一种集成低成本传感器与神经肌肉电刺激系统的用于卒中后平衡康复的人机界面

本实验的总体目标是将视频游戏传感器技术应用于一种低成本的人机交互界面，以实现平衡功能康复。首先需要设置移动脑-体成像（mobile brain body imaging，MoBI）设备及软件系统。第二步是在人体上放置MoBI传感器，以采集生理数据。

接下来，使用眼动仪评估卒中后的视觉追踪眼动。眼动追踪将表明，与注视相关的指标有助于明确卒中后的动眼功能障碍，这对规划视觉运动平衡治疗可能具有重要意义。随后，在移动脑-机接口（MoBI）环境下，对用于神经肌肉电刺激（NMES）辅助视觉运动平衡治疗的传感器进行校准。

最后一步是在进行视觉运动平衡治疗期间，从低成本传感器收集多传感器数据。我们正在将该技术扩展应用于中风后平衡功能受损患者的居家康复治疗。我们的系统包含基于注视、预后双模以及一种注视光谱，作为视觉运动平衡治疗中的重要组成部分。

因此，这种范式转变的技术能够捕捉中风后视觉系统、运动系统和平衡系统如何协同行走，并通过训练促进其康复。原则上，该技术也可应用于其他疾病，如自闭症谱系障碍、帕金森综合征、创伤性脑损伤，以及由抑郁症引起的心理运动障碍。所有这些情况均可在此训练系统中得到康复。

首先准备一个投影屏幕，用于显示视觉生物反馈信息。调整屏幕高度，使屏幕中心与受试者的眼睛处于同一水平。然后将动作捕捉传感器放置在投影屏幕前方，并将其对准动作捕捉区域。

确认动作捕捉区域位于动作捕捉传感器前方1.5米至2.5米范围内。接下来，将平衡板放置在地面上，距离动作捕捉传感器约2.0米。平衡板周围应留出足够空间，以确保能够完成全身运动。

开始在NMES系统中进行肌电图（EMG）传感器放置时，请受试者坐在椅子上。将EMG和NMES电极对称地放置在受试者的内侧腓肠肌和胫前肌上。然后，将电极连接至无线NMES刺激系统。

接下来，按照国际10-20系统将脑电图（EEG）帽放置在受试者头部。使用导电膏将电极粘附于头皮（如图所示），然后将其连接至无线EEG头戴设备。在一只眼睛的上方和下方各放置一个被动EEG电极，以采集垂直眼电图（EOG）。

在每只眼睛的外侧眶周再添加两个电极，以采集水平眼电图（EOG）。最后，在受试者的耳垂上放置两个被动脑电电极，作为脑电图（EEG）的参考电极。首先，将眼动仪放置在视觉反馈计算机显示器正下方，并使用 USB 3 接口将其连接到视觉反馈计算机上。

然后，让受试者坐在距离眼动仪50厘米的桌旁，调整视觉反馈计算机显示器的位置，使受试者的眼睛位于显示器中央。在视觉反馈计算机上，打开Eye Tribe服务器和Eye Tribe when-you-eye程序，以确认Gooey是否已检测到受试者的眼睛，并随后执行眼动仪的校准程序。接下来，要求受试者直视视觉反馈计算机显示器，以接收视觉提示。

在Gooey中点击校准选项卡，运行眼动仪校准程序。在smart eye文件夹中运行visual underscore stimulus dot exc程序，以启动基于虚拟现实的界面。随后，在smart eye文件夹中运行smart eye dot exc程序，获取与基于虚拟现实的任务同步的受试者眼动数据。

要求受试者跟随视觉反馈计算机屏幕上不同位置的固定和移动视觉刺激，以评估卒中后的追随性眼动。首先，将眼动仪和平衡板传感器连接到视觉反馈计算机。打开平衡板（BB传感器）。

按下BB传感器上的按钮，使该设备在菜单中可被远程发现。点击系统任务栏中的显示或隐藏图标，然后点击蓝牙设备图标。接着，点击“添加设备”选项，将BB作为蓝牙设备与视觉反馈计算机配对，配对时无需输入验证码。

当平衡板连接到视觉反馈计算机后，打开 VBT 文件夹，运行 We BB interface dot m 文件以建立 Matt lab BB 接口。让受试者站在平衡板上。单击“确定”开始校准，然后输入受试者的体重并再次单击“确定”。

接下来，将动作捕捉传感器连接至数据采集计算机并开启电源，确保其已完全启动（以绿灯亮起为指示）。打开LSL文件夹并启动Mocap软件，开始传输动作捕捉传感器的数据。开启连接到数据采集计算机的脑电图（EEG）和眼电图（EOG）数据采集系统。

为此，首先打开 LSL 文件夹，然后使用 LSL.cmd 打开 vibe 采集服务器。最后，在菜单中为 EEG 和 EOG 选择 emotive EPOC，并通过点击驱动程序属性来配置模块。然后，点击连接，再点击播放以启动采集服务器。

首先，让受试者站在平衡板上并系好安全背带。通过将刺激频率设置为20赫兹，设定直立站立所需的最低基础NMES水平。然后，在数据采集计算机中安装的NMES软件中逐步增加脉冲宽度和电流强度，直至实现直立站立。

对于NMES辅助的VBT，要求受试者坐在椅子上，面向动作捕捉传感器，双脚置于平衡板上。运行数据采集文件夹中的calib sensors程序，以收集多传感器校准数据。最后，要求受试者在不同方向上执行自主发起的最大限度伸展动作，这些动作会影响视觉反馈中重心位置的显示。

首先，在数据采集文件夹中运行采集基线程序，以收集基线静息状态、睁眼条件下的多传感器数据。操作时，请受试者静止站立两分钟，并直视视觉反馈中重心位置的中心点。随后，在数据采集文件夹中运行已采集的VBT程序，以收集受试者进行VBT训练期间的传感器数据。

将视觉反馈计算机的视频输出连接到投影屏幕，并在视觉反馈计算机的 VBT 文件夹中运行 smart IVRT tasks dot exe 文件，以启动 smart IVRT tasks Gooey。然后，要求受试者注意计算机屏幕上的音频和视觉提示，并尽快将光标移向随机出现的周围目标。在“移动阶段”结束后，要求受试者将光标在目标位置保持一秒钟。

在周围保持阶段结束后，要求受试者返回中心保持位置，同时系统采集受试者压力中心的二维坐标以及视线数据的二维坐标。通过眼动仪采集眼动特征，以量化受试者在平滑追踪任务中的表现，并用于后续与卒中后VBT数据的比较。随后，在VBT中，采用一种改良的屈伸伸手任务（functional reach task）方案，通过视觉反馈提示，量化受试者在不失去平衡的前提下，自主尽快移动其压力中心位置的能力。

此处EOG数据显示，在进行VBT期间，目标注视持续时间与光标注视持续时间的FD比值增加，同时归一化均方误差减小。在实施该操作过程中，必须充分考虑卒中患者的安全与舒适性。我们预期，基于虚拟现实的平衡康复系统将能够有效改善卒中患者的平衡功能障碍。

因此，按照此流程，其他额外的临床评估指标，如平衡能力和活动能力的临床评估，可能远不足以全面了解定量测量指标与其他标准临床参数之间的比较情况，从而难以全面掌握卒中患者的神经功能缺损状况，也无法在康复过程中对此问题进行全面干预。