需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

一种结合非沉浸式虚拟现实的外骨骼辅助减重平板车训练康复项目用于中风患者

2K 次观看

⸱

DOI：

10.3791/67342

⸱

2025年5月16日

 ,  ,  ,  , 
1Department of Rehabilitation Medicine, Peking Union Medical College Hospital

本文内容

摘要

将外骨骼辅助的减重平板车训练与基于游戏的虚拟现实技术相结合，对中风幸存者双重任务能力的影响尚未得到研究。因此，本康复计划旨在探讨这种组合在中风恢复期间增强步行能力方面的潜在作用与优势。

摘要

脑卒中是一种脑血管事件，会显著影响患者的行动能力和独立性。恢复步行模式是脑卒中康复的重要目标，基于技术的治疗方法已显示出良好的效果。下肢外骨骼治疗、减重支持的跑步机训练（BWSTT）以及基于游戏的虚拟现实（VR）训练是几种创新方法，已在改善脑卒中患者的肌力、平衡能力和步行功能方面取得成效。将这些疗法整合到综合康复方案中，可能进一步促进脑卒中幸存者的运动功能恢复和功能结局。本研究探讨了在外骨骼辅助的减重支持跑步机训练中结合基于游戏的虚拟现实训练，对提升脑卒中恢复期患者双重任务能力的潜在优势。 Berg平衡量表（BBS）在训练后显示出显著改善（p = 0.03），但在计时起立行走测试（TUG，p = 0.15）和功能独立性评定量表（FIM，p = 0.38）中未观察到统计学差异。综上所述，该治疗方案有助于改善患者的平衡功能。在脑卒中急性期后的康复方案中使用先进的技术设备具有前景，值得通过随机对照试验进一步研究。

引言

2020年，中国内地的脑卒中患病率约为2.6%，年发病率约为每10万人505.2例，年死亡率约为每10万人343.4例1。这种致残性疾病导致70%–80%的患者出现功能障碍、运动功能受损及生活依赖2。由于步行是人类运动的基本组成部分，对独立转移、生理健康以及整体身体活动具有关键作用3。因此，恢复脑卒中患者的步态模式是康复治疗的重要目标，有助于提高其独立性。尽管传统方法已帮助脑卒中患者恢复行走能力，但近年来基于技术的治疗在脑卒中康复领域取得了显著进展，建立了更为强化的训练模式2。此外，脑卒中康复领域的技术进步可进一步激发患者积极性，促进脑卒中幸存者的功能恢复。

下肢外骨骼（EXO）疗法是一种有前景且创新的方法，可帮助因下肢运动功能障碍而无法行走的患者3。该疗法提供高剂量和高强度的训练方案，能够更早、更安全地实现患者活动能力的恢复。近期研究表明，该疗法对脑卒中患者具有潜在益处，包括改善肌力、平衡能力及步行功能4。其他针对脊髓损伤患者的研究表明，外骨骼步行训练和基于活动的训练均可显著改善心血管指标，其中外骨骼步行训练在增强心脏对直立性应激的反应能力以及降低站立时心率方面效果更为显著5。

本研究中使用的机器人辅助步态训练系统旨在协助患者进行行走康复。该机器人外骨骼装置在髋关节和膝关节处配备了计算机化引擎，可使患者根据不同的编程步态模式进行被动或主动辅助行走。该系统包含一个支撑患者下肢的机器人框架，在行走过程中提供可控的辅助与阻力。系统集成了反馈机制，以引导患者的运动，并为临床医生提供实时数据，从而增强运动学习过程。

减重支持式平板训练（Body Weight-Supported Treadmill Training, BWSTT）是一种辅助行走训练系统，通过使用吊带部分支撑患者体重，并结合电动平板以促进步行运动6。本研究中采用的减重支持系统由吊带和支架组合构成，可将患者部分体重转移至设备上，从而有效减轻训练过程中的负重负担。这种可调节的减重支持系统有助于存在依赖性或异常步态模式的脑卒中患者实现更高质量的步行。通过减少偏瘫侧下肢的负重，患者能够更好地自主控制患肢。此外，吊带系统还能在早期强化活动期间提供安全保障，防止跌倒。研究表明，BWSTT在促进脑卒中患者不同功能步行水平下的平衡能力、步行速度和行走耐力方面展现出显著潜力7。

基于游戏的虚拟现实（VR）训练系统允许中风患者通过娱乐性计算机应用程序与虚拟环境中的物体和事件进行互动6,8。本研究中使用的虚拟现实系统不依赖VR头戴设备，而是通过外骨骼上的传感器将患者的动作实时传输至屏幕显示的虚拟游戏环境中，从而在屏幕上呈现交互式的虚拟现实场景，提供基础的虚拟现实体验。这种训练系统更具吸引力和激励性，能够提高中风幸存者对康复训练的偏好和依从性，可能在漫长而耗时的恢复过程中比传统物理治疗带来更显著的益处。此外，作为替代干预手段的虚拟现实康复已显示出良好的应用前景，可通过双任务训练改善步态、平衡能力、认知功能以及日常生活活动能力8。本研究结果表明，将虚拟现实作为机器人辅助步行训练的补充手段，可有效改善慢性中风患者的平衡功能和步态表现，凸显其在促进中风后可行走患者功能性恢复方面的潜力9。此外，其他研究也表明，机器人辅助康复尤其是与虚拟现实技术相结合时，能够促进慢性中风患者的认知功能恢复和心理健康的改善10。

上述治疗设备可有效结合，为每位患者量身定制独特的康复方案。虚拟现实辅助的减重步行训练（VR-assisted BWSTT）作为一种组合方式，显示出可行性和良好前景。研究表明，该方法可减少骨盆倾斜，且在轻度干预下可能优于传统步态训练，有助于偏瘫早期患者的康复11。相比之下，与上肢康复相比，将虚拟现实整合至外骨骼用于下肢康复的研究仍十分有限12。Mirelman 等人证实了将外骨骼与虚拟现实及视频游戏结合用于踝关节和足部康复的有效性，结果表明步行速度提高、偏瘫侧踝关节运动控制能力改善、最大跖屈力矩增加以及踝关节功率输出增强13。

外骨骼结合减重支持 treadmill 训练（BWSTT）与虚拟现实（VR）为中风康复提供了一种综合性的方法（见图1）。这种整合式疗法融合了外骨骼辅助步态训练、非沉浸式VR技术以及跑步机提供的可调节减重支持的优势。该方法有望增强中风患者的运动功能恢复、平衡能力及整体功能性康复效果6。尽管已有多种研究探讨了利用这些技术的康复方案，但将外骨骼辅助的BWSTT与基于游戏的VR相结合，用于改善中风幸存者双重任务能力的效果却鲜有研究。因此，本康复计划旨在探讨这种联合干预在中风恢复过程中提升步行能力的潜在作用与优势。

访问受限。请登录或开始试用以查看此内容。

方案

本研究是一项回顾性病例系列研究，纳入了在中国医学科学院北京协和医院卒中后住院的患者。该康复项目已获得中国医学科学院北京协和医院伦理审查委员会批准。所有患者在参与前均签署了书面知情同意书。本研究中所用设备和软件的详细信息列于下文 材料表.

1. 受试者招募

  1. 根据特定的纳入标准，通过严格的筛选流程将患者招募至研究中。整理患者的基本资料（见表1）。纳入标准如下：
    1. 年龄：20–65岁。
    2. 由康复科医师确认中风（缺血性或出血性）后医学状况稳定。
    3. 改良Ashworth量表（MAS）评分≤2分（肌肉痉挛程度轻微）2。
    4. 能够借助或不借助辅助装置行走10米，以完成评估，包括Berg平衡量表（BBS）、计时起立行走测试（TUG）和功能独立性评定量表（FIM）6。
  2. 排除具有以下任一情况的患者：
    1. 髋关节或膝关节活动范围（ROM）受限。
    2. 存在深静脉血栓（DVT）。
    3. 简易精神状态检查（MMSE）10评分低于27分（认知功能障碍）。
    4. 体重超过150 kg。
    5. 身高超过200 cm。
  3. 每次治疗前对患者重新进行筛查。若出现以下任一症状，应终止试验：
    1. 意识改变：突发的意识混乱、定向障碍或意识丧失。
    2. 呼吸困难：呼吸急促、气短或其他呼吸窘迫表现。
    3. 心率异常：心率显著升高或降低、心悸或心律不齐。
    4. 血压异常：血压显著升高或降低，并伴有头晕或晕厥。
    5. 气道阻塞：咳嗽、窒息或突发性呼吸困难。
    6. 疼痛或不适：剧烈疼痛、不适感或异常感觉。

2. 测量

注意：这些测量对于正确适配和定制外骨骼至关重要，以确保其提供最佳支撑。尽管整体流程与同类其他设备相似，但具体设备的软件操作、控制按钮和绑带固定方式等细节可能有所不同。

  1. 让患者坐在座位上进行测量。
    1. 使用软尺测量骨盆宽度（两侧髂前上棘之间）。
    2. 测量大腿长度（大转子至股骨外侧髁）。
    3. 测量小腿长度（外踝至股骨外侧髁）。
  2. 根据采集的数据调整外骨骼装置。
    注意：这些调整对于根据每位患者的解剖结构定制外骨骼至关重要。合适的贴合度和对齐可使装置有效支持并增强患者的活动能力和康复效果。
    1. 通过旋转手柄（见图2A）调节宽度，使其比骨盆宽度增加2-3 cm。
    2. 拉出大腿机械臂上的滑动开关（图2B），根据测量结果调整长度，然后将开关推回原位。拧紧旋转开关以固定机械臂。将膝关节与装置的电机对齐，以实现平稳、同步的运动。
    3. 按照步骤2.2.2中所述程序调整小腿机械臂。
  3. 在外骨骼装置调整至符合患者人体工学后，确保电源已连接。协助患者穿戴装置。

3. 穿戴重量支撑系统

  1. 逆时针旋转两个手柄（见图2C）以松开，然后将外骨骼向外拉出（见图2D），以清空跑台跑道并为患者留出空间。
  2. 引导患者进入跑道。
    1. 对于可以行走的患者：从后部斜坡引导其向前移动。
    2. 对于无法行走的患者：协助其通过轮椅进入，并将其安置在前方位置。
  3. 使用遥控器（见图2F）降低悬吊系统的背带（见图2E）。调整背带至与患者躯干齐平或略低于躯干，确保贴合合适。
  4. 解开背带，以便协助患者穿戴。
    注意：通过执行这些步骤，根据需要调整背带，以便在患者站立或坐在轮椅上时顺利完成穿戴过程。
    1. 患者站立时：从后方将未扣紧的背带套在患者躯干上，将肩带舒适地固定在躯干周围。将腿带置于大腿周围并牢固扣紧。
    2. 患者坐在轮椅上时：将患者躯干从靠背抬起，从后方将未扣紧的背带绕过躯干，并将肩带舒适固定。将腿带置于大腿周围并牢固扣紧，确保穿戴舒适。
  5. 提升减重系统，使患者进入站立位。当背带产生轻微收紧感时停止。使用遥控器调节减重量，并在设备上监测减重数据（见图2G）。轻微抬高患者身体以减轻体重负荷，同时防止足部悬空。
    注意：在后续操作中的任何阶段，可根据患者舒适度和足部离地需求，随时重复进行升降操作，但避免过度降低患者负重。
    1. 患者站立时：使用遥控器根据患者状况逐步调节减重量。
    2. 患者坐在轮椅上时：小心地通过上升式悬吊系统将患者从轮椅中抬起并提升至站立位。将轮椅从跑道移开，并使用遥控器调节患者的减重量。

4. 穿戴外骨骼

注意：通过执行这些步骤，外骨骼可被正确穿戴，从而在康复或锻炼过程中为患者提供必要的支撑与稳定性。

  1. 将向外打开的外骨骼复位至内侧，并顺时针旋转两个手柄以启动固定装置。
  2. 向下按压折叠并悬吊的外骨骼，使其从坐位转换为站立位（见图2H）。
  3. 指导患者向后倚靠在外骨骼躯干部位，并系紧胸部固定带。
  4. 调节设备高度，使手臂电机的轴线与患者的髋关节和膝关节对齐。
  5. 将绑带收紧至舒适程度。牢固系紧大腿和小腿绑带，确保其松紧适中，符合患者的舒适需求。
    注意：此步骤至关重要，可防止锻炼过程中设备松动，确保患者安全。
  6. 若患者存在足下垂情况，应使用踝部稳定器。

5. 外骨骼的操作

  1. 在计算机上打开控制软件，并输入患者的基本信息。
  2. 在软件界面中调节双侧髋关节和膝关节的治疗时长、行走速度以及最大允许关节活动度。
    注：本研究中采用默认的关节活动范围设置，将患者的行走速度设为 1.5 km/h，治疗时长设为 20 min。
  3. 点击 开始 以启动治疗，外骨骼与跑步机会同步开始运行。

6. 打开基于游戏的虚拟现实程序

注意：表2 概述了各游戏及其机制。每个游戏均旨在针对患者个体化需求，设计特定的下肢锻炼，以实现有效的康复治疗。

  1. 在计算机上打开ZEPU 步态训练与评估软件，选择游戏模式。
  2. 在外骨骼辅助运动过程中指导患者。当一侧下肢处于摆动相时，指导患者主动控制该侧下肢；当下肢准备推进时，指导患者用力推进并完成髋关节屈曲。
    注意：机器人臂的传感器将检测患者的主动转矩，反馈信息将在游戏中显示。
  3. 在首次治疗前，向患者讲解游戏交互的步骤和原理，提供一次简短的练习环节，并通过语言提示帮助其理解在正确的步态时相应何时施加主动力量。当患者能够正确使用设备后，开始正式治疗。

7. 去除外骨骼

注意：在整个移除过程中，确保患者的安全与舒适。

  1. 通过解开绑带释放外骨骼。
  2. 将外骨骼抬起至悬空坐姿位置。
  3. 逆时针旋转固定手柄（见图2C）以将其松开。
  4. 将外骨骼向外展开，清理跑道，以便安全移除。

8. 移除承重系统

  1. 对于可行走的患者：使用遥控器将患者缓慢放下，解开绑带，并协助其离开跑台。
  2. 对于不可行走的患者：使用遥控器将患者降至轮椅位置，解开绑带并移除减重系统，引导患者离开跑台。

9. 紧急情况

注意：如果患者在治疗过程中出现步骤1.3.1-1.3.6中列出的任何症状，应立即停止锻炼并寻求医疗帮助。在整个康复过程中需密切监测患者的症状及变化。

  1. 在右侧导轨上找到紧急停止装置（见图2I）。用力按下并按住按钮，以停止设备运行。
  2. 危机解除后，将按钮向上拉起，恢复设备运行。

10. 评估与干预

  1. 确认参与者存在行走能力受限的情况，并以提高其功能水平为目标。
  2. 进行干预前评估
    1. 使用 Berg 平衡量表（Berg Balance Scale, BBS）评估平衡能力，评分范围为 0（最低）至 56（最高）6。
    2. 采用计时起立行走测试（Timed Up and Go, TUG）评估步态6。
    3. 使用功能独立性评定量表（Functional Independence Measure, FIM）测量日常生活活动能力6。
    4. 在首次治疗前 24 小时内完成所有评估。
  3. 实施为期四周的干预
    1. 在 4 周内安排 10 次治疗。
    2. 前 3 周于每周一、周三和周五进行治疗。
    3. 第四周的最后一次治疗安排在周一进行。
    4. 确保所有治疗均于下午 2:00 开始。
  4. 实施康复训练程序
    1. 在首次治疗前对患者进行康复程序使用的培训。
    2. 通过游戏应用程序提供简明的操作指导。
    3. 每次治疗分配四个游戏，每个游戏持续 5 分钟，总计 20 分钟。
    4. 确保患者在全部 20 分钟内独立完成程序操作。
    5. 每次治疗期间将体重支持设定为 50%。
    6. 采用默认的关节活动范围设置，允许关节达到最大活动幅度。
    7. 将步行速度设定为 1.5 km/h。
  5. 进行干预后评估
    1. 在最后一次治疗结束 24 小时后进行 BBS、TUG 和 FIM 评估6。
    2. 确保所有临床评估均由同一名技术娴熟且经验丰富的物理治疗师完成，以保证一致性。

11. 统计分析

  1. 使用统计软件对实验结果进行统计分析。
  2. 应用Shapiro-Wilk检验，确认所有结果变量均符合正态分布。
  3. 对每个结果变量在治疗前后进行配对t检验。以p < 0.05作为统计学显著性的阈值。
  4. 使用绘图软件创建数据的图形化表示。

访问受限。请登录或开始试用以查看此内容。

结果

在完成为期4周且未出现任何不良反应的治疗后，对患者的进展进行了评估，结果总结于表3中。BBS评分6从43.88 ± 3.80提高至48.38 ± 3.66，表明产生了积极的治疗反应。TUG和FIM评分也均有所改善，其中TUG评分从21.88 ± 5.62下降至17.63 ± 5.42，FIM评分从92.75 ± 12.80上升至98.75 ± 13.38。

数据（见图3）显示，在比较干预前后的评估结果时，BBS评分表现出显著改善（p = 0.03，p < 0.05）。尽管TUG（p=0.15）和FIM（p=0.38）未观察到统计学上的显著差异，但临床上仍注意到改善趋势（见图4）。这些结果表明，该治疗方案显著提高了患者的平衡能力，而步行能力和日常生活技能的改善尚未达到统计学显著性水平。

访问受限。请登录或开始试用以查看此内容。

讨论

本研究提出了一种综合干预方案，将体重支撑系统与外骨骼治疗相结合，并辅以虚拟现实（VR）技术，旨在促进中风后下肢功能障碍患者的双重任务训练。研究表明，跑步机训练与其他干预措施联合使用时效果最为显著，尤其是在进行地面行走训练之前实施，可使训练效果最大化14。基于运动学习原理的机器人辅助康复，利用虚拟现实反馈和虚拟形象引导的训练动作，激活镜像系统，增强运动学习能力，并在细胞和突触水平上诱导显著的皮层及皮层下改变15。

在神经康复中，治疗过程中的参与程度显著影响患者的主动参与度，这一效应与单纯使用外骨骼机器人（如Ekso或ReWalk）的治疗相比尤为明显16。鉴于运动功能与认知功能之间存在密切关联，结合多种干预策略似乎是一种有前景的方法。将强化的重复性运动训练与基于虚拟现实（VR）的反馈及双重任务训练相结合，可能影响感觉运动整合区域，从而促进运动功能和认知功能的恢复10。因此，近年来，将游戏化技术整合...

访问受限。请登录或开始试用以查看此内容。

披露

所有作者均声明无利益冲突。

致谢

本研究项目获得了北京协和医院临床科研专项基金的资助，项目编号为2022-PUMCH-B-053。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
GraphPad Prismhttps://www.graphpad.com/features
SPSSIBPversion 18.0 
ZEPU 步态训练与评估系统软件山东泽普医疗科技有限公司V.1.0.1.2ZEPU 步态训练与评估系统软件不仅可用于步态评估，还可促进针对性的步态康复，提供个性化的治疗方案，以改善患者的活动能力和功能结局。
ZP-AIGen 步态训练系统山东泽普医疗科技有限公司ZEPU-AI1该设备基于神经可塑性原理，模拟自然行走模式，引导患者进行重复性步态训练，以恢复正常的行走功能。人工智能可学习患者的步态模式，提供个性化的治疗选择。系统可监测并记录患者的康复进展，有助于制定个体化的治疗方案。

参考文献

  1. Tu, W. J., et al. Estimated burden of stroke in China in 2020. JAMA Netw Open. 6 (3), e231455(2023).
  2. Zhang, T., et al. Chinese Stroke Association guidelines for clinical management of cerebrovascular disorders: executive summary and 2019 update of clinical management of stroke rehabilitation. Stroke Vasc Neurol. 5 (3), 250-259 (2020).
  3. Calafiore, D., et al. Efficacy of robotic exoskeleton for gait rehabilitation in patients with subacute stroke: a systematic review. Eur J Phys Rehabil Med. 58 (1), 1-8 (2022).
  4. Chang, W. H., Kim, Y. H. Robot-assisted therapy in stroke rehabilitation. J Stroke. 15 (3), 174-181 (2013).
  5. Evans, R. W., et al. Robotic locomotor training leads to cardiovascular changes in individuals with incomplete spinal cord injury over a 24-week rehabilitation period: A randomized controlled pilot study. Arch Phys Med Rehabil. 102 (8), 1447-1456 (2021).
  6. Lyu, T., et al. Comparative efficacy of gait training for balance outcomes in patients with stroke: a systematic review and network meta-analysis. Front Neurol. 14, 1093779(2023).
  7. Yamamoto, R., Sasaki, S., Kuwahara, W., Kawakami, M., Kaneko, F. Effect of exoskeleton-assisted body weight-supported treadmill training on gait function for patients with chronic stroke: a scoping review. J Neuroeng Rehabil. 19 (1), 143(2022).
  8. Hao, J., Xie, H., Harp, K., Chen, Z., Siu, K. C. Effects of virtual reality intervention on neural plasticity in stroke rehabilitation: a systematic review. Arch Phys Med Rehabil. 103 (3), 523-541 (2022).
  9. Akinci, M., Burak, M., Yasar, E., Kilic, R. T. The effects of robot-assisted gait training and virtual reality on balance and gait in stroke survivors: A randomized controlled trial. Gait Posture. 103, 215-222 (2023).
  10. Manuli, A., et al. Can robotic gait rehabilitation plus virtual reality affect cognitive and behavioural outcomes in patients with chronic stroke? A randomized controlled trial involving three different protocols. J Stroke Cerebrovasc Dis. 29 (8), 104994(2020).
  11. Mao, Y., Chen, P., Li, L., Li, L., Huang, D. Changes of pelvis control with subacute stroke: a comparison of body-weight-support treadmill training coupled virtual reality system and over-ground training. Technol Health Care. 23 (Suppl 2), S355-S364 (2015).
  12. Mubin, O., Alnajjar, F., Jishtu, N., Alsinglawi, B., Al Mahmud, A. Exoskeletons with virtual reality, augmented reality, and gamification for stroke patients' rehabilitation: Systematic review. JMIR Rehabil Assist Technol. 6 (2), e12010(2019).
  13. Mirelman, A., Patritti, B. L., Bonato, P., Deutsch, J. E. Effects of virtual reality training on gait biomechanics of individuals post-stroke. Gait Posture. 31 (4), 433-437 (2010).
  14. Lee, H. J., Cho, K. H., Lee, W. H. The effects of body weight support treadmill training with power-assisted functional electrical stimulation on functional movement and gait in stroke patients. Am J Phys Med Rehabil. 92 (12), 1051-1059 (2013).
  15. Calabrò, R. S., Naro, A. The role of virtual reality in improving motor performance as revealed by EEG: a randomized clinical trial. J Neuroeng Rehabil. 14 (1), 53(2017).
  16. Lequerica, A. H., Kortte, K. Therapeutic engagement: A proposed model of engagement in medical rehabilitation. Am J Phys Med Rehabil. 89 (5), 415-422 (2010).
  17. Putrino, D. Telerehabilitation and emerging virtual reality approaches to stroke rehabilitation. Curr Opin Neurol. 27 (6), 631-636 (2014).
  18. Hidler, J., et al. Multicenter randomized clinical trial evaluating the effectiveness of the Lokomat in subacute stroke. Neurorehabil Neural Repair. 23 (1), 5-13 (2009).
  19. Hornby, T. G., et al. Enhanced gait-related improvements after therapist- versus robotic-assisted locomotor training in subjects with chronic stroke: a randomized controlled study. Stroke. 39 (6), 1786-1792 (2008).
  20. Westlake, K. P., Patten, C. Pilot study of Lokomat versus manual-assisted treadmill training for locomotor recovery post-stroke. J Neuroeng Rehabil. 6, 18(2009).
  21. Louie, D. R., et al. Exoskeleton for post-stroke recovery of ambulation (ExStRA): Study protocol for a mixed-methods study investigating the efficacy and acceptance of an exoskeleton-based physical therapy program during stroke inpatient rehabilitation. BMC Neurol. 20 (1), 35(2020).
  22. Takebayashi, T., et al. Robot-assisted training as self-training for upper-limb hemiplegia in chronic stroke: a randomized controlled trial. Stroke. 53 (7), 2182-2191 (2022).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

外骨骼辅助训练体重支撑虚拟现实康复脑卒中康复步态恢复平衡功能改善Berg平衡量表双任务训练下肢外骨骼
一种结合非沉浸式虚拟现实的外骨骼辅助减重平板车训练康复项目用于中风患者
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。