Summary
Interfaces de Neural-máquina (MNI) foram desenvolvidos para identificar o modo de locomoção do usuário. Estes NMIs são potencialmente úteis para o controle neural de pernas artificiais alimentados, mas não têm sido plenamente demonstrada. Este artigo apresentou (1) a nossa plataforma de engenharia projetada para fácil implementação e desenvolvimento do controle neural para próteses de membros inferiores com alimentação e (2) uma montagem experimental e protocolo em um ambiente de laboratório para avaliar pernas artificiais controlados neurally em pacientes com amputações de membros inferiores com segurança e eficientemente.
Abstract
Para permitir uma operação intuitiva de pernas artificiais alimentados, uma interface entre o usuário eo prótese que pode reconhecer a intenção de movimento do usuário é desejada. Uma nova interface neural-máquina (NMI) baseado em fusão neuromuscular-mecânico desenvolvido em nosso estudo anterior demonstrou um grande potencial para identificar com precisão o movimento pretendido de amputados transfemoral. No entanto, esta interface ainda não foi integrado com uma perna protética alimentado por verdadeiro controle neural. Este estudo teve como objetivo relatar (1) uma plataforma flexível para implementar e otimizar o controle neural de potência inferior próteses para membros e (2) uma montagem experimental e protocolo para avaliar o controle da prótese neural em pacientes com amputações de membros inferiores. Primeiro, uma plataforma baseada em um PC e um ambiente de programação visual foram desenvolvidas para implementar os algoritmos de controle de próteses, incluindo algoritmo NMI treinamento, o algoritmo de testes on-line de MNI, e algoritmo de controle intrínseco. Para demonstrar ofunção desta plataforma, neste estudo, o NMI com base na fusão neuromuscular-mecânico foi hierarquicamente integrados com controle intrínseco de uma prótese transfemoral protótipo. Um paciente com amputação transfemoral unilateral foi recrutado para avaliar o nosso controlador neural implementada ao realizar atividades, como a pé, andando nível do solo, a subida de rampas, e rampa de descida contínua no laboratório. Uma nova configuração eo protocolo experimental foram desenvolvidos a fim de testar o novo controle de prótese de forma segura e eficiente. A plataforma apresentada prova-de-conceito e montagem experimental e protocolo poderia ajudar o futuro desenvolvimento e aplicação de pernas artificiais movidos controlados neurally.
Introduction
Próteses dos membros inferiores Desenvolvido ganharam uma atenção crescente, tanto no mercado comercial 1,2 e comunidade de pesquisa 3-5. Em comparação com próteses passivas tradicionais, articulações protéticas motorizados têm a vantagem de permitir que amputados de membros inferiores para realizar atividades que são difíceis ou impossíveis quando usar dispositivos passivos de forma mais eficiente. No entanto, atualmente, a transição suave e contínua atividade (por exemplo, a partir do nível do solo caminhando para escada subida) ainda é uma questão desafiadora para os usuários movidos pernas protéticas. Essa dificuldade deve-se principalmente à falta de uma interface máquina que pode "ler" a intenção de movimento do usuário e prontamente ajustar parâmetros de controle da prótese, a fim de permitir que os usuários alternem facilmente o modo de atividade.
Para enfrentar esses desafios, diversas abordagens na concepção de interface de usuário-máquina têm sido exploradas. Onde NMI baseado em eletromiografia (ESinais MG) tem demonstrado um grande potencial para permitir o controle intuitivo de próteses dos membros inferiores potência. Dois estudos recentes 6,7 relatou decodificar o movimento pretendido do joelho falta de amputados transfemurais, monitorando os sinais EMG gravados a partir de músculos residuais durante a posição sentada. Au et al. 5 utilizadas sinais EMG medidos a partir de músculos haste residuais para identificar dois modos de locomoção (a pé nível do solo e descida da escada) de um amputado transtibial. Huang et al. 8 propôs um EMG abordagem de reconhecimento de padrões dependentes de fase que pode reconhecer sete modos de atividade com uma precisão de aproximadamente 90%, como demonstrado em dois amputados transfemurais. Para melhor melhorar o desempenho intenção de reconhecimento, um NMI com base na fusão neuromuscular-mecânico foi projetado em nosso grupo 9 e online avaliada em amputados transfe usando pernas protéticas passivos para o reconhecimento intenção 10,11. Este NMI pode identificar com precisãoatividades pretendidos pelo usuário e prever as transições atividade 9, que era potencialmente úteis para o controle neural de pernas artificiais alimentados.
A questão atual que enfrentamos é como integrar o nosso NMI no sistema de controle da prótese, a fim de permitir a operação prótese intuitiva e garantir a segurança do usuário. Desenvolver verdadeiros pernas artificiais controlados neurally requer uma plataforma flexível no laboratório para facilitar a implementação e otimização de algoritmos de controle da prótese. Portanto, o objetivo deste trabalho é apresentar uma plataforma de engenharia flexível desenvolvido em nosso laboratório para testar e otimizar os algoritmos de controle da prótese. Além disso, a nova configuração experimental e protocolo são apresentados para avaliação das próteses transfemurais movidos controlados neurally em pacientes com amputações de membros inferiores de forma segura e eficiente. A plataforma e design experimental apresentado neste estudo poderia beneficiar o futuro desenvolvimento de verdadeiros controlados neurally, pernas artificiais movidos.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Plataforma de Implementação de Controle Neural de powered Transfemurais Próteses
Uma plataforma de engenharia foi desenvolvido neste trabalho para implementar e avaliar o controle neural de pernas artificiais alimentados. O hardware inclui um PC desktop com CPU de 2,8 GHz e 4 GB de RAM, uma placa de aquisição de dados multi-funcional, com os dois analógicos para digital conversores (ADCs) e conversores digital-analógico (DACs), um controlador de motor, digitais / Os, e uma prótese transfemoral alimentado protótipo projetado em nosso grupo 12. As entradas de sensores analógicos foram digitalizados pela primeira vez pelos ADCs e transmitidos para o PC desktop para o processamento do sinal. O DAC foi utilizado para a saída de controlo para accionar o motor de corrente contínua na prótese por meio de um controlador do motor. Digital I / Os foram utilizados para ativar / desativar o controlador do motor. A prótese foi alimentado tethered para o desktop PC e alimentado por uma fonte de alimentação de 24 V.
O software foi programado em anúncioesenvolvimento ambiente adequado para instrumentação virtual em execução na área de trabalho do PC. O ambiente de desenvolvimento foi baseado em instrumentação virtual, o que efetivamente combina software e hardware definido pelo usuário para implementar a plataforma personalizada. Ao utilizar a estrutura de um diagrama de blocos gráfica, diferentes nós de função modular pode ser facilmente e eficazmente aplicadas e actualizada. A fim de demonstrar a função de plataforma de controle on-line de pernas artificiais alimentados, preliminarmente projetada controle prótese foi implementado nesta plataforma. O sistema de controle inclui um controlador e um controlador neural intrínseco. O controlador neural consistiu em nosso anterior NMI projetado com base na fusão neuromuscular-mecânico, que reconheceu o modo de atividade do usuário. O controlador neural como um controlador de alto nível foi hierarquicamente relacionados com o controlo intrínseco de potência menor controle de próteses de membros.
A arquitetura de contsoftware rol sobre a plataforma encontra-se ilustrada na Figura 1 A NMI contém duas partes:. módulo de formação off-line e on-line do módulo de teste. O módulo de treinamento off-line foi projetado para coletar dados de treinamento e construir os classificadores em NMI. Os sinais EMG coletados multicanal de superfície e medições mecânicas foram pré-processados e segmentado em janelas de correr contínuas primeiro. Em cada janela, características que caracterizam os padrões de sinal foram extraídos e, em seguida, fundidos em um vetor de características. O vetor de características em cada janela foi marcado com os modos de atividade (classes) e índice de fase com base nas atividades que executam usuário de prótese e os estados da prótese durante a coleta de dados de treinamento. Os vectores característicos marcadas foram então utilizados para construir um classificador padrão dependentes de fase, que contém vários sub-classificadores correlacionadas com as fases individualmente. O classificador criado foi salvo e transferido para módulo de teste on-line para avaliação on-line mais tarde. </ P>
O módulo de testes on-line on-line foi usado para reconhecer intenção movimento do usuário e mudar os modos de atividade no controlador intrínseco. O neuromuscular multicanal e medições mecânicas foram simultaneamente transmitido em módulo de teste on-line e transformados em vetores de características. Em seguida, os vectores característicos, foram alimentados para o classificador dependente da fase que já foi construída no módulo de formação desligada. Com base na atual fase em controlador intrínseco, o sub-classificador correspondente foi ligado e utilizado para reconhecer a intenção do usuário. A saída de classificação foi ainda pós-processados e enviados para controlador intrínseca para alternar os modos de atividade.
Controlador de impedância Uma máquina de estados finitos (FSM) com base foi implementada para o controle intrínseco de pernas artificiais alimentados. O controlador de impedância gerada desejada saída de torque nas articulações do joelho. A máquina de estado finito ajustado a impedância conjunta de acordo como estado atual da atividade realizando. Para as atividades de locomoção (caminhar nível do solo e rampa de subida / descida), o FSM consistiu em cinco estados correspondentes a cinco fases da marcha: flexão posição (STF), de extensão postura (STE), pré-balanço (PSW), balanço flexão ( SWF) e extensão do balanço (SWE); para a posição estática, o FSM incluiu duas fases: levantamento de peso (BM) e não suportar o peso (NWB). As transições entre os estados foram provocados pela força de reação do solo e posição articular do joelho. A transição entre os modos de actividade foi controlado pela saída do módulo de teste em linha. Para todos os três módulos discutidos acima, a interface gráfica do usuário (GUI) foram construídas, o que permitiu experimentadores em laboratório para ajustar facilmente os parâmetros de controle, o desempenho do sistema monitor, e conduzir experimentos de avaliação.
2. Instalação Experimental
- A eletromiografia de superfície (EMG)
Sinais de EMG de superfície dos músculos da coxa da amputado subjectR17; s membro residual são registradas por um sistema de aquisição EMG wireless. Os músculos da coxa alvo incluído o reto femoral (RF), vasto laeralis (VL), vasto medial (VM), bíceps femoral longo (BFL), sartório (SAR), semitendinoso (SEM), e adutor magno (ADM). Vale ressaltar que, precisamente como alvo o músculo específico não é necessário 8 porque o algoritmo de reconhecimento de padrões usados em NMI procura padrões de ativação de vários músculos para reconhecer o modo de atividade. Enquanto as informações de controle neuromuscular medido para quadril e joelho controle é suficiente, cruzadas negociações entre gravações EMG têm pouco impacto sobre o desempenho da MNI.- Peça ao sujeito para executar hip flexão / extensão, adução / abdução e tentativa de flexionar / estender a articulação do joelho amputada quando ele está na posição de pé.
- Aproximado e determinar os locais de colocação de eletrodos por palpação muscular umaexame d de gravações EMG.
- Incorporar os eletrodos em um novo projetado EMG interface eletrodo-socket, como mostrado na Figura 2, para o conforto do sujeito e contato confiável eletrodo-pele.
- Medições Mecânicas da Prótese motorizado
As forças mecânicas de reação do solo e momentos medidos por uma célula de carga de 6 DOF do pilão protética são fundidos com sinais EMG de reconhecer intenção movimento do objeto. Além disso, um potenciómetro é instrumentada na articulação do joelho para medir o ângulo de articulação do joelho e um codificador foi ligado ao motor de corrente contínua para o cálculo da velocidade angular do joelho. Estas medições são usadas como os sinais de realimentação para controlo intrínseco.- Montar uma célula de carga de seis graus-liberdade no pilão protético.
- Alinhar eixo X, do eixo Y, e Z-eixo da célula de carga com a direcção médio-lateral, direcção antero-posterior e direcção súpero da prótese, respectivaly.
- Setup Laboratório Ambiente
A fim de avaliar o controlo neuronal das pernas artificiais ligado amputados transfe, um curso de obstáculo foi construído em laboratório, como se mostra na Figura 3. O ambiente de teste incluía uma passagem recta 5-m, um de 4 m de comprimento de rampa com uma inclinação ângulo de 8 °, e uma plataforma de nível com a rampa com firmeza. Ao longo da rampa, corrimãos foram instalados para melhorar a segurança do assunto. Além disso, um sistema ferroviário teto com um arnês anti-queda foi fornecida para proteger o sujeito de cair durante o experimento.
3. Protocolo Experimental
Este estudo foi realizado com a aprovação do Conselho de Revisão Institucional (IRB), da Universidade de Rhode Island e com o consentimento informado do assunto recrutados. Um macho transfemoral unilateral amputado (causa de amputação: trauma, idade: 57 anos; duração de amputação: 32 anoss) foi recrutado neste estudo. A relação entre o comprimento do membro residual (medida a partir da tuberosidade isquiática para a extremidade distal do membro residual) para o comprimento do lado não-auditivos (medido a partir da tuberosidade isquiática para o epicôndilo femoral) foi de 51%. O sujeito usa uma prótese de joelho controlado por microprocessador através de uma tomada de suspensão de sucção em sua vida diária. Antes do experimento neste estudo, este assunto recebeu várias sessões de formação liderada por um fisioterapeuta, a fim de deixar o assunto para se adaptar ao dispositivo de potência e calibrar a impedância desejada em cada modo de atividade.
- Preparação Assunto
- Meça do sujeito peso, altura, e gravar seu sexo e idade.
- Pergunte ao assunto para colocar em seus próprios curtas em uma sala de preparação privado.
- Coloque um arnês anti-queda montado de tamanho sobre o assunto e anexá-lo ao sistema ferroviário teto.
- Preparação para a gravação de EMG
- Selecione sete sensores de EMG sem fio totalmente carregada e ligue-os.
- Coloque os sensores de EMG na tomada de sucção personalizado em locais preparados. Anote o número da ordem dos sensores e associá-los a locais de EMG.
- Limpe a pele do membro residual do sujeito com compressas embebidas em álcool isopropílico.
- Auxiliar o assunto em vestir a tomada de sucção e verificar que o socket está firmemente ligado ao membro residual do sujeito.
- Ligue o software em tempo real o fluxo de dados analógico EMG.
- Peça ao sujeito para executar hip flexão / extensão, adução / abdução e joelho flexão / extensão e examinar os sinais de EMG para verificar EMG contato do eletrodo e transmissão de dados.
- Alinhamento e calibração inicial de powered prótese de perna
- Instrua o sujeito a permanecer na posição em pé, segurando um andador de apoio.
- Fixe a prótese alimentado à tomada de sucção com uma adap pirâmidetor. Ajustar um conjunto de parafusos de rotação no adaptador até que a posição da prótese é geometricamente alinhado com o encaixe. Este procedimento foi realizado por um protético.
- Peça ao sujeito para levantar a prótese do chão e calibrar a célula de carga no pilão protético.
- Instrua o assunto para a prática de andar em terrenos diferentes (por exemplo, o nível do solo, a subida de rampas, e rampa de descida) quando estiver usando a perna protética alimentado. Este procedimento continua até que o sujeito se sente confiante em andar com o dispositivo de potência e rendimento padrão de marcha consistente em cada desempenho da atividade.
- Treinamento de Coleta de Dados de Formação de Classificadores em NMI
- Instruir o sujeito a ficar sobre o local de um caminho predefinido curta de partida, como mostrado na Figura 3.
- Ligue a prótese motorizada e carregar os parâmetros para o controlador intrínseco.
- Executar um com a coleta de dados de treinamentoprograma de computador eo ajuste o controle intrínseco ao modo de pé, clicando no botão "Standing" na interface gráfica de usuário (GUI).
- Comece a coleta de dados, clicando no botão "Start Recording" na GUI. Instrua o assunto para ficar em pé durante 5 segundos.
- Instrua o assunto para andar sobre terreno plano em sua / seu confortável velocidade de caminhada auto-selecionada; ao mesmo tempo, clique no botão "Caminhando" no GUI antes toe-off da perna dianteira do assunto e definir o controle intrínseco ao modo de caminhada terra-nível.
- Quando o assunto estava se aproximando da borda de subida de rampa, clique no botão "Rampa Ascent" no GUI antes do dedo do pé-off da perna protética pisar na rampa e alternar o controle intrínseco à rampa modo subida. Por segurança, deixe o assunto de usar uma grade mão ao caminhar sobre uma rampa.
- Quando o assunto chega ao final da rampa, clique no botão "Walking"novamente antes de o calcanhar de prótese de perna pisar na plataforma nível e mudar o controle intrínseco prótese para o modo de andar rés-do-nível.
- No final do percurso pedestre, instruir o sujeito a parar e permanecem em posição de pé. Ao mesmo tempo, clique no botão "Standing" antes da fase de dupla posição e mudar o controlo intrínseco de volta ao modo de pé.
- Após cerca de 5 segundos e terminar a coleta de dados, clicando no botão "Stop". Etiqueta coletaram dados como "dados de treinamento conjunto 1".
- Repita o procedimento 3.4.4-3.4.9 quando o assunto anda em uma rota inversa de volta ao local de partida; a única diferença é a mudança do controle intrínseco à rampa modo descida quando o assunto entra na rampa para baixo.
- Repita 3.4.4-3.4.10 até dez conjuntos completos de dados de treinamento são coletados. Examine a qualidade do sinal coletado conjunto de dados de treinamento.
- Permitir que o indivíduo tenha um período de descanso após o diasessão e coleta de dados.
- Treinar os classificadores de reconhecimento de padrões em NMI via módulo de treinamento off-line (Figura 1). Use o EMG coletados e sinais mecânicos, os modos de atividade (classes) rotulados durante o processo de formação, e detectado fases para construir os classificadores padrão dependente de fase. Salve parâmetros dos classificadores automaticamente para a sessão de testes on-line mais tarde.
- Testes on-line de controle neural de powered Transfemoral Prótese
- Instrua o assunto para ficar no ponto do caminho a pé de partida.
- Ligue a prótese powered. Carregue o classificador treinado para módulo de testes on-line e os parâmetros para o controlador intrínseco.
- Instrua o assunto para começar os ensaios de teste na posição de pé, então a transição de forma contínua a andar nível do solo, rampa andando, andando nível do solo, e, finalmente, parar e terminar esta prova no final do caminho a pé. Instrua o assunto pararealizar cada atividade em um ritmo confortável. Permitir períodos de descanso entre os ensaios para evitar a fadiga.
- Durante cada ensaio teste, apresentar os modos de atividade da prótese de joelho e leituras de ângulo articular em um monitor de TV. Salve todas as medições e saídas de controle para fins de avaliação posterior.
- Repita os passos 3.5.1-3.5.4 até dez ensaios de teste completo está acabado.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Figura 4a mostra sete canais de sinais de EMG de superfície medida da coxa músculos do membro residual do sujeito quando ele se apresentou quadril flexão / extensão, conforme descrito no Protocolo 3.2.6. Figura 4b mostra seis ciclos da marcha de sinais EMG gravados quando o assunto pisado um caminho a pé terra-nível, durante o protocolo 3.3.4. A partir desta figura, pode ver-se que o novo concebido EMG interface de eléctrodo de encaixe pode proporcionar uma boa qualidade de medições do sinal de EMG de superfície.
A Figura 5 demonstra os modos de controle, detectado fases, e resultou no joelho ângulo da articulação da prótese transfemoral motorizado controlado por neurally em um ensaio de teste online representante. O assunto foi convidado a começar na posição de pé, a transição para uma curta nível do solo, a subida de rampas, andar nível do solo, e depois parar no final do caminho a pé. O tema, em seguida, retornou ao ponto de partida original, juntamente tele reverter rota. Como mostrado na Figura 5, com o controlo neuronal, o sujeito foi capaz recrutados para mudar facilmente o modo de controlo de prótese transfemural alimentado com base nos seus modos de actividade pretendidos. A linha do traço vermelho indicado nosso momento crítico definido de cada modo de transição atividade. Para transição do nível do solo andando a rampa de subida / descida e, de pé para pé, o momento crítico foi no início da fase de balanço (ou seja, fora do dedo do pé) nos períodos de transição; para a transição de rampa de subida / descida a pé para o nível do solo e caminhando a pé, o momento crítico foi o início da aceitação de peso (ou seja, o contato do calcanhar) sobre o nível do solo. Cerca de 18 segundos depois deste julgamento representante, a prótese incorretamente ligado à rampa modo ascensão quando o assunto andou em nível do solo devido ao reconhecimento errôneo de intenções do usuário pelo NMI. Esses erros não provocou alteração significativa no pé cinemática do subject e não foram percebidos pelo sujeito. No entanto, conseguimos observar alguns erros que perturbaram a estabilidade de marcha do sujeito em alguns ensaios de teste. Mas nenhum desses erros causados objecto a cair.
Figura 1. A arquitetura de software de controle na plataforma de testes para avaliação do controle neural online de uma prótese transfemoral alimentado protótipo. Clique aqui para ver uma versão maior desta figura.
Figura 2. A) Vista frontal e sagital dos sem prejuízo usar a prótese transfemoral alimentado com a EMG e configuração de medição mecânica;. b) A coleta de dados de compras com o desktop PC, estação de base EMG wireless, placa DAQ multifuncional e fonte de alimentação Por favor, clique aqui para ver uma versão maior desta figura.
Pista de obstáculos Figura 3. Experimental construída no ambiente de laboratório.
Figura 4. Sinais EMG-primas gravado a partir dos músculos da coxa do membro residual do sujeito, quando o assunto (a (B) andou sobre um caminho a pé nível do solo.
Figura 5. Exemplo de modos de controle, detectado fases, e resultando joelho alimentado ângulo da articulação da prótese transfemoral motorizado controlado por neurally em um ensaio de teste online representante. A linha do traço vermelho indica o momento crítico definido de cada modo de transição atividade.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Uma plataforma de engenharia foi desenvolvido neste trabalho para implementar facilmente, otimizar e desenvolver o verdadeiro controle neural de próteses potência. Toda a plataforma foi programado em um ambiente de desenvolvimento baseado instrumentação virtual e implementado em um PC desktop. O software de controle foi composto por vários módulos independentes e intercambiáveis, em cada um dos quais uma funcionalidade específica foi executado (ie NMI reconhecimento intenção e controle intrínseco). A vantagem deste projeto modular é que cada bloco de função pode ser facilmente depurado, modificado e atualizado. Além disso, adicionar ou excluir funções ou alterar as conexões entre os módulos podem ser facilmente feito neste programa de computador. Portanto, a plataforma pode ser facilmente aplicado para implementar outro NMI baseado em diferentes informações de controle neural ou com base em técnicas de reconhecimento de intenção de usuário diferentes. Por exemplo, quando uma interface neural máquina baseada em EEG é desenvolvido, pode ser facilmente impletadas nesta plataforma, modificando o módulo de aquisição de dados e módulo de reconhecimento de intenção; quando uma interface neural máquina baseada num novo método de descodificação intenção é desenvolvido, pode ser aplicado através da simples substituição do módulo de reconhecimento de intenção. No entanto, deve notar-se que o software do presente engenharia plataforma foi concebida com base numa estrutura hierárquica que ligado um módulo de reconhecimento de intenção de alto nível com um controlador de prótese de baixo nível. Portanto, somente a interface neural-máquina que pode decodificar e saída intenção movimento do usuário pode ser facilmente aplicado nesta plataforma. Além disso, note que esta plataforma só é usado para provar o conceito. Uma vez que o controle neural de pernas artificiais movidos tenha sido finalizado, essencialmente, os controladores devem ser implementadas em um poderoso sistema de computador embutido e integrado dentro da prótese, a fim de fazer as pernas artificiais prático e portátil para uso em bases diárias.
Uma expeconfiguração rimental foi projetado para testar o controlador neural para as pernas artificiais alimentados em pacientes com amputações transfemurais. Dois aspectos importantes na nossa configuração são realçados. Em primeiro lugar, garantir a segurança do objeto contratado é necessário. Isso ocorre porque erros de classificação em NMI (como um exemplo mostrado na Figura 5) ou erros no controle intrínseco pode ocorrer no controle prótese projetado inicialmente, que poderia perturbar a estabilidade caminhada do usuário prótese (observada neste estudo, embora nem todos os erros NMI perturbar a pé estabilidade), levar a quedas, e ameaça a sua segurança. Assim, em nossos corrimãos de instalação foram instalados para terrenos irregulares. Além disso, um sistema ferroviário teto com um arnês anti-queda foi construído, que cobria toda a área experimental em laboratório e foi aplicada para proteger ao máximo a segurança do sujeito. Em segundo lugar, é essencial para desenvolver um conforto e EMG interface de eléctrodo de encaixe de confiança. Inserção de sensores em prosthsoquetes etic pode construir de alta pressão ou fricção contra certas regiões membros residuais, o que leva ao desconforto no pé e pobre padrão de marcha no assunto. Abordagens que atenuam a pressão / atrito pode, entretanto, causar contato solto entre os eletrodos e do membro residual, resultando em gravações EMG ruidosos. Neste estudo, apresentamos uma nova interface eletrodo-socket baseado em eletrodos EMG sem fio, o que proporcionou alta qualidade em sinais EMG para reconhecimento preciso intenção (como demonstrado na Figura 4), a suspensão tomada apertado, e bom conforto do usuário. Embora alguns-fala cruzadas foram observadas em alguns canais (ou seja, Canal 3 e 6 na Figura 4-B), eles têm pouco impacto sobre o desempenho do MNI. É porque o algoritmo de reconhecimento de padrões projetado em NMI procura padrões de ativação de vários músculos para reconhecer o modo de atividade. Esta configuração pode também beneficiar outros grupos de pesquisa ou clínicos, que pretendem investigar o mpropriedade uscle ou função nos membros residuais de amputados de membros inferiores.
Para avaliar de forma eficiente as pernas artificiais controlados neurally, ensaios experimentais foram projetados para incluir todos os modos de atividade estudados e transições de modo. Vale ressaltar que a marcha e treino de equilíbrio de amputados de membros inferiores em usar próteses movidos é necessário antes do experimento apresentado, a fim de tornar o NMI precisos para reconhecer o modo de atividade do usuário. Isso ocorre porque o reconhecimento de padrões é utilizado em nosso NMI, que reconhece o modo de atividade diferente, pesquisando o padrão EMG e sinais mecânicos que é consistente para um modo de atividade, mas diferente dos outros modos. As sessões de treinamento assegurar que os usuários se adaptarem aos dispositivos alimentados que redefinem sua dinâmica em pé e produzem padrão de marcha consistente ao realizar a mesma atividade. Além disso, para o mesmo fim, o sujeito deve ser dado tempo para o início da experiment para se aclimatar à prótese potência e atingir um padrão de marcha suave e consistente.
Finalmente, queremos enfatizar que a plataforma flexível de testes, configuração experimental, e protocolo experimental apresentado neste estudo foram úteis para o desenvolvimento de laboratório e avaliação do controle neural para as pernas artificiais alimentados. A fim de tornar finalizados pernas artificiais controlados neurally prático para o uso diário, o desenvolvimento de embutidos plataforma de engenharia e processo de calibração de fácil utilização e avaliação em ambientes realistas são necessárias no futuro. Além disso, o controle neural apresentada neste estudo é preliminar e utilizado para demonstrar a função da nossa plataforma de testes e só delineamento experimental; não é o controle final para dispositivos alimentados como fizemos observar erros no NMI que perturbam o padrão de marcha de amputados de membros inferiores, que devem ser eliminados. Nossa plataforma e avaliação de configuração e protocolo relatado desde cferramentas onvenient para otimizar ainda mais o controlador neural e controle intrínseco e desenvolver um verdadeiro biônico prótese de membro inferior que pode ser operado pelos usuários facilmente, confiável e intuitiva.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Não há conflitos de interesse declarados.
Acknowledgments
Este trabalho foi financiado em parte pelos Institutos Nacionais de Saúde sob Grant RHD064968A, em parte pela National Science Foundation, Grant 0.931.820, 1.149.385, e Grant Grant 1.361.549, e em parte pelo Instituto Nacional sobre Deficiência e Reabilitação de Investigação no âmbito Grant H133G120165. Os autores agradecem Lin Du, Ding Wang e Gerald Hefferman da Universidade de Rhode Island, e Michael J. Convento no Convento Ortopédica e Protética Technology, LLC, por sua grande sugestão e assistência no estudo.
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).
