Porous Lattice Structure of Femoral Stem for Total Hip Arthroplasty / Estructura de Diseño Poroso por Latice de Vástago Femoral para Artroplastia Total de Cadera

Abstract Total Hip Arthroplasty (THA) is one of the surgical procedures carried out satisfactorily in procedures for osteoarthritis and trauma lesions. ATC surgery reduces pain and improves the quality of life of young patients. Therefore, it is of great importance to improve the properties of hip implants, since current implants do not match their lifespan with the life expectancy of a young patient. This is because the solid prostheses that currently exist have a higher Young's modulus, and therefore are too rigid compared to the bone tissue. On the other hand, the cyclic and continuous loads to which the hip joint is subjected in daily activities, can cause loosening and consequent implant loss The present work proposes an implant manufactured with a porous lattice structure, which aims to reduce stiffness, allow bone growth and a more effective mechanical load transfer. Three computational models subjected to static charges were evaluated and compared: 1) healthy femur, 2) implanted femur with a commercial prosthesis, and 3) implanted femur with a prosthesis with lattice structure. For the computational analysis it was decided to perform a static analysis of a person standing on the left foot; a load equivalent to the body weight was applied on the head of the femur, balancing the reaction forces in the system of forces (contact force, body weight, and abductor muscle).. The results were shown in terms of displacement, compression and deformation. The model implanted with a prosthesis with a lattice design presented a slight decrease in displacement, and a decrease in compression and deformation values, which indicated that the proposed design has a better distribution and transport of the loads through its structure.

Resumen La artroplastia total de cadera (ATC) es uno de los tratamientos quirúrgicos llevados a cabo de manera satisfactoria en procedimientos para la osteoartritis y lesiones de trauma. La ATC reduce el dolor y mejora la calidad de vida de los pacientes. Por lo tanto, es de gran importancia mejorar las propiedades de los implantes de cadera, ya que los implantes actuales tienen un tiempo de vida útil y deben cumplir con las expectativas de rehabilitación para los pacientes. Esto se debe a que las prótesis sólidas que existen actualmente tienen un módulo de Young más elevado, y por lo tanto son demasiado rígidas a comparación del tejido óseo. Por otro lado, las cargas cíclicas y continuas a las que se ve sometida la articulación de la cadera en actividades diarias, pueden ser causa del aflojamiento y consecuente pérdida del implante. El presente trabajo propone un implante fabricado con una estructura porosa tipo látice, el cual tiene como objetivos reducir la rigidez, permitir crecimiento óseo y una transferencia de cargas mecánicas más efectiva. Se evaluaron y compararon tres modelos computacionales sometidos a cargas estáticas: 1) fémur sano, 2) fémur implantado con una prótesis comercial, y 3) fémur implantado con una prótesis con estructura látice. Para el modelo computacional se optó por hacer un análisis estático de una persona parada sobre el pie izquierdo; donde se aplicó una carga equivalente del peso corporal sobre la cabeza del fémur, equilibrando las fuerzas de reacción en el sistema de fuerzas (fuerza de contacto, peso corporal, y músculo abductor). Los resultados fueron mostrados en términos de desplazamiento, compresión y deformación. El modelo implantado con una prótesis con un diseño tipo látice presentó una ligera disminución de desplazamiento, y disminución en los valores de compresión y deformación, lo que indicó que el diseño propuesto posee una mejor distribución y transporte de las cargas a través de su estructura.

Estimación en la Intención de Agarres: Cilíndrico, Esférico y Gancho Utilizando Redes Neuronales Profundas / Estimation of Hand-Grip Intention: Cylindrical, Spherical and Hook Using Deep Neural Networks

Resumen Las amputaciones de extremidades superiores pueden producir diversos grados de incapacidad en la persona afectada, esto es exacerbado aún más, si se presenta durante un periodo de su vida laboral activa, por esta razón es de importancia social el estudio de las prótesis y algoritmos que ayuden a un mejor control de estas por parte del usuario. En esta investigación, se propone una arquitectura basada en redes neuronales recurrentes del tipo Long Short-Term Memory y redes convolucionales para la clasificación de señales electromiográficas, con aplicaciones para control de prótesis de mano. La red propuesta clasifica tres tipos de agarres realizados con la mano: cilíndrico, esférico y de gancho. El modelo propuesto al ser evaluado mostró una eficiencia (accuracy) del 89 %, en contraste con una red neuronal artificial basada en capas completamente conectadas que solo obtuvo una eficiencia del 80% en la predicción de los agarres. El presente trabajo se limita solamente a evaluar la red ante una entrada de electromiograma y no se implementó un sistema de control para la prótesis de la mano. Así, una arquitectura de redes convolucionales para el control de prótesis de mano que pueden ser entrenadas con las señales del sujeto.

Abstract Upper extremities amputations can produce different disability degrees in the amputated person, this is acerbated even more, when it happens during active working life. So, for this reason, it is of social importance the study of prostheses and algorithms that help a better control of these by the user. In this research, we propose an architecture based on recurrent neural networks, called Long Short-Term Memory, and convolutional neural networks for classification of electromyographic signals, with applications for hand prosthesis control. The proposed network classifies three types of movements made by the hand: cylindrical, spherical and hook grips. The proposed model showed an efficiency (accuracy) of 89%, in contrast to an artificial neural network based on completely connected layers that only obtained an efficiency of 80% in the prediction of the hand movements. The present work is limited to evaluate the network with an electromyogram input, the control system for hand prosthesis was not implemented. Thus, an architecture of convolutional networks for the control of hand prostheses that can be trained with the signals of the subject.