Biomechaniczne podstawy i zalety aktywnych ortez w terapii skoliozy idiopatycznej
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 15 Nr 3 (2025)
-
Wyodrębnianie cech obiektów poprzez pojedyncze rzutowania tensora danych na macierze
Yuriy Bunyak, Roman Kvуetnyy, Olga Sofina, Volodymyr Kotsiubynskyi5-9
-
Hybrydowe podejście łączące uogólniony algorytm optymalizacji rozkładu normalnego i rozmyte C-średnie ze wskaźnikiem Calińskiego-Harabasza do optymalizacji grupowania
Moatasem Mahmood Ibrahim, Omar Saber Qasim, Talal Fadhil Hussein10-14
-
Metoda hybrydowych logicznych drzew klasyfikacyjnych opartych na grupowym wyborze cech dyskretnych
Igor Povkhan, Andrii Leheza, Oksana Mulesa, Olena Melnyk, Aliya Kintonova15-21
-
Optymalne zarządzanie jakością energii elektrycznej w oparciu o podejście leksykograficzne
Yurii Voitiuk, Anatolii Volotskyi, Iuliia Shullie, Maiia Kovalchuk, Laura Duissembayeva22-28
-
Wdrażanie energooszczędnych trybów suszenia elektroradiacyjnego materiałów zawierających olej przy użyciu narzędzi automatyzacji
Borys Kotov, Roman Kalinichenko, Serhii Stepanenko, Vasyl Lukach, Volodymyr Hryshchenko, Alvian Kuzmych, Yurii Pantsyr, Ihor Garasymchuk, Volodymyr Vasylyuk29-32
-
Metody i środki laserowego mapowania macierzy Jonesa warstw polikrystalicznych płynów biologicznych
Olexander Ushenko, Iryna Soltys, Olexander Dubolazov, Sergii Pavlov, Vasyl Garasym, Alona Kolomiiets, Bakhyt Yeraliyeva33-37
-
Klasyfikacja choroby Alzheimera na podstawie MRI przy użyciu transformera wizyjnego
Mohith Reddy Kandi, Sree Vijaya Lakshmi Kothapalli, Sivamsh Pavan Rajanala, Suvarna Vani Koneru, Vishnu Pramukh Vattikunta38-44
-
Poprawa wczesnej diagnostyki choroby Parkinsona poprzez analizę pisma ręcznego
Asma Ouabd, Abdelilah Jilbab, Achraf Benba, Ahmed Hammouch45-49
-
Biomechaniczne podstawy i zalety aktywnych ortez w terapii skoliozy idiopatycznej
Patrycja Tymińska-Wójcik50-54
-
Zastosowanie technologii rozpoznawania twarzy w celu zwiększenia kontroli w systemach bezpieczeństwa informacyjnego
Nurzhigit Smailov, Rashida Kadyrova, Kamila Abdulina, Fatima Uralova, Nurgul Kubanova, Akezhan Sabibolda55-58
-
System IoT z przekształtnikami częstotliwości wielkości fizycznych na FPGA
Oleksandr V. Osadchuk, Iaroslav O. Osadchuk, Valentyn K. Skoshchuk59-66
-
Badanie możliwości zmniejszenia błędu pomiaru przesunięcia fazowego sygnałów radiowych
Sergey Matvienko, Grygoriy Tymchyk, Konstantin Vonsevych, Nataliia Stelmakh67-72
-
Zastosowanie systemów czujników światłowodowych w monitorowaniu stanu technicznego konstrukcji betonowych
Nurzhigit Smailov, Akmaral Tolemanova, Amir Aziskhan, Beibarys Sekenov, Akezhan Sabibolda73-76
-
Modelowanie cyklu pracy spiralnej sprężarki pompy ciepła
Bohdan Sydorchuk, Oleksandr Naumchuk77-80
-
Modelowanie parkingów przechwytujących
Larysa Gumeniuk, Volodymyr Lotysh, Pavlo Humeniuk, Oleksandr Reshetylo, Yuriy Syrota81-86
-
Opracowanie i badanie parametrów W potencjalnie niestabilnych czwórników w oparciu o matematyczny model postaci W tranzystorów polowych w zakresie wysokich częstotliwości
Oleksandr Voznyak, Kateryna Kovalova, Yurii Polievoda, Liudmyla Kolianovska, Svitlana Ovsienko, Alla Solomon87-90
-
Wykrywanie informacji poufnych za pomocą dużych modeli językowych
Oleh Deineka, Oleh Harasymchuk, Andrii Partyka, Yurii Dreis, Yuliia Khokhlachova, Yuriy Pepa91-99
-
Etyczna symulacja ataku phishingowego
Justyna Kęczkowska, Karol Wykrota, Mirosław Płaza100-104
-
Skuteczność uczenia maszynowego w wykrywaniu stron phishingowych
Jacek Łukasz Wilk-Jakubowski, Aleksandra Sikora, Dawid Maciejski105-109
-
Współczesne podejścia do integracji agentów AI z procesami informacyjnymi bibliotek
Mariia Sokil, Andriy Andrukhiv110-116
-
Opracowanie adaptacyjnego algorytmu planowania opartego na uczeniu przez wzmacnianie dla inteligentnych kuchni komercyjnych
Konrad Kabala, Piotr Dziurzanski, Agnieszka Konrad117-122
-
Optymalizacja technik głębokiego uczenia się poprzez łączenie modeli BiLSTM i BiGRU do przewidywania cen złota
Iqbal Kharisudin, Nike Yustina Oktaviani123-130
-
Wirtualne kościoły w Polsce – analiza użyteczności i dostępności
Michał Mitura, Mariusz Dzieńkowski131-137
-
Badanie procesu granulacji paszy w oparciu o analizę systemową – uzasadnienie kryteriów optymalizacji
Mahil Isa Mammadov138-142
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 11 Nr 4
2021-12-20 15
-
Tom 11 Nr 3
2021-09-30 10
-
Tom 11 Nr 2
2021-06-30 11
-
Tom 11 Nr 1
2021-03-31 14
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Celem tego artykułu jest biomechaniczna analiza różnych typów ortez, ze szczególnym uwzględnieniem korzyści wynikających z zastosowania aktywnej ortezy z czujnikami. Pierwsza część artykułu skupia się na biomechanice ortezy pasywnej, która wykorzystuje stałe siły korekcyjne wywierane przez sztywne elementy gorsetu na ciało pacjenta. Omówiono zasady działania takich gorsetów, ich wpływ na ustawienie kręgosłupa oraz ograniczenia wynikające z ich statycznego charakteru. Druga część dotyczy ortez aktywnych, które integrują nowoczesne technologie, takie jak sensory, umożliwiające dynamiczne dostosowanie sił korekcyjnych do bieżącego stanu pacjenta. Zostały omówione dotychczasowe rozwiązania, które pozwalają na monitorowanie i adaptację działania gorsetu, co znacząco zwiększa efektywność leczenia. Ostatnia część artykułu skupia się na zaletach ortezy aktywnej w terapii skoliozy w porównaniu do tradycyjnych ortez pasywnych. Aktywne podejście terapeutyczne pozwala na dynamiczne dostosowywanie działania gorsetu do bieżących potrzeb pacjenta, co zwiększa komfort noszenia i efektywność leczenia. Wykorzystanie technologii umożliwia także bieżącą ocenę postępów terapii oraz lepsze dostosowanie sił korekcyjnych do indywidualnych cech anatomicznych i biomechanicznych pacjenta.
Słowa kluczowe:
Bibliografia
[1] Ali A., Fontanari V., Schmölz W.: Active soft brace for scoliotic spine: A finite element study to evaluate in-brace correction. Robotics 11(2), 2022, 37.
[2] Archibald D., et al.: Portable biofeedback device for rehabilitating children with scoliosis between ages of 3-10 years and their posture correction. 3rd International Conference on Electronics Computer Technology 3, 2011, 234–238.
[3] Bache B. A., Iftikhar O., Dehzangi O.: Brace treatment monitoring solution for idiopathic scoliosis patients. 16th IEEE international conference on machine learning and applications (ICMLA). IEEE, 2017, 580–585.
[4] Bansode S., et al.: Design and implementation of regulated-pressure brace with on-board control and monitoring abilities for the treatment of scoliosis. 2nd IEEE Int. Conf. on Electrical, Computer and Communication Technologies – ICECCT, 2017, 1–5.
[5] Bazzarelli M., et al.: A low power hybrid posture monitoring system. Canadian Conference on Electrical and Computer Engineering 2, 2001, 1373–1378.
[6] Bochenek A., Reicher M.: Anatomia człowieka, tom I: Anatomia ogólna, kości, stawu, więzadła i mięśnie. PZWL, Warszawa 1978.
[7] Bonnet V., et al.: Automatic estimate of back anatomical landmarks and 3D spine curve from a Kinect sensor. 6th IEEE International Conference on Biomedical Robotics and Biomechatronics – BioRob. IEEE, 2016, 924–929.
[8] Burwell R. G., et al.: Etiologic theories of idiopathic scoliosis: neuro-developmental concept of maturational delay of the CNS body schema ("body-in-the-brain"). Studies in Health Technology and Informatics 123, 2006, 72.
[9] Chalmers E., et al.: Development of a pressure control system for brace treatment of scoliosis. IEEE Transactions on Neural Systems and Rehabilitation Engineering 20(4), 2012, 557–563.
[10] Dehzangi O., et al.: A smart point-of-care compliance monitoring solution for brace treatment of adolescent idiopathic scoliosis patients. Smart Health 21, 2021, 100179.
[11] Dehzangi O., et al.: Force and activity monitoring system for scoliosis patients wearing back braces. IEEE International Conference on Consumer Electronics (ICCE), 2018, 1–4.
[12] Dehzangi O., Mohammadi M., Li Y.: Smart brace for monitoring patients with scoliosis using a multimodal sensor board solution. IEEE Healthcare Innovation Point-of-Care Technologies Conference – HI-POCT, 2016, 66–69.
[13] Durdle N. G., et al.: Computer graphics and imaging tools for the assessment and treatment of spinal deformities. Canadian Conference on Electrical and Computer Engineering. Engineering Innovation: Voyage of Discovery – CCECE'97. Conference Proceedings 2, 1997.
[14] Evans K. R., Lou E., Faulkner G.: Optimization of a low-cost force sensor for spinal orthosis applications. IEEE Transactions on Instrumentation and Measurement 62(12), 2013, 3243–3250.
[15] Fuss F. K., et al.: Pressure sensor system for customized scoliosis braces. Sensors 21(4), 2021, 1–19.
[16] Grycuk S., Mrozek P.: Numerical and experimental analysis of orthopedic brace for treatment of idiopathic scoliosis. Advances in Biomedical Engineering. Oficyna Wydawnicza Politechniki Białostockiej, Białystok 2023, 15–30.
[17] Hudák R., et al.: The use of matrix tactile sensors (MTS) for diagnostics of the efficiency of production, testing and application of a trunk orthosis. 13th International Symposium on Computational Intelligence and Informatics – CINTI, 2012, 299–304.
[18] Hueter C.: Anatomische Studien an den Extremitaetengelenken Neugeborener und Erwachsener. Virchows Arch 25(1862), 572–599.
[19] Karol L. A., et al.: Effect of compliance counseling on brace use and success in patients with adolescent idiopathic scoliosis. JBJS 98(1), 2016.
[20] Kotwicki T., Cheneau J.: Biomechanical action of a corrective brace on thoracic idiopathic scoliosis: Cheneau 2000 orthosis. Disability and Rehabilitation: Assistive Technology 3(3), 2008, 146–153.
[21] Lalouani W., et al.: Energy-efficient collection of wearable sensor data through predictive sampling. Smart Health 21, 2021, 100208.
[22] Lee D.: Obręcz biodrowa. Badanie i leczenie okolicy lędźwiowo-miedniczno-biodrowej. DB Publishing, Warszawa 2005.
[23] Lou E., et al.: Intelligent brace system for the treatment of scoliosis. Studies in Health Technology and Informatics 91(4), 2002, 397–400.
[24] Lou E., et al.: A system for measuring pressures exerted by braces in the treatment of scoliosis. IEEE Transactions on Instrumentation and Measurement 43(4), 1994, 661–664.
[25] Lou E., et al.: Load compliance monitor system for the treatment of scoliosis. Canadian Conference on Electrical and Computer Engineering 3, 1999, 1501–1505.
[26] Lou E., et al.: An objective measurement of brace usage for the treatment of adolescent idiopathic scoliosis. Medical Engineering and Physics 33(3), 2011, 290–294.
[27] Lou E., et al.: A low power wireless load monitoring system for the treatment of scoliosis. IEEE Transactions on Instrumentation and Measurement 51(5), 2002, 908–911.
[28] Lou E., et al.: An intelligent active brace system for the treatment of scoliosis. IEEE Transactions on Instrumentation and Measurement 53(4), 2004, 1146–1151.
[29] Lou E., et al.: The continuous measurement of pressures exerted by braces in the treatment of scoliosis. 15th Annual International Conference of the IEEE Engineering in Medicine and Biology Societ. San Diego, 1993, 983–984.
[30] Negrini S., et al.: 2016 SOSORT guidelines: Orthopaedic and rehabilitation treatment of idiopathic scoliosis during growth. Scoliosis and Spinal Disorders 13, 2018, 1.
[31] Negrini S., et al.: Braces for idiopathic scoliosis in adolescents. Cochrane Database of Systematic Reviews 6, 2015, CD006850.
[32] Perie D., De Gauzy J. S., Hobatho M. C.: Biomechanical evaluation of Cheneau-Toulouse-Munster brace in the treatment of scoliosis using optimisation approach and finite element method. Medical and Biological Engineering and Computing 40, 2002, 296–301.
[33] Rigo M. D., Villagrasa M., Gallo D.: A specific scoliosis classification correlating with brace treatment: Description and reliability. Scoliosis 5(1), 2010, 1–11.
[34] Rigo M., Jelačić M.: Brace technology thematic series: The 3D Rigo Chêneau-type brace. Scoliosis and Spinal Disorders 12(1), 2017.
[35] Rigo M., et al.: SOSORT consensus paper on brace action: TLSO biomechanics of correction (investigating the rationale for force vector selection). Scoliosis 1(1), 2006, 1–8.
[36] Rigo M., Weiss H.: The Chêneau concept of bracing-Biomechanical aspects. Studies in Health Technology and Informatics 135, 2008, 303.
[37] Sardini E., Serpelloni M., Ometto M.: Smart vest for posture monitoring in rehabilitation exercises. IEEE Sensors Applications Symposium Proceedings – SAS, 2012, 161–165.
[38] Stokes I. A. F., Burwell R. G., Dangerfield P. H.: Biomechanical spinal growth modulation and progressive adolescent scoliosis–a test of the ‘vicious cycle’ pathogenetic hypothesis: Summary of an electronic focus group debate of the IBSE. Scoliosis 1, 2006, 1–21.
[39] Tan Z., et al.: An automatic scoliosis diagnosis and measurement system based on deep learning. IEEE International Conference on Robotics and Biomimetics, ROBIO 2018, 439–443.
[40] Tymińska P., et al.: TLSO with Graphene Sensors – An Application to Measurements of Corrective Forces in the Prototype of Intelligent Brace. Sensors 22(11), 2022, 4015.
[41] Visser D., et al.: Computer-aided optimal design of custom scoliosis braces considering clinical and patient evaluations. Computer Methods and Programs in Biomedicine 107(3), 2012, 478–489.
[42] Von Volkmann R.: Veilletzungen und Krankenheiten der Berwegungsorgane. Handbuch der Allgemeinen und Speciellen Chirurgs, 1882, 234–920.
[43] Wood G. I., Rigo M.: The principles and biomechanics of the Rigo Chêneau type brace. Innovations in Spinal Deformities and Postural Disorders. IntechOpen, 2017.
[44] Zaborowska-Sapeta K.: Dynamika zmiany rotacji tułowia u pacjentów leczonych gorsetem typu Chêneau z powodu młodzieńczej skoliozy idiopatycznej. Uniwersytet Warmińsko-Mazurski w Olsztynie, 2013.
##plugins.themes.bootstrap3.article.details##
Abstract views: 290
Downloads: 271

