Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Ciecierski, Konrad" wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Mathematical methods of signal analysis applied in medical diagnostic
    Autorzy:
    Ciecierski, Konrad A.
    Powiązania:
    https://bibliotekanauki.pl/articles/331189.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    decision support system
    signal filtering
    data fusion
    temporal analysis
    system wspomagania decyzji
    filtrowanie sygnału
    fuzja danych
    Opis:
    Digital signal processing, such as filtering, information extraction, and fusion of various results, is currently an integral part of advanced medical therapies. It is especially important in neurosurgery during deep-brain stimulation procedures. In such procedures, the surgical target is accessed using special electrodes while not being directly visible. This requires very precise identification of brain structures in 3D space throughout the surgery. In the case of deep-brain stimulation surgery for Parkinson’s disease (PD), the target area—the subthalamic nucleus (STN)—is located deep within the brain. It is also very small (just a few millimetres across), which makes this procedure even more difficult. For this reason, various signals are acquired, filtered, and finally fused, to provide the neurosurgeon with the exact location of the target. These signals come from preoperative medical imaging (such as MRI and CT), and from recordings of brain activity carried out during surgery using special brain-implanted electrodes. Using the method described in this paper, it is possible to construct a decision-support system that, during surgery, analyses signals recorded within the patient’s brain and classifies them as recorded within the STN or not. The constructed classifier discriminates signals with a sensitivity of 0.97 and a specificity of 0.96. The described algorithm is currently used for deep-brain stimulation surgeries among PD patients.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2020, 30, 3; 449-462
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Tractography Methods in Preoperative Neurosurgical Planning
    Autorzy:
    Koryciński, Mateusz
    Ciecierski, Konrad A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1839329.pdf
    Data publikacji:
    2021
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    artificial intelligence
    diffusion tensor imaging
    Dijkstra's algorithm
    graph traversing
    MRI
    neural networks
    tractography
    Opis:
    Knowledge of the location of nerve tracts during the surgical preoperative planning stage and during the surgery itself may help neurosurgeons limit the risk of causing neurological deficits affecting the patient’s essential abilities. Development of MRI techniques has helped profoundly with in vivo visualization of the brain’s anatomy, enabling to obtain images within minutes. Different methodologies are relied upon to identify anatomical or functional details and to determine the movement of water molecules, thus allowing to track nerve fibers. However, precise determination of their location continues to be a labor-intensive task that requires the participation of highly-trained medical experts. With the development of computational methods, machine learning and artificial intelligence, many approaches have been proposed to automate and streamline that process, consequently facilitating image-based diagnostics. This paper reviews these methods focusing on their potential use in neurosurgery for better planning and intraoperative navigation.
    Źródło:
    Journal of Telecommunications and Information Technology; 2021, 3; 78-85
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Computer aided subthalamic nucleus (STN) localization during deep brain stimulation (DBS) surgery in Parkinsons patients
    Komputerowo wspomagana lokalizacja jądra niskowzgórzowego (STN) w przebiegu operacji głębokiej stymulacji mózgu (DBS) u pacjentów z chorobą Parkinsona
    Autorzy:
    Ciecierski, Konrad
    Mandat, Tomasz
    Rola, Rafał
    Raś, Zbigniew W.
    Przybyszewski, Andrzej W.
    Powiązania:
    https://bibliotekanauki.pl/articles/1037886.pdf
    Data publikacji:
    2014
    Wydawca:
    Śląski Uniwersytet Medyczny w Katowicach
    Tematy:
    parkinson’s disease
    dbs
    stn
    spike detection
    spike sorting
    wavelet
    neuronal noise
    signal power
    choroba parkinsona
    wykrywanie potencjałów czynnościowych
    grupowanie potencjałów czynnościowych
    falki
    neuronowy szum tła
    moc sygnału
    Opis:
    INTRODUCTION During deep brain stimulation (DBS) treatment of Parkinson’s disease, the anatomical target of the surgery is a small (9 x 7 x 4 mm) deeply located structure called the Subthalamic Nucleus (STN). It is similar morphologically to the surrounding tissue and as such, not easily distinguished in CT or MRI. The goal of the surgery is precise placement of a permanent stimulating electrode within the target nucleus. Precision is extremely important as incorrect placement of the stimulating electrode may lead to serious adverse effects such as mood disturbances. MATERIALS AND METHODS To obtain the exact location of the STN nucleus, intraoperative stereotactic supportive navigation is used. A set of 3 ~ 5 parallel microelectrodes is inserted into the brain and advanced towards the expected location of the nucleus. From a depth of 10 mm above the estimated STN, the electrodes advance at 1 mm steps. At each step, the activity of the surrounding neural tissue is recorded. Typically, the electrodes are further advanced until the ventral STN border is passed and the Substantia Nigra pars reticulata (SNr) is reached. Because the STN has distinct physiological properties, signals recorded in the vicinity of the STN display specific features. Therefore it was possible to provide an analytical method to detect specific STN characteristics. This paper presents a computer-based approach in order to discriminate between microelectrode signals coming from the STN and those outside it. R E S U L TS A N D C O N C L US I O N S When our method was used on-line during DBS neurosurgical procedure, it helped in precise identification of STN borders and shorted the surgery. Since the fall of 2013, we have developed an on-line computer-aided application for STN border localization that is used during PD DBS surgeries performed in the Institute of Psychiatry and Neurology in Warsaw, POLAND.
    WSTĘP Podczas zabiegu głębokiej stymulacji mózgu (deep brain stimulation – DBS) stosowanego w leczeniu choroby Parkinsona celem operacji jest mała (9 x 7 x 4 mm) głęboko położona struktura mózgu nazywana jądrem niskowzgórzowym (subthalamic nucleus – STN). Struktura ta jest morfologicznie podobna do otaczających ją tkaneki jako taka niezbyt dobrze rozróżnialna w obrazowaniu tomografem komputerowym (CT) lub rezonansem magnetycznym (MRI). Celem zabiegu operacyjnego jest precyzyjna implantacja stymulującej elektrody w docelowym jądrze. Precyzja jest niesłychanie istotna, ponieważ niewłaściwe umiejscowienie stymulującej elektrody może doprowadzić do wystąpienia poważnych efektów ubocznych, takich jak zaburzenia nastroju. MATERIAŁ I METODY Aby uzyskać dokładne położenie STN w trakcie operacji, używana jest wspomagająca nawigacja stereotaktyczna. Zestaw 3~5 równoległych elektrod jest wprowadzany do mózgu pacjenta i zagłębiany w kierunku spodziewanej lokalizacji STN. Od głębokości około 10 mm ponad spodziewanym STN elektrody są zagłębiane z krokiem 1 mm. Po każdym takim kroku rejestrowana jest aktywność tkanki nerwowej otaczającej elektrody. Najczęściej elektrody są dalej zagłębiane, aż przekroczą dolną granicę STN i osiągną istotę czarną część siatkowatą (substantia nigra pars reticulata – SNr). Ponieważ STN przejawia specyficzne właściwości fizjologiczne, sygnały zarejestrowane w jego okolicy również mają wyróżniające właściwości. Można przez to stworzyć analityczne metody wykrywające te specyficzne dla STN właściwości. W niniejszej publikacji zaprezentowano podejście informatyczne, pozwalające na wykrywanie zarejestrowanych sygnałów pochodzących z wewnątrz oraz spoza STN. WYNIKI I WNIOSKI Zastosowanie naszej metody w trakcie zabiegów operacyjnych pomogło w precyzyjnej lokalizacji granic STN oraz pozwoliło skrócić czas zabiegu. Od jesieni 2013 opracowujemy aplikację do wspomagania lokalizacji STN, która jest używana w trakcie zabiegów DBS przeprowadzanych w leczeniu choroby Parkinsona w Instytucie Psychiatrii i Neurologii w Warszawie.
    Źródło:
    Annales Academiae Medicae Silesiensis; 2014, 68, 5; 275-283
    1734-025X
    Pojawia się w:
    Annales Academiae Medicae Silesiensis
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies