Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: neurological disorder

Sortuj według:

Ogranicz wyniki do:

Ogrody terapeutyczne miejscem dobrostanu dla osób z dysfunkcjami neurologicznymi. Aspekty projektowania

Kosiacka-Beck Ewa, Myszka Izabela

Architectus

2020

Nr 3 (63)

111--127

Terapia ogrodem uznawana jest współcześnie za ogólnoświatową metodę terapii osób z różnymi dolegliwościami psychofizycznymi. Pojawiający się wątek wrodzonej potrzeby kontaktu człowieka z naturą, leżący u podstaw terapii ogrodniczej, stał się punktem wyjścia prac nad przygotowaniem wytycznych projektowych zagospodarowania przestrzeni ogrodów wokół ośrodków opieki nad osobami z dysfunkcjami neurologicznymi. W artykule przedstawiono wskazówki dotyczące projektowania ogrodów dla osób z takimi dolegliwościami. Oparte są one na wnikliwej kwerendzie literatury przedmiotu, a także wynikach współpracy podjętej przez autorki z ośrodkami terapeutycznymi i ich użytkownikami. Podstawą stały się wywiady swobodne z chorymi i z członkami rodzin oraz pogłębiony wywiad z terapeutami, a także bezpośrednia obserwacja funkcjonowania obiektów, struktury funkcjonalno-przestrzennej ogrodu, zachowań podopiecznych i ich udziału w codziennym życiu ośrodka. Przedstawione propozycje wynikają również z doświadczenia autorek w tworzeniu przestrzeni terapeutycznych. Wyniki badań nad tematyką projektowania przestrzeni terapeutycznych ukazują, że w ich planowaniu ważne jest indywidualne podejście do organizowania ogrodów wspierających określone schorzenie, co obrazują zebrane w tabelach wytyczne projektowe i wskazane elementy zagospodarowania przestrzeni ogrodu.

Garden therapy is nowadays considered as a worldwide therapy method for people with various health disorders. Furthermore, the aspect of human’s unconditional need of contact with nature that is so crucial in the therapy became the groundwork for therapy research allocated to suit people with neurologic dysfunctions. The article presents guidelines for designing garden spaces for people with such conditions. Proposed principles are based on an in-depth study of literature of the given subject, as well as on the results of dialogues conducted by the authors with therapeutic centers authorities and their patients. The research was directly based on informal interviews with patients and their family members as well as on an in-depth interview with therapists, on direct observation of facilities, on functional and spatial structure of potential therapeutic garden, as well as on observation of patients’ behavior and their participation in the daily activities provided by the center. Nonetheless, proposals that we have established are also collective results from the authors’ previous experience in creating therapeutic spaces. The research undertaken on designing green areas around health institutions clearly highlights the requirement of an individual approach towards each space and patients’ health condition, in order to maintain the standards of modern therapeutic methods.

Electroencephalography (EEG) signal processing for epilepsy and autism spectrum disorder diagnosis

Ibrahim S., Djemal R., Alsuwailem A.

Biocybernetics and Biomedical Engineering

2018

Vol. 38, no. 1

16--26

Quantification of abnormality in brain signals may reveal brain conditions and pathologies. In this study, we investigate different electroencephalography (EEG) feature extraction and classification techniques to assist in the diagnosis of both epilepsy and autism spectrum disorder (ASD). First, the EEG signal is pre-processed to remove major artifacts before being decomposed into several EEG sub-bands using a discrete-wavelet-transform (DWT). Two nonlinear methods were studied, namely, Shannon entropy and largest Lyapunov exponent, which measure complexity and chaoticity in the EEG recording, in addition to the two conventional methods (namely, standard deviation and band power). We also study the use of a cross-correlation approach to measure synchronization between EEG channels, which may reveal abnormality in communication between brain regions. The extracted features are then classified using several classification methods. Different EEG datasets are used to verify the proposed design exploration techniques: the University of Bonn dataset, the MIT dataset, the King Abdulaziz University dataset, and our own EEG recordings (46 subjects). The combination of DWT, Shannon entropy, and k-nearest neighbor (KNN) techniques produces the most promising classification result, with an overall accuracy of up to 94.6% for the three-class (multi-channel) classification problem. The proposed method obtained better classification accuracy compared to the existing methods and tested using larger and more comprehensive EEG dataset. The proposed method could potentially be used to assist epilepsy and ASD diagnosis therefore improving the speed and the accuracy.