碍。方法：在 PubMed、Google Scholar 和 Cochrane 评论中进行了彻底的文献检索。全文文章被纳入审查。搜索仅限于英语。包括 2005 年以后进行的研究。使用的关键词是糖尿病、手部功能障碍、手部功能、手部灵活性和手部力量。结果：找到 201 篇与搜索相关的文章，根据纳入标准将 11 篇纳入本综述。回顾了横断面和观察性病例对照研究。所评论的文章报告了手握力和捏力、粗细手部灵活性、关节活动性和手部功能结果显著下降。讨论：手部肌肉力量、灵活性、活动能力和功能结果的下降可能是结缔组织结构变化、皮肤、皮下组织、肌腱、肌肉和关节周围组织中胶原蛋白增生的结果。结论：强烈建议糖尿病患者进行手部筛查。实施治疗性锻炼可以预防糖尿病手部功能障碍，关键词：糖尿病手、手部功能、手部握力、手部灵活性、手部筛查关键信息：据报道，未控制的高血糖会导致手部肌肉力量、灵活性和功能下降。早期筛查糖尿病手部功能障碍可以预防并发症并提高糖尿病患者的表现水平。引言根据国际糖尿病联合会第十版，在20-79岁年龄段的成年人中，全球有5.37亿人患有糖尿病。
手部卫生的重要性(中文)
(1)吃东西前；(2)照顾小孩前；(3)看病前后；(4)上厕所后；(5)擤鼻涕后；(6)以上皆是根据卫生福利部疾病管制署公众网页，洗手的五种时间是哪？ (1) 进食前； (2) 在照顾小孩之前； （三）探访患者前后； (4)如厕后； (5) 擤鼻涕后； (6) 以上全部。
技术说明 一种用于工具靶向训练和显微外科手部震颤评估的新型低成本设备
1. Bridges M, Diamond DL。在手术室中教授外科住院医师的财务影响。Am J Surg 1999；177：28-32。2. Bykanov AE、Pitskhelauri DI、Zagidullin TR、Grachev NS、Danilov GV、Sufianov RA。外源性因素对神经外科空间准确性的影响。J Clin Neurosci 2021；88：135-41。3. Erel E、Aiyenibe B、Butler PE。虚拟现实中的显微外科模拟器：综述。显微外科 2003；23：147-52。4. Fargen KM、Turner RD、Spiotta AM。影响手术期间生理性震颤和灵活性的因素：神经外科医生入门指南。World Neurosurg 2016；86：384-9。 5. Singh M、Ziolkowski N、Ramachandran S、Myers SR、Ghanem AM。开发为期五天的基础显微外科手术模拟培训课程：成本分析。Arch Plast Surg 2014；41：213-7。6. Singh SP、Riviere CN。视网膜显微外科手术期间的生理性震颤幅度。在：IEEE 第 28 届东北生物工程年会论文集（IEEE Cat. No.02CH37342）。美国：IEEE；2002 年，第 171-2 页。7. Wells TS、Yang S、MacLachlan RA、Handa JT、Gehlbach P、Riviere C。不同显微外科手术条件下基线震颤的比较。在 2013 年 IEEE 系统、人与控制论国际会议论文集 SMC 论文集； 2013。8. Yadav Y、Parihar V、Ratre S、Kher Y、Iqbal M。显微神经外科技能培训。J Neurol Surg A Cent Eur Neurosurg 2015；77：146-54。9. Yanagawa B、Ribeiro R、Naqib F、Fann J、Verma S、Puskas JD。看一个，模拟许多，做一个，教一个。Curr Opin Cardiol 2019；34：571-7。
使用计算机视觉进行手部康复的手部功能评估
摘要 - 遭受中风的个人经常经历手部功能受损。正常功能可以通过手动康复练习来恢复，并通过对运动恢复进度进行持续监控和评估。但是，由于常规医院就诊和物理治疗课程，这对患者构成了挑战。我们通过开发可靠的基于视觉的手部康复系统来解决这种不便，该系统指导患者进行康复运动，例如Sollerman手工功能测试以及盒子和块测试。要求患者根据计算机屏幕上显示的说明进行练习，并且系统跟踪手册和手估计性能得分。此评分为患者提供了反馈，以监测他们的进度并逐渐改善他们的手功能。用十名男性和五个女性进行的实验强调，拟议的基于视觉的手动练习有效地改善了手部功能。