Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: oczopląs

Sortuj według:

Ogranicz wyniki do:

Oczopląs – jak możemy pomóc?

Stojałowski Zbigniew

Optyka

2021

Nr 4

62--64

W czerwcu odbył się organizowany przez PTOO webinar na temat oczopląsu w kontekście współpracy między specjalistami. Po wysłuchaniu prezentacji uznałem, że uczestnicy mogą odczuwać niedosyt praktycznego powiązania przedstawionych wiadomości z codzienną praktyką optometrysty. Z wykładów nie wynikało, że mamy możliwość samodzielnej pomocy takim pacjentom. Dlatego zdecydowałem się opublikować ten tekst na łamach OPTYKI, który jest fragmentem przygotowywanej przeze mnie publikacji. Przedstawione w niej poglądy mogą być uznane jako kontrowersyjne przez część środowiska. Może dzięki temu publikacja będzie nawet bardziej interesująca. Poniższy tekst nie powinien jednak wzbudzać kontrowersji. Jest to fragment z części, która opisuje postępowanie w konkretnych badaniach. Teoria łączy się z omówieniem przypadków z mojej praktyki. Starałem się zachować styl jak najbardziej zwięzły, co może być odbierane jako pewnego rodzaju „chropowatość”. Będę wdzięczny za słowa komentarza, choć zdaję sobie sprawę, że każdy autor jest związany z napisanym tekstem i niechętnie wnosi do niego zmiany w późniejszym czasie. Życzę przyjemnej lektury!

Detekcja sakkad w sygnale ENG z użyciem grupowania rozmytego

Pander T., Czabański R., Wróbel J., Horoba K., Przybyła T.

Aktualne Problemy Biomechaniki

2013

z. 7

137--142

Sygnał elektrynystagmograficzny (ENG) z oczopląsem ma postać fali o piłokształtnym kształcie składającym się z fazy wolnej oraz szybkiej. Faza szybka to ruch sakkadyczny gałki ocznej. Skuteczna i dokładna detekcja sakkad ma kluczowe znaczenie w określeniu charakteru oczopląsu. W celu prawidłowej detekcji położenia sakkad sygnał ENG jest filtrowany a maksima lokalne są wykrywane za pomocą rozmytej metody c-średnich. Proponowany algorytm charakteryzuje się dużą czułością i pozwala na automatyczną i precyzyjną lokalizację sakkad w sygnale ENG.

The electronystagmography (ENG) signal corresponding to nystagmus has a form of a saw tooth waveform with fast components related to saccades. The accurate detection of saccades in ENG signal is the base for the further estimation of the nystagmus characteristic. The proposed algorithm is based on the proper filtering of the ENG signal providing a waveform with amplitude peaks corresponding the fast eyes rotation. The correct recognition of the local maxima of the signal is obtained by the means of fuzzy c-means clustering (FCM). The proposed algorithm is highly sensitive and allows for the automatic and precise localization of the saccades in ENG signal.