Summary
神经 - 机接口（NMI）已开发，以确定用户的运动模式。这些NMI的是潜在的动力驱动的人工腿的神经控制是有用的，但没有得到充分展现。本文提出了（1）我们设计的工程平台，便于实施和神经控制的发展动力下肢假肢和（2）的实验装置和协议在实验室环境评估neurally控制的人工腿的患者下肢截肢安全和有效率。
Abstract
以使动力人工腿直观的操作，用户和假体之间的界面处，可以识别用户的运动的意图是需要的。一种新型的神经 - 机接口（NMI）的基础上在我们以前的研究开发神经肌肉机械融合已经表现出了很大的潜力，找准经股截肢者的预期变动。然而，该接口还没有被集成到一个有源假腿为真神经控制。本研究旨在汇报（1）一个灵活的平台来实现和优化供电下肢假肢神经控制和（2）的实验装置和协议，以评估患者的神经控制假肢下肢截肢。第一个基于PC和可视化编程环境在一个平台上开发，以实现假体的控制算法，包括NMI的训练算法，NMI在线检测算法，和内在的控制算法。为了演示功能这个平台，在此基础上研究神经肌肉的机械融合的NMI是分层与原型经股假体的内在控制一体化。一个病人有单侧经股截肢招募表演活动，如站立，电平的地面上行走，斜坡上升时，以评估我们实施的神经控制器，并在实验室连续坡道血统。一种新型实验装置和协议进行，以安全，高效地测试新的假肢控制开发的。概念证明的提交平台，实验装置和协议可以协助的neurally控制供电人工腿的未来发展和应用。
Introduction
本站下肢假肢已经获得了越来越多的关注在商业市场1,2和研究团体3-5。相较于传统的被动假肢，假肢机动关节有让下肢截肢者更有效地执行，穿无源器件时，是很难或不可能活动的优势。然而，目前，平滑无缝过渡的活动（ 例如 ，从水平地面步行到上楼梯）仍是动力假肢使用者一个具有挑战性的问题。这种困难主要是由于缺乏用户的人机界面，可以“阅读”用户的运动意图，并及时调整，以假体的控制参数，使用户能够无缝地切换活动模式。
为了应对这些挑战，各种方法在设计人机界面已经探索。根据其中NMI的肌电（EMG）的信号已显示出巨大的潜力，让直观的控制的电动下肢假肢。最近的两项研究6,7报道经股截肢者的膝盖缺失的监测过程中坐姿残余的肌肉记录的肌电信号拟提出的动议进行解码。金等 。5用于从残留柄的肌肉测量，以确定一个小腿截肢2运动模式（水平地面行走和下楼梯）肌电图信号。 Huang 等人 8提出了一种相依赖的肌电模式识别方法，可以识别7活动模式与约90％的准确度为展示两个经股截肢。为了更好的提高意图识别性能的基础上，神经肌肉机械融合一个NMI的目的是在我们组9和在线评估，对经股截肢者佩戴被动式义肢的意图识别10,11。这NMI能准确识别用户的预定活动及预测活动转变9，这是为动力人工腿神经控制可能有用。
我们所面临的当前问题是如何对我们的NMI融入假体控制系统，以使假体直观操作，保证了用户的安全性。开发真正neurally控制的人工腿需要一个灵活的平台，在实验室中，便于实施和假肢控制算法的优化。因此，本研究的目的是报告用于测试和优化假肢控制算法，在我们的实验室开发了一种灵活的工程平台。此外，新的实验装置和协议都用于评估患者的neurally控制动力经股的假肢下肢截肢安全和有效地。该平台和实验设计本研究提出可能有利于未来德韦讲习班中的真实neurally控制，供电的假腿。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1，平台的供电采用经股假肢的神经控制的实现
工程平台，在这项研究中，以实施和评估的动力人工腿神经控制开发的。硬件包括台式电脑采用2.8 GHz CPU和4 GB的RAM，一个多功能数据采集板与模拟 - 数字转换器（ADC）和数字 - 模拟转换器（DAC），一个电机控制器，数字I / O，以及一个典型的动力经股假体设计在我们的小组12。首先由ADC的数字化和流进入桌面PC进行信号处理的模拟传感器输入。该DAC被用于控制输出通过电机控制器来驱动直流电动机中的假体。数字I / O被用来使能/禁止电机控制器。该供电假体拴在台式PC和搭载一台24 V电源。
该软件在编程的广告适用于虚拟仪器在桌面PC上运行才有发展环境。开发环境是基于虚拟仪器技术，它有效地结合了用户自定义的软件和硬件来实现自定义的平台。通过使用图形框图的结构，不同的模函数的节点可以容易地和有效地实现和更新。为了演示平台的动力人工腿的在线控制功能，初步设计的假肢控制是在这个平台上实现。该控制系统包括一个神经控制器和一个内在的控制器。神经控制器包括我们基于神经肌肉机械融合，其中确认了用户的活动模式，以前的设计NMI的。神经控制器作为一个高层次的控制器，分层次的内在控制供电下肢假肢的控制连接。
续的体系结构在平台上ROL软件如图1所示的NMI包含两个部分：离线训练模块和在线测试模块。离线训练模块被设计用于收集训练数据和NMI建立分类器。所收集的多通道表面肌电信号和机械测量第一预处理和分割成连续的滑动窗口。在每个窗口中，特征的表征信号模式被提取，然后融合成一个特征向量。在每个窗口的特征向量被标记的训练数据收集过程中根据假体用户的演出活动活动模式（类）和相位指数和假体的状态。标记的特征向量，然后用来建立一个相依赖的模式分类器，它包含多个子分类器具有单独的阶段相关。所创建的分类保存，转移到后在线评估在线测试模块。</ P>
在线测试模块来识别在线用户的运动意图，并在切换内在控制器的活动模式。多通道神经肌肉和机械测量，同时涌入的在线测试模块，并转化为特征向量。然后将特征向量送入这是已经建成的离线训练模块相依赖的分类。基于固有控制电流相位，则相应的子分类器被开启，并用于识别用户的意图。分级输出被进一步后处理和发送到固有控制器切换活动模式。
有限状态机（FSM）的阻抗控制器的供电人工腿的内在控制实施。产生的阻抗控制器所需力矩输出对膝盖关节。有限状态机按照调整后的关节阻抗表演活动的当前状态。对于运动活动（ 即水平地面行走和斜坡上升/下降），密克罗尼西亚包括对应于5个步态阶段五种状态：立场屈曲（STF），姿态扩展（STE），预摆（PSW），摆动屈伸（ SWF），并且摆动扩展（SWE）;静态站立，密克罗尼西亚包括两个阶段：负重（WB）和非负重（新巴）。状态之间的转换是由地面反作用力，膝关节位置触发。活动模式之间的转换是通过从在线测试模块的输出控制。对于上面所讨论的所有三个模块，图形用户界面（GUI）建成，这使得在实验室实验人员能够轻松地调整控制参数，监控系统性能，并进行评估实验。
2。实验装置
- 表面肌电信号（sEMG的）
从截肢的大腿肌肉subjectR的表面肌电信号17，S残肢通过无线肌电采集系统记录。有针对性的大腿肌肉包括股直肌 （RF）， 股laeralis（VL），股内侧肌 （VM）， 股二头肌长 （BFL）， 缝匠肌 （SAR）， 半腱肌 （SEM）和收肌 （ADM）。值得注意的是，正是针对特定肌肉是没有必要的，因为8在NMI的用于模式识别算法搜索多个肌肉激活模式以识别活动模式。只要测得神经肌肉控制信息髋关节和膝关节的控制就足够了，肌电图记录之间的交叉谈判对NMI的性能影响不大。- 让拍摄对象进行髋关节屈曲/伸展，髋关节内收/外展，并尝试弯曲/延长截肢膝关节时，他是在站立姿势。
- 近似的，由肌肉触诊的确定电极安置的位置肌电图记录的ð检查。
- 嵌入在电极中的新设计的肌电电极插座接口， 如图2中所示，两个主体的舒适和可靠的电极-皮肤接触。
- 从有源假体的机械测量
由6自由度称重传感器从假肢塔测量的机械地面反作用力和力矩融合与肌电信号识别拍摄对象的运动意图。此外，一个电位器仪表上的膝关节测量膝关节角度和一个编码器被连接到DC电动机来计算膝关节角速度。这些测量被用作内在的控制反馈信号。- 挂载6度自由度称重传感器上的假肢塔。
- 使X轴，Y轴，和称重传感器的Z轴与内外侧方向，前后方向，和假体的superoinferior方向，各自LY。
- 实验室环境设置
为了评估的动力人工腿被截肢者经股神经控制，一个超越障碍训练场始建于实验室， 如图3，测试环境包括5米直走道，一个4米长的坡道倾斜8°，并与坡道级平台的角度连接牢固。沿着坡道，扶手栏杆安装了以提高受试者的安全。另外，在天花板轨道系统具有防坠落安全带被设置成保护的主题从实验过程中掉落。
3，实验协议
这项研究是与机构审查委员会（IRB）在罗得岛大学的批准，并与招募受试者的知情同意下进行。一名男性单方面的经股截肢截肢（病因：外伤，年龄：57岁;截肢的持续时间：32年S）被吸收了这项研究。残肢（从坐骨结节测到残肢的前端）向非受损侧（从坐骨结节测到股骨上髁）的长度的长度之间的比率为51％。主体通过他的日常生活吸入悬浮插座穿的是微处理器控制的假肢膝关节。在实验前在这项研究中，这个问题收到由一名物理治疗师几次培训班，以便让被摄体来适应用电设备和校准每个活动模式所需的阻抗。
- 主题准备
- 测量受试者的体重，身高，并记录他的性别和年龄。
- 让拍摄对象放在了自己的短裤在一个私人制剂室。
- 把大小安装防坠落安全带的主体，然后将其连接到天花板的铁路系统。
- 肌电图记录准备
- 选出七个充满电的无线肌电传感器和打开它们。
- 将肌电传感器插入定制的吸插座准备位置。写下传感器的顺序号并将其与肌电图的位置联系起来。
- 清洁主体的异丙醇垫残肢的皮肤上。
- 帮助主题在穿上吸插座，并确认插座牢固地连接到主体的残肢。
- 打开实时肌电图的模拟数据流的软件。
- 让拍摄对象进行髋关节屈曲/伸展，髋关节内收/外展，膝关节屈曲/伸展并检查肌电图信号来验证肌电电极接触和数据传输。
- 对齐和有源假腿的初始校准
- 指示须留在站立姿势，同时举行一个辅助步行器。
- 装上假肢供电到吸入插座一个金字塔ADAP器。调整一组旋转螺钉适配器上，直到假体的位置在几何上与插座对齐。这个过程是由假肢进行。
- 让拍摄对象解除假体离地面和校准称重传感器上的假肢塔。
- 指示主题实践走在不同的地形（ 例如 ，水平地面，斜坡上升和斜坡下降）穿着动力假肢时。这个过程一直持续到主题感到有信心在行走与用电设备并在每个活动的收益率表现一致步态。
- 训练数据集为训练分类器在NMI
- 指导受试者站在一个预定义的行走路径的起始位置，如示于图3。
- 打开电动假体和加载参数到本征控制器。
- 运行一个培训数据收集COM计算机程序和设置的内在控制，通过点击图形用户界面（GUI）上的“站立”按钮站立模式。
- 通过点击界面上的“开始录制”按钮，开始采集数据。指示须留在站立姿势5秒。
- 指示须走过去的水平地面上他/她的自我选择舒适的步行速度;同时，点击前脚尖离被摄物体的领先腿的GUI中的“行走”按钮，设置的内在控制水平地面行走模式。
- 当拍摄对象是接近斜坡上升的边缘，单击“斜坡上升”按钮，GUI上的脚趾离地的假腿踩着斜坡前和开关的内在控制斜坡上升模式。为了安全起见，让被摄体在斜坡上行走时用一只手栏杆。
- 当物体在斜坡末端，点击“行走”按钮前再次假腿的脚跟罢工踏上级平台和开关假体的内在控制水平地面行走模式。
- 在行走路径的末尾，指示须停止并保持站立姿势。与此同时，单击“常规”按钮，双支撑期前和切换的内在控制权交还给站立模式。
- 经过大约5秒，单击“停止”按钮停止收集数据。标签收集到的数据为“训练数据集1”。
- 重复上述步骤3.4.4-3.4.9当主体走在相反的路线回到起始位置;唯一的区别是开关的内在控制坡道下降模式时，须走在下降斜坡。
- 重复3.4.4-3.4.10到10完整的训练数据集收集。检查所收集训练数据集的信号质量。
- 让被摄体有日之后的休息时间E数据采集时段。
- 通过离线训练模块（ 图1）在训练NMI模式识别分类器。使用收集到的肌电图和机械信号，活动模式（类）培训过程中标记和检测阶段建设相依赖的模式分类。自动保存分类器的参数后在线测试环节。
- 供电采用经假体的神经网络控制的在线测试
- 指示须站在步行路径的起点。
- 打开电动假体。加载训练的分类器，以在线测试模块和所述参数的特性的控制器。
- 指示对象开始测试试验中站立姿势，然后连续过渡到水平地面行走，坡道行走，水平地面行走，并最终停止，并在行走路径的末尾完成这项试验。指示受在一个舒适的步伐进行每一项活动。允许试验之间的休息时间，避免过度疲劳。
- 在每个测试试验中，显示假体电视监视器上的活动模式和膝关节角度读数。保存所有的测量和控制输出后评估的目的。
- 重复步骤3.5.1-3.5.4到10齐全的检测试验已完成。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
图4a显示七个通道表面肌电信号从主体的残肢大腿肌肉测量，当他进行髋关节屈/伸，如协议3.2.6中所述， 图4b显示肌电信号六步态周期在录制时须走过电平的地面上行走路径，协议3.3.4中。从图中可以看出，新设计的肌电电极插座接口可以提供表面肌电信号测量的质量好。
图5显示控制模式，检测阶段，并导致膝盖在一个代表性的在线检测试验neurally控制的动力经股假肢的关节角度。受试者被要求在开始站立姿势，过渡到水平地面行走，斜坡上升，电平的地面上行走，然后停在行走路径的末尾。主题然后返回到沿吨原起点他扭转路线。 如图5，用神经控制，对招募者能顺利切换供电的经股假肢控制模式根据他的计划的活动模式。红色虚线表示我们定义的关键每项活动模式转换的时机。从水平地面行走斜坡上升/下降和站立行走的过渡，关键时序已经开始摆动阶段（ 即 ，脚趾离）在过渡期;从斜坡上升/下降过渡到水平地面行走和步行到站立，关键时序为重接受（ 即脚跟接触）在水平地面上的开始。约18秒钟后进入这个代表审判，假体正确地切换到斜坡上升模式时，须走在水平地面因错误识别用户的由NMI意图。这些错误没有引起中苏步行运动学显著变化bject，并没有由对象知觉。然而，我们也观察到了一些错误，干扰了受试者的步态稳定一些测试试验。但没有这些错误导致受下降。
图1：控制软件的测试平台为原型动力经股假肢的神经网络控制的评估上的架构。 请点击此处查看该图的放大版本。
图2。一）正面和S的矢状视图ubject穿着动力经股假肢与肌电图和机械测量装置; b）数据收集车与桌面PC机，肌电图无线基地台，多功能数据采集板和电源请点击这里查看该图的放大版本。
图3实验障碍物行进道路建在实验室环境。
图4。原肌电信号从主体的残肢大腿肌肉录制，当被摄对象（ 一 （二）走在平坦的地面行走路径。
图5例的控制模式，检测阶段，并导致一名代表在线检测试验neurally控制的动力经股假肢的动力膝关节角度。红色虚线表示每个活动模式转换的定义的关键时机。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
工程平台，在这项研究中来轻松实现，优化，发展动力假肢的真实神经控制开发的。整个平台被设计在一个虚拟仪器的开发环境，并在台式机上实现的。控制软件是由几个独立的和可互换的模块，在其中每一个特定的功能被执行（ 即 NMI意图识别，和固有控制）。这种模块化设计的优点在于，每个功能块可以很容易地调试，修改和更新。此外，添加或删除功能，或改变模块之间的连接可以很容易地在这个计算机程序完成的。因此，该平台可以很容易地应用到其他实施NMI根据不同的神经控制信息，或根据不同的用户意图识别技术。例如，当基于EEG的神经 - 机接口开发的，它可以很容易地imple来实现在此平台上通过修改数据采集模块和意图识别模块;当基于新的意图解码方法的神经 - 机接口开发的，它可以通过简单地更换意图识别模块被应用。然而，应该指出的是，本工程平台的软件是基于其连接的一个高层次的意图识别模块具有一个低级别的假体控制器的分层结构设计。因此，只有神经 - 机接口，可以解码和输出用户的意图移动，可以容易地应用在此平台上。此外，请注意，此平台仅用于证明的概念。一旦供电人工腿的神经控制已经敲定，基本上控制器应在一个功能强大的嵌入式计算机系统中实现，为了使人工腿实用和便携的每日基地使用假体内部集成。
一个忠武rimental设置的目的是要测试供电人工腿的患者经股截肢的神经控制器。在我们的设置中两个重要方面突出显示。首先，确保招募受试者的安全是必要的。这是因为错误分类中的NMI（如在图5所示的例子中），或在固有控制误差可能发生在最初设计的假体的控制，从而不会影响假肢用户的步行的稳定性（在本研究中观察到，尽管不是所有的NMI错误打扰步行稳定性），导致跌倒，并威胁他们的安全。因此，在我们的设置手扶栏杆被安装不平的地形。此外，天花板的铁路系统，具有防坠落安全带被修建，这覆盖了整个实验区在实验室并应用于最大限度地保护受试者的安全。其次，关键是要建立一个舒适和可靠的肌电电极插座接口。插入传感器到prosthETIC插槽可构建高压力或摩擦对残肢，从而导致在行走和在主题可怜的步态不适的某些区域。这缓解压力/摩擦的办法可能，但是，导致电极和残肢之间接触不良，导致在嘈杂的肌电图记录。在这项研究中，我们提出了一种基于无线肌电电极新电极插槽接口，这在肌电信号进行准确的意图识别（如表现在图4），紧插座悬挂，和良好的用户提供了舒适的高品质。虽然有些交叉会谈是在几个频道进行观察（ 即通道3和图 6 4B），它们对NMI的性能影响不大。这是因为在模式识别算法设计NMI搜索多个肌肉激活模式以识别活动模式。这种设置可能也有利于其他研究或临床组，谁计划调查的米uscle属性或功能的下肢截肢者的残肢。
为了有效地评估neurally控制的人工腿，实验性试验的目的是包括所有研究的活动模式和模式转换。值得注意的是，在步态和在使用有源假肢下肢截肢者的平衡训练之前所呈现的实验是必要的，以使在NMI准确识别用户的活动模式。这是因为，模式识别是用在我们NMI，它通过搜索肌电图和机械信号模式，是一个活动的模式一致，但与其他模式不同的认识不同的活动模式。该培训课程确保用户能够适应执行相同的活动时，重新定义他们的动态，步行和产生一致的步态模式的供电设备。此外，为了同样的目的，受试者应该在exp的开头给定的时间eriment来适应环境的有源假体，实现了平滑的和一致的行走模式。
最后，我们想强调的是，灵活的测试平台，实验装置和实验方案在本研究中提出是为实验室开发的神经控制动力人工腿和评价有用。为了使定稿neurally控制的人工腿实用的日常使用，在写实环境发展的嵌入式设计平台和用户友好的校准程序和评估是必要的未来。此外，神经控制在本研究中提出的是初步的，用来展示我们的测试平台，只有实验设计的功能;它不是最终的控制用电设备，因为我们没有观察到破坏的下肢截肢者的行走模式，这应该被淘汰的NMI错误。我们的报道平台和评价体系和协议提供的Convenient工具，以进一步优化神经控制器和内在的控制和开发，可以由用户方便地进行操作，可靠，直观真正的仿生下肢假肢。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
没有利益冲突的声明。
Acknowledgments
这项工作得到了卫生部根据批RHD064968A的国家机构，部分由美国国家科学基金会根据批0931820，1149385格兰特，格兰特1361549部分支持，并在通过根据批H133G120165的国家残疾与康复研究的一部分。作者感谢林都鼎旺和杰拉尔德Hefferman在罗德岛的大学和迈克尔J.庵在庵矫正和假肢技术有限责任公司，为他们的伟大的建议，并在此研究的援助。
Materials
| Name | Company | Catalog Number | Comments |
| Trigno Wireless EMG Sensors | Delsys, Inc. | 7 | |
| Trigno Wireless EMG Base Station | Delsys, Inc. | 1 | |
| Multi-functional DAQ card (PCI-6259) | National Instruments, Inc. | 1 | |
| Potentiometer (RDC503013A) | ALPS Electric CO., LTD | 1 | |
| Encoder (MR series) | Maxon Precision Motors, Inc. | 1 | |
| Motor controller (ADS50/10) | Maxon Precision Motors, Inc. | 1 | |
| 24 V Power Supply (DPP480) | TDK-Lambda Americas, Inc. | 1 | |
| 6 DOF Load Cell (Mini58) | ATI Industrial Automation | 1 | |
| Ceiling Rail System | RoMedic, Inc. | 1 | |
| NI LabView 2011 | National Instruments, Inc. | 1 |
References
- The POWER KNEE. , http://www.ossur.com/prosthetic-solutions/products/knees-and-legs/bionic-knees/power-knee (2014).
- Walk. BiOM Ankle System. , http://www.biom.com (2014).
- Martinez-Villalpando, E. C., Herr, H. Agonist-antagonist active knee prosthesis: a preliminary study in level-ground walking. J Rehabil Res Dev. 46, 361-373 (2009).
- Sup, F., Bohara, A., Goldfarb, M. Design and Control of a Powered Transfemoral Prosthesis. Int J Rob Res. 27, 263-273 (2008).
- Au, S., Berniker, M., Herr, H. Powered ankle-foot prosthesis to assist level-ground and stair-descent gaits. Neural Netw. 21, 654-666 (2008).
- Hargrove, L. J., Simon, A. M., Lipschutz, R. D., Finucane, S. B., Kuiken, T. A. Real-time myoelectric control of knee and ankle motions for transfemoral amputees. JAMA. 305, 1542-1544 (2011).
- Ha, K. H., Varol, H. A., Goldfarb, M. Volitional control of a prosthetic knee using surface electromyography. IEEE Trans Biomed Eng. 58, 144-151 (2011).
- Huang, H., Kuiken, T. A., Lipschutz, R. D. A strategy for identifying locomotion modes using surface electromyography. IEEE Trans Biomed Eng. 56, 65-73 (2009).
- Huang, H., et al. Continuous Locomotion Mode Identification for Prosthetic Legs based on Neuromuscular-Mechanical Fusion. IEEE Trans Biomed Eng. 58, 2867-2875 (2011).
- Zhang, F., Dou, Z., Nunnery, M., Huang, H. Real-time implementation of an intent recognition system for artificial legs. Conf Proc IEEE Eng Med Biol Soc. 2011, 2997-3000 (2011).
- Zhang, F., Huang, H. Source Selection for Real-time User Intent Recognition towards Volitional. Control of Artificial Legs IEEE Journal of Biomedical and Health Informatics. PP, (2013).
- Liu, M., Datseris, P., Huang, H. A prototype for smart prosthetic legs: analysis and mechanical design. Proceedings of the International Conference on Control, Robotics and Cybernetics. March 21-23, New Delhi, India, , 139-143 (2011).
