مقالة منهجية

نظام روبوتي للأطراف العلوية يتم التحكم فيه عن طريق واجهة الدماغ والحاسوب لتعزيز الأنشطة اليومية لدى مرضى السكتة الدماغية

2.4K مشاهدات

⸱

DOI:

10.3791/67601

⸱

أبريل 18, 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Health Science and Technology, Graduate School of Convergence Science and Technology, Seoul National University, 2Department of Rehabilitation Medicine, Seoul National University College of Medicine, Seoul National University Bundang Hospital, 3Clinical Neurotechnology Laboratory, Dept. of Psychiatry and Neurosciences, Charité Campus Mitte (CCM), Charité – Universitätsmedizin Berlin, 4SRH Gesundheitszentrum Bad Wimpfen GmbH

في هذه المقالة

ملخص

تقدم هذه الدراسة نظام واجهة الدماغ والحاسوب (BCI) لمرضى السكتة الدماغية ، والذي يجمع بين تخطيط كهربية الدماغ وإشارات تخطيط كهربية العين للتحكم في اليد الروبوتية للطرف العلوي ، مما يعزز الأنشطة اليومية. استخدم التقييم اختبار برلين ثنائي الدليل للسكتة الدماغية (BeBiTS).

الملخص

تقدم هذه الدراسة روبوتا مساعدا للطرف العلوي يتم التحكم فيه بواسطة واجهة الدماغ والحاسوب (BCI) لإعادة التأهيل بعد السكتة الدماغية. يستخدم النظام إشارات مخطط كهربية الدماغ (EEG) ومخطط كهربية العين (EOG) لمساعدة المستخدمين على مساعدة الطرف العلوي في المهام اليومية أثناء التفاعل مع اليد الآلية. قمنا بتقييم فعالية نظام الروبوت BCI هذا باستخدام اختبار برلين ثنائي اليدوي للسكتة الدماغية (BeBiTS) ، وهو مجموعة من 10 مهام حياتية يومية تشمل كلتا يديك. شارك ثمانية مرضى بالسكتة الدماغية في هذه الدراسة ، لكن أربعة مشاركين فقط تمكنوا من التكيف مع تدريب نظام الروبوت BCI وإجراء ما بعد BeBiTS. والجدير بالذكر أنه عندما كانت درجة preBeBiTS لكل عنصر أربعة أو أقل ، أظهر نظام الروبوت BCI فعالية مساعدة أكبر في تقييم ما بعد BeBiTS. علاوة على ذلك ، لا تساعد يدنا الروبوتية الحالية في وظائف الذراع والمعصم ، مما يحد من استخدامها في المهام التي تتطلب حركات يد معقدة. مطلوب المزيد من المشاركين لتأكيد فعالية التدريب لنظام BCI-robot ، ويجب أن تفكر الأبحاث المستقبلية في استخدام الروبوتات التي يمكن أن تساعد في مجموعة واسعة من وظائف الأطراف العلوية. تهدف هذه الدراسة إلى تحديد قدرة نظام الروبوت BCI على مساعدة المرضى في أداء أنشطة الحياة اليومية.

المقدمة

ضعف وظيفة الأطراف العلوية بسبب السكتة الدماغية يحد من القدرة على أداء الأنشطة اليومية ، وخاصة المهام ثنائيةاليدوية 1. لذلك ، تعد إعادة تأهيل اليد مكونا رئيسيا لإعادة تأهيل السكتة الدماغية ، حيث يعد العلاج المرآة2 والعلاج بالحركة المستحثة (CIMT) 3 من الأساليب المعروفة. تشير الأبحاث الحديثة إلى أن أنظمة الروبوت المستندة إلى مخطط كهربية الدماغ (BCI) يمكن أن تكون علاجا مساعدا فعالا لتحسين استعادة وظائف اليد لدى مرضى السكتة الدماغية4،5،6. تركز الأنظمة الروبوتية BCI على ربط النية النشطة للمريض لمحاولة الحركة الحركية بأدائها. يتم إجراء البحوث بنشاط لتحديد ما إذا كان هذا النهج فعالا في إعادة التأهيل7،8،9،10،11،12،13.

في هذه الدراسة ، نقدم نظاما آليا مساعدا للأطراف العلوية يتم التحكم فيه بواسطة BCI مصمم لمساعدة مرضى السكتة الدماغية على أداء أنشطة ثنائية اليدوية. يستخدم النظام مخططات كهربية الدماغ (EEG) لاكتشاف وتفسير إشارات الدماغ المرتبطة بالصور الحركية ويجمعها مع مخططات كهربية العين (EOG) لمدخلات تحكم إضافية. تمكن هذه الإشارات الفيزيولوجية العصبية المرضى من التحكم في اليد الروبوتية التي تساعد في حركاتالأصابع 14. يسد هذا النهج الفجوة بين رغبة المريض في الحركة والقدرة البدنية ، مما قد يسهل التعافي الحركي ويزيد من الاستقلالية في المهام اليومية.

طور باحثون في جامعة شاريتيه الطبية في برلين اختبار برلين ثنائي اليدوي للسكتة الدماغية (BeBiTS) ، وهي أداة تقييم شاملة ، لتقييم فعالية هذا النظام الآلي BCI15. يوفر BeBiTS مقياسا كميا للتحسين الوظيفي من خلال تقييم القدرة على أداء عشرة أنشطة ثنائية اليدوية ضرورية للحياة اليومية. يسجل التقييم كل مهمة على حدة ويقيم خمسة مكونات لوظيفة اليد: الوصول ، والإمساك ، والتثبيت ، والتلاعب ، والرفع. يتيح إجراء تقييم شامل للتحسينات الوظيفية للمرضى ، مع التركيز على أنشطة الحياة اليومية. علاوة على ذلك ، فإنه يسمح لنا بتحديد مساهمة نظام الروبوت BCI في تعزيز وظائف يدوية محددة. لذلك ، تهدف هذه الدراسة إلى تطوير نظام روبوت مساعد فعال من BCI من خلال مقارنة درجات BeBiTS قبل وبعد الجلسات التدريبية في مرضى السكتة الدماغية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

قام مجلس المراجعة المؤسسية لمستشفى بوندانغ بجامعة سيول الوطنية بمراجعة واعتماد جميع الإجراءات التجريبية (رقم IRB B-2205-756-003). قمنا بتجنيد ثمانية مرضى مصابين بالسكتة الدماغية وشرحنا التفاصيل ذات الصلة بدقة قبل الحصول على موافقتهم. بعد الحصول على موافقة مستنيرة ، يستمر البروتوكول على النحو التالي: نقوم بإجراء تقييم BeBiTS قبل تدريب BCI ، يليه تدريب BCI باستخدام EOG و EEG. بعد ذلك ، يرتدي المشاركون الروبوت لإجراء تقييم آخر ل BeBiTS (الشكل 1).

1. إعداد نظام تدريب الروبوت BCI

  1. توظيف المرضى
    1. إجراء عملية الفحص باستخدام معايير التضمين التالية.
      1. حدد المرضى الذين تتراوح أعمارهم بين 20 و 68 عاما ويعانون من ضعف وظائف الأطراف العلوية.
      2. اختيار المرضى غير القادرين على ثني أو تمديد أصابع اليد المشلولة.
      3. حدد المرضى الذين يعانون من سكتة دماغية واحدة تحت القشرية (بما في ذلك السكتة الدماغية الإقفارية والنزفية).
      4. اختر المرضى الذين مضى عليهم أكثر من 6 أشهر بعد إصابة الدماغ.
      5. اختر المرضى الذين يعانون من ضعف درجة Fugl-Meyer أقل من 31.
    2. تزويد جميع المرضى المعينين بمعلومات مفصلة حول الإجراء التجريبي والحصول على موافقة مستنيرة موقعة.
      ملاحظة: يجب على الممثل القانوني تقديم الموافقة المستنيرة الموقعة إذا استوفى المريض المعايير ولكن لا يمكنه التوقيع على الموافقة.
  2. نظام BCI: جهاز EEG
    1. استخدم نظام عارض مخطط كهربية الدماغ (انظر جدول المواد) لتسجيل البيانات.
    2. استخدم جهاز كمبيوتر شخصي (PC) مع برنامج BCI مخصص وقم بتوصيل الكمبيوتر بجهاز EEG.
  3. مساعدة الطرف العلوي اليد الروبوتية
    1. يتم استخدام يد روبوتية مساعدة16 تدعم ثلاثة أصابع على الطرف العلوي الضعيف للمريض. هذا الروبوت عبارة عن قفاز ناعم يشبه الجلد مصمم لتغطية ثلاثة أصابع فقط: الإبهام والسبابة والأصابع الوسطى. قم بتوصيل الروبوت لاسلكيا بالكمبيوتر باستخدام دونجل USB.
    2. عند الاتصال بالكمبيوتر عبر دونجل ، تكون الحالة الأولية للروبوت محايدة ، مما يعني أن يده مفتوحة بالكامل. يقوم نظام BCI المصمم بإعداد الروبوت بحيث لا يمكن أن تغلق يده إلا عندما تتعرف على نية صنع قبضة ، بناء على ما إذا كانت قيمة مخطط كهربية الدماغ المقاسة تفي بالحد. يوضح الشكل 2 الرسم التخطيطي لنظام BCI-robot هذا.

2. تقييم BCI-robot

  1. اختبار برلين ثنائي الدليل للسكتة الدماغية (BeBiTS)
    ملاحظة: تقييم BeBiTS هو أداة لتقييم أداء 10 أنشطة ثنائية اليدوية للحياة اليومية في مرضى السكتة الدماغية.
    1. ضع المريض بشكل مريح على كرسي بذراعين مواجه للمكتب. تأكد من وضع المريض بالقرب من المكتب ، على بعد حوالي 30 سم من الأشياء المستخدمة في التقييم ، لأداء مهام التقييم باستخدام الذراعين واليدين.
    2. احتفظ بالعناصر العشرة التالية لتقييم الأنشطة الثنائية: افتح جرة ؛ افتح عبوة بلاستيكية افتح زجاجة ماء صب كوب من الماء قطع المعجون الشبيه باللحوم ؛ تنظيف طبق ارفع وعاء. فتح أنبوب معجون الأسنان ضع معجون أسنان على فرشاة أسنان ؛ أغلق سحاب السترة.
      ملاحظة: تستخدم مهام التقييم العشر عناصر التقييم، والتي يتم تنفيذها جميعا جالسا على مكتب. يتم تسجيل كل إجراء من أصل 10 ، بدرجة إجمالية تبلغ 100.
    3. قم بتقييم وتسجيل خمسة مكونات لوظيفة اليد جنبا إلى جنب مع درجات العناصر الفردية. تصل هذه المكونات ودرجاتها إلى (20) ، والاستيعاب (20) ، والتثبيت (10) ، والتلاعب (33) ، والرفع (17) ، مع إضافة النتيجة الإجمالية إلى 100 نقطة (الشكل 3).

3. نظام تدريب الروبوت BCI

  1. إعداد مخطط كهربية الدماغ
    1. افتح نظام BCI. يوضح الشكل 4 الشاشة بأكملها عند فتح نظام BCI.
    2. ضع غطاء وقم بتوصيل مكبر الصوت.
    3. في الوحدة النمطية المصدر، حدد وضع EegoModule | المقاومة. اضغط على ابدأ في الوحدة النمطية المصدر ، والتي تظهر الضوء الأزرق (الشكل 5 أ).
    4. تأكد من أن المعاوقات أقل من 10 كيلو أوم ، ثم اضغط على إيقاف في الوحدة المصدر.
    5. قم بتغيير الوضع إلى EEG لدفق البيانات واضغط على ابدأ. تحقق من الإشارة باستخدام البرنامج المحدد (الشكل 5 ب).
  2. معايرة EOG
    1. في وحدة المعالجة المسبقة ، حدد خط الأنابيب الخاص بمونتاج EOG (على سبيل المثال ، SMR-EOGleft لقطب EOG على العين اليسرى ؛ الشكل 6 أ).
    2. في وحدة المهمة النمطية ، قم بتعيين عدد الإشارات (على سبيل المثال ، 10). تحدد وحدة المهمة الاتجاهات المقابلة لليد الآلية (الشكل 6 ب).
    3. اطلب من المشارك أداء حركات جانبية قصيرة للعين في اتجاه الأسهم العشرة التي تظهر (الشكل 6 ج).
    4. تحقق من الرسم البياني للنتيجة مباشرة بعد التدريب. تمثل الخطوط الرمادية كل محاولة لحركة العين. تأكد من أن الخط البرتقالي ، وهو المتوسط ، يلامس خط الأساس ، مما يشير إلى نجاح التدريب (الشكل 7).
    5. إذا نجح التدريب، فقم بتسجيل قيمة معلمة الحد.
      ملاحظة: التكرار المستمر لحركات العين أمر ضروري. على الرغم من أنه يختلف من مشارك لآخر ، إلا أن تدريب EOG عملي بشكل عام بعد حوالي ثلاث محاولات وعادة ما يتحسن مع التدريب المتكرر.
  3. معايرة مخطط كهربية الدماغ
    1. في الوحدة النمطية للمهمة، أختر EEGCalibrationTaskModule (الشكل 8 أ). قم بتعيين عدد الإشارات في الوحدة النمطية "مهمة " إلى 5.
    2. في وحدة التغذية الراجعة، اضبط Laterality على جانب اليد الآلية وتأكد من عدم تحديد Display Pac-Man (الشكل 8 ب).
    3. اطلب من المشارك أن يتخيل قبضة اليد عندما تظهر المطالبة "تخيل صنع قبضة" على الشاشة السوداء (الشكل 8 ج). اطلب من المشارك الاسترخاء عندما تكون الشاشة سوداء. كرر هذه العملية ، مع الخيال المشبك بقبضة اليد الذي يستمر 5 ثوان وفترة الراحة تتراوح بشكل عشوائي بين 10 ثوان إلى 15 ثانية.
    4. راجع الرسم البياني للنتيجة بعد معايرة مخطط كهربية الدماغ واستخدم نمط ERD المميز في النطاق الترددي 8-12 هرتز أثناء التصوير الحركي لتحديد نطاق التردد المناسب للمشارك. سجل قيمة المعلمة 11 هرتز من الرسم البياني الأيسر في الشكل 9 ، والذي يوضح استجابة ERD أثناء الصور الحركية مقارنة بحالة السقي. في الرسم البياني الأيمن للشكل 9 ، قم بتمييز الخط الأحمر المميز ، والذي يمثل صورا مشدودة القبضة ، والخط الأزرق ، الذي يشير إلى حالة الاسترخاء ، فيما يتعلق بخط العتبة المنقط الأفقي.
    5. إذا تم تنفيذ تدريب معايرة مخطط كهربية الدماغ بشكل كاف ، فقم بتسجيل القيمة المرجعية والعتبة أسفل الرسم البياني الأيمن.
      ملاحظة: ومع ذلك ، قد تكون هناك حالات يكون فيها التدريب على المعايرة على المدى القصير صعبا بسبب قضايا مثل عدم فهم التعليمات المقدمة أو الأمية BCI.
  4. التدريب مع التغذية الراجعة
    1. بعد الانتهاء من تدريب EOG و EEG ، قم بتعيين قيم المعلمات التي تميز نية عمل قبضة للتكرار المستهدف المحدد للاهتمام، والقيمة المرجعية، والعتبة المحددة بواسطة الرسم البياني للنتيجة في التدريب السابق.
    2. باستخدام المعلمات التي تم تكوينها ، تابع التدريب على التغذية الراجعة باستخدام Pac-Man. إذا تم تعيين المعلمات بشكل صحيح بعد التدريب ، فلاحظ أن فم Pac-Man سيغلق تدريجيا عندما يتخيل المشارك قبضة قبضته. إذا لم يغلق فم Pac-Man بشكل صحيح ، كرر تدريب معايرة مخطط كهربية الدماغ أثناء ضبط القيمة المرجعية والعتبة (الشكل 10).
  5. التجربة: تقييم BeBiTS باستخدام نظام الروبوت BCI
    1. بعد الانتهاء من جميع تدريبات التغذية الراجعة (حوالي 30 دقيقة) ، اطلب من المشارك ارتداء الروبوت وإجراء تقييم ما بعد BeBiTS باستخدام نظام BCI المدرب.
      ملاحظة: إذا كانت تشنج يد المريض شديدة ، فهناك حاجة إلى عناية خاصة عند ارتداء الروبوت. بالإضافة إلى ذلك ، قد لا تكون المساعدة الثلاثة التي يقدمها الروبوت كافية لبعض المرضى ، مما يجعل من الصعب أداء جميع الحركات المطلوبة في تقييم BeBiTS. في مثل هذه الحالات ، يتم تقييم الحركات التي يمكن القيام بها فقط.
    2. انتظر حتى يظهر الضوء الأبيض الذي يشير إلى حالة الاستعداد والبدء على الشاشة ، كما هو موضح في الشكل 11 أ. بعد تأكيد الضوء الأبيض ، يحرك المشاركون أعينهم إلى جانب واحد لتغيير الضوء إلى اللون الأخضر (الشكل 11 ب). عندما يظهر الضوء الأخضر ، يتخيل المشاركون قبضة يدهم.
      ملاحظة: إذا أدرك النظام نية المشارك جيدا ، فإنه ينشط الروبوت الذي يرتديه المشارك لشد قبضته.
    3. اطلب من المشارك شد قبضته بمساعدة الروبوت ، ثم قم بتنفيذ الإجراء الموضح في الشكل 11C.
    4. يعرض الشكل 11D ضوءا أحمر ، مما يشير إلى أن الروبوت يحافظ على وضع مشدود بقبضة اليد. عند الانتهاء من الإجراء ، يلاحظ المشارك هذا الضوء الأحمر على الشاشة ، كما هو موضح في الشكل 11 د. في هذه المرحلة ، إذا أراد المشارك فتح يده مرة أخرى بمساعدة الروبوت ، فيمكنه تحريك أعينهم لتغيير لون الضوء مرة أخرى إلى اللون الأبيض.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

يوضح الشكل 12 نتائج تدريب EOG و EEG. يمثل الشكل 12 أ نتائج مشارك مدرب تدريبا جيدا. قيم تدريب EOG متسقة ، حيث يصل المتوسط (الخط البرتقالي الغامق) بشكل صحيح إلى خط العتبة. تميز نتائج تدريب مخطط كهربية الدماغ أيضا بوضوح بين الخطوط الزرقاء (حالة الراحة) والحمراء (الصور الحركية).

في المقابل ، يوضح الشكل 12 ب نتائج المشارك الذي لم يتدرب بشكل جيد. تجارب EOG غير متسقة ، والمتوسط (الخط الأخضر الغامق) لا يصل إلى خط...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

قدم هذا البحث نظاما آليا مساعدا للطرف العلوي BCI لدعم مرضى السكتة الدماغية في تنفيذ المهام اليومية. قمنا بتقييم فعالية المهام الثنائية اليدوية من خلال اختبار BeBiTS15 وقمنا بتنفيذ التدريب على تشغيل الروبوت المساعد للطرف العلوي عبر نظام BCI14. يسمح هذا النهج ، على عكس إجراءات إعادة التأهيل التقليدية ، للمرضى بالمشاركة بنشاط في تعافيهم من خلال التحكم في عمليات الروبوت وفقا لنواياهم. تعد معايرة تدريب EOG و EEG بدقة أمرا بالغ الأهمية للحصول على...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

ليس لدى المؤلفين أي تضارب في المصالح للإعلان عنه.

شكر وتقدير

تم دعم هذا العمل من قبل برنامج التعاون الدولي بين الأوساط الأكاديمية والصناعة الألمانية الكورية في مجال الروبوتات والبناء خفيف الوزن / الكربون بتمويل من الوزارة الفيدرالية للتعليم والبحث في جمهورية ألمانيا الاتحادية ووزارة العلوم وتكنولوجيا المعلومات والاتصالات الكورية (المنحة رقم P0017226)

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
BCI2000المصدرللأغراض العامة لأبحاث واجهة الدماغ والحاسوب (BCI) مجاني للاستخدام غير التجاري
BrainVision LSL Viewer   ؛Brain Products GmbHأداة مفيدة لمراقبة LSL EEG وتدفقات العلامات.
مضخم صوت eego صغير مع 8 قنوات (F3 ، F4 ، C3 ، تشيكوسلوفاكيا ، C4 ، P3 ، P4 ، EOG) أغطية واقية الموج الأصلية   ؛Ant Neuro ، هولنداتصميم مضغوط وخفيف الوزن: مضخم الصوت الصغير eego صغير وخفيف الوزن ، مما يوفر قابلية نقل ممتازة وملاءمة لتسجيل مخطط كهربية الدماغ في بيئات مختلفة.
نيومانو neofect ، كورياالقفازات المواد: جلد ، فيلكرو ، قماش غير قابل للانزلاق
مادة الأسلاك: خيط اصطناعي
الوزن: 65 جم (بدون بات.)
تغطي ثلاثة أصابع: الإبهام والسبابة والأصابع الوسطى
الكمبيوتر الشخصي   ؛ ( PC) مع برنامج BCI المخصص   ؛كمبيوتر محمول نافذة
نظام برمجي مفتوح

المراجع

  1. Ekstrand, E., Rylander, L., Lexell, J., Brogårdh, C. Perceived ability to perform daily hand activities after stroke and associated factors: a cross-sectional study. BMC Neurol. 16, 208(2016).
  2. Angerhöfer, C., Colucci, A., Vermehren, M., Hömberg, V., Soekadar, S. R. Post-stroke rehabilitation of severe upper limb paresis in Germany-toward long-term treatment with brain-computer interfaces. Front. Neurol. 12, 772199(2021).
  3. Corbetta, D., Sirtori, V., Castellini, G., Moja, L., Gatti, R. Constraint-induced movement therapy for upper extremities in people with stroke. Cochrane Database Syst Rev. 2015 (10), CD004433(2015).
  4. Kutner, N. G., Zhang, R., Butler, A. J., Wolf, S. L., Alberts, J. L. Quality-of-life change associated with robotic-assisted therapy to improve hand motor function in patients with subacute stroke: a randomized clinical trial. Phys Ther. 90 (4), 493-504 (2010).
  5. Baniqued, P. D. E., et al. Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review. J Neuroeng Rehabil. 18 (1), 15(2021).
  6. Yang, S., et al. Exploring the use of brain-computer interfaces in stroke neurorehabilitation. BioMed Res Int. 2021, 9967348(2021).
  7. Wolpaw, J. R. Brain-computer interfaces. Handb Clin Neurol. 110, 67-74 (2013).
  8. Teo, W. P., Chew, E. Is motor-imagery brain-computer interface feasible in stroke rehabilitation. PM R. 6 (8), 723-728 (2014).
  9. Gomez-Rodriguez, M., et al. Towards brain-robot interfaces in stroke rehabilitation. IEEE Int Conf Rehabil Robot. 2011, 5975385(2011).
  10. Silvoni, S., et al. Brain-computer interface in stroke: a review of progress. Clin EEG Neurosci. 42 (4), 245-252 (2011).
  11. Soekadar, S. R., Birbaumer, N., Cohen, L. G. Brain-computer interfaces in the rehabilitation of stroke and neurotrauma. Systems Neuroscience and Rehabiliation. Kansaku, K., Cohen, L. G. , Springer. Tokyo. 3-18 (2011).
  12. Said, R. R., Heyat, M. B. B., Song, K., Tian, C., Wu, Z. A systematic review of virtual reality and robot therapy as recent rehabilitation technologies using EEG-brain-computer interface based on movement-related cortical potentials. Biosensors. 12 (12), 1134(2022).
  13. Daly, J. J., Huggins, J. E. Brain-computer interface: current and emerging rehabilitation applications. Arch Phys Med Rehabil. 96 (3 Suppl), S1-S7 (2015).
  14. Soekadar, S. R., Witkowski, M., Vitiello, N., Birbaumer, N. An EEG/EOG-based hybrid brain-neural computer interaction (BNCI) system to control an exoskeleton for the paralyzed hand. Biomed Tech (Berl). 60 (3), 199-205 (2015).
  15. Angerhöfer, C., et al. The Berlin Bimanual Test for Tetraplegia (BeBiTT) to assess the impact of assistive hand exoskeletons on bimanual task performance. J NeuroEng Rehabil. 20, 17(2023).
  16. Neofect. Neomano. Wearable Robot Hand Assistance. , https://www.neofect.com/kr/neomano (2024).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

BeBiTS

مقالات ذات صلة