Eine strukturierte Rehabilitation Protokoll zur Verbesserung der Multifunktions Prosthetic Steuerung: Eine Fallstudie

Summary

Da sich die Entwicklung von Prothesen dem Ziel der natürlichen Kontrolle nähert, kann die Nutzung der angeborenen Fähigkeit von Amputierten, neue motorische Fähigkeiten zu erlernen, die Leistungsfähigkeit ermöglichen. Dieses Manuskript beschreibt ein strukturiertes Rehabilitationsprotokoll, das Imitations-, Wiederholungs- und Reinforcement-Learning-Strategien umfasst, um die multifunktionale prothetische Kontrolle zu verbessern.

Abstract

Fortschritte in der Robotersysteme haben in Prothesen der oberen Extremität, die multifunktionelle Bewegungen erzeugen kann, geführt. Diese ausgeklügelte Systeme erfordern jedoch oberen Extremität Amputierten, um komplexe Steuersysteme zu lernen. Die Menschen haben die Fähigkeit, neue Bewegungen durch Nachahmung und andere Lernstrategien zu lernen. Dieses Protokoll beschreibt einen strukturierten Rehabilitationsmethode, die Nachahmung, Wiederholung und Reinforcement Learning umfasst, und zielt darauf ab, zu beurteilen, ob diese Methode können multifunktionale Prothesensteuerung zu verbessern. Ein links unten Ellbogen Amputierten, mit 4 Jahre Erfahrung in der prothetischen Verwendung, nahm an dieser Fallstudie. Das verwendete Prothese war Michelangelo Hand mit Handgelenk Rotation, und die zusätzlichen Features der Handgelenk Flexion und Extension, die mehr Kombinationen von Handbewegungen erlaubt. Des Teilnehmers Southampton Hand Bewertungsverfahren Punktzahl verbessert 58-71 folgenden strukturierten Ausbildung. Dies deutet darauf hin, dass eine strukturierte Ausbildung Protokoll imitation, Wiederholung und Verstärkung kann eine Rolle bei Lernen, um eine neue Handprothese steuern. Eine größere klinische Studie ist jedoch erforderlich, um diese Ergebnisse zu unterstützen.

Introduction

Austauschen von Handfunktion in Amputierte ist ein schwieriges Unterfangen. Koordinierende hoch qualifizierte Handbewegungen ist nicht eine angeborene Fähigkeit, und nimmt den Menschen Jahre des Lernens zu entwickeln. ^1-5 Nach der traumatischen Verlust einer Hand, zu replizieren diese Fähigkeit durch prothetische Mittel ist keine triviale Aufgabe und kann eine Phase des anhaltenden Lernens erfordern .

Prothetische Design und Schnittstellen Verfahren zu deren Kontrolle unterliegen einem raschen technologischen Innovationen, mit dem Ziel der Multifunktionssteuerung auf natürliche Weise. ⁶ Die Komplexität dieser Kontrollsysteme wesentlich erhöht, um mehr Funktionen für Amputierte bieten. Um eine genaue Kontrolle dieser Systeme zu gewährleisten und Verzicht auf neue Technologien zu verringern, muss eine angemessene Ausbildung zu etablieren. Dies ist wahrscheinlich erfolgreicher sein, wenn sie auf inhärente Lernstrategien der Amputierten basiert.

Vision kann eine wichtige Rolle bei der le spielenArning von Handbewegungen. Verhaltensstudien haben gezeigt, dass durch die Beobachtung der Handlungen der anderen ^{7 oder} mit visuellen Hinweisen ^8, wehrfähigen Personen zu lernen und zu koordinieren, neue Bewegungen. Durch einen Prozess der Beobachtung, das Verständnis und die Ausführung von einer beobachteten Handlung, sind Individuen in der Lage, die Handlungen anderer zu imitieren. Spezifischen kortikalen Netzwerke, die eine spiegelNeuronenSystem (MNS) umfassen kann, wird angenommen, dass diese Funktion unterliegen, und kann eine Rolle bei der Steuerung Prothesen müssen. ^9-11

Rolle aus Kunst könnte nicht nur auf die Ausführung von Verfahren, die bereits gesehen haben ¹² tatsächlich beschränkt ist, sondern zusammen mit den MNS, ermöglichen den Ablauf der Bewegungen, die bisher nicht beobachtet wurden, aber von der Betrachtermotor repetoire extrapoliert., Kann nicht unter Nachahmung notwendigerweise ist eine angeborene Fähigkeit, sondern eine accruement der motorischen Fähigkeiten im Laufe der Zeit, die auf erfahrene und anspruchsvolle Handlungen führen. ¹³ Die strength beobachten Aktionen, über einfach nur vorzustellen, sie hat sich gezeigt, zu verbessern das Erlernen neuer Aufgaben. ¹⁴ So kann Nachahmung ein pragmatischer Ansatz bei der Ausbildung Amputierte sein, da Hinweise darauf, es ist ein Ziel gerichtet Prozess ^15, mit dem Ziel in der Reha-Einstellung ermöglichen nützliche Handprothese Funktion.

Rehabilitation Studien separat gezeigt, dass visuelle Hinweise, wie virtuelle Simulationen eines Prothesenhand, ermutigen Amputierten während des Reha-Training. ¹⁶ Darüber hinaus hat die Verwendung von Wiederholung, wenn sie in einem blockierten Paradigma durchgeführt wurde gezeigt, schnelles Lernen der oberen Gliedmaßen prothetischen aktivieren Steuer. ¹⁷ Während virtuelle Simulationen haben sich als ebenso wirksam wie wirkliche Kontrolle der prothetischen Hände in ermöglicht abled-Körper-Nutzer myoelektrischen Geräte zu steuern, ist ¹⁸ ihre Wirkung auf die Amputierten mit standardisierten Ergebnismessungen nicht klar. Schließlich wird gegebenen Protokolle zur oberen Extremität AMPUtation Ausbildung vorhanden ist, die Rolle der Imitation im Lern von Prothesensteuerung nicht explizit diskutiert. ^19,20

Diese Studie zielt darauf ab, das Verständnis, wenn die Verwendung von Nachahmung, in Kombination mit Wiederholung und Verstärkung, hat eine positive Auswirkung auf den Lern ​​multifunktionaler Prothesensteuerung im Rahmen einer strukturierten Ausbildung.

Hier präsentiert wird, ist ein Fallbericht eines transradialen Amputierten, die ausgebildet wurde, um eine multifunktionale Handprothese zu verwenden. Der Teilnehmer hatte zuvor daran gewöhnt, arbeitet traditionellen myoelektrische Prothesen zu werden. Verwenden von visuellen Hinweisen, sowohl in Form von Imitation eines gesunden Demonstrator und so einfach Computer visuelle Rückmeldung, der Amputierte schnell verbesserte Handhabung von seinem neuen Gerät.

Protocol

Diese Studie wurde in Übereinstimmung mit der Deklaration von Helsinki durchgeführt, sind die lokalen Forschungsethikkommission genehmigt. Die Studie wurde in allen Einzelheiten zu dem Teilnehmer vor Beginn erläutert, so dass die Teilnehmer die Zeit, um abzuwägen, die Entscheidung, freiwillig an der Studie teil und seine Beteiligung informiert, schriftliche Zustimmung bestätigen.

Hinweis: Ein Mann, der im Alter von 27 Jahre, nahmen an der Studie. Der Teilnehmer hatten normale Vision wurde ein links unten-Ellbogen Amputierten und war ein erfahrener Benutzer (4 Jahre Gesamtprothese die Anwendung). Vor Beginn dieser Studie die Prothese er auf einer täglichen Basis verwendet wurde, war ein 4-Kanal myoelektrischen Prothesenhand mit Handgelenkdrehung für 12-15 Stunden pro Tag für 15 Monate. Der Teilnehmer der rechten Hand hatte zuvor chirurgisch rekonstruiert, hatte aber keine andere physikalische oder neurologische Beeinträchtigung.

1. Studiendesign

1. Teilen Sie die Studie über zwei Sitzungen: na39; ve Nutzung, und verwenden Sie folgenden strukturierten Ausbildung.
   Hinweis: Dies ist, um intraindividuelle Vergleich vor und nach dem Training bzw. zu ermöglichen.
2. Sicherzustellen, dass diese zwei Sitzungen gibt mindestens drei Monate auseinander liegen, so dass sie als voneinander unabhängig behandelt werden.
3. Am Anfang der beiden Sitzungen passen eine individuelle Schaftprothese und dem Teilnehmer. Stellen Sie sicher, dass die prothetische Hardware und Regelalgorithmen mit denen in den Materialien dieses Protokolls aufgeführt. Stellen Sie sicher, dass der Teilnehmer nicht in der Lage, um die maßgeschneiderte Prothese in der Zwischenzeit zwischen den Sitzungen zu verwenden.
4. Trainieren Sie den Patienten nach den Schritten im Naive Session und Strukturierte Schulungssitzung Abschnitten dieses Protokolls aufgeführt. Zu Beginn eines jeden dieser Sitzungen, kalibrieren Sie den prothetischen Hardware. Mit den gesammelten Kalibrierdaten für Echtzeit-Prothesensteuerung.
5. Sobald das Naive Session und Strukturierte Schulungssitzung abgeschlossen sind, beurteilen die participant Leistung mit der Southampton Hand Bewertungsverfahren (SHAP) Ergebnis Maßnahme. ²³ Vergleichen Sie die SHAP Partituren zu einer Baseline-Messung unter Verwendung von Standard-Prothese des Teilnehmers (vor entweder Schulungen erhalten).

2. Materialien

1. Montieren Sie den Teilnehmer mit einem speziell angefertigten Sockel. Bringen Sie einen handelsüblichen Prothese nach Herstellerangaben. Bestücken Sie die Handprothese mit Prototyp-Komponenten, die betätigt Handgelenk Flexion, Extension und Rotation zu ermöglichen. Dies ermöglicht es dem Teilnehmer, die Hand mit 3,5 Freiheitsgraden (DoFs) (Tabelle 1) zu steuern.
   Hinweis: Bei diesem Experiment ein Michelangelo Hand (siehe Materialliste) verwendet wurde. Andere Endgeräte in der Lage Handgelenk Rotation, Flexion und Extension zusammen mit Standard-Griff-Funktionen wäre auch sinnvoll sein.
2. Nehmen EMG-Signale mit acht äquidistant platziert Rohsignal Elektroden um den Stumpf,und ein On-Board-Decodiersystem mit der Abtastrate von 1000 Hz digitalisiert und mit 10-Bit-Tiefe. Führen Sie die anfängliche Filterung und Verstärkung in den Elektroden selbst nach den Vorgaben des Herstellers. Verwenden Sie einen Personalcomputer (PC), um die Hauptverarbeitung, die mit Erfassungshardware kommuniziert und steuert die Prothese über eine drahtlose Verbindung durchzuführen.
   Hinweis: In dieser Studie wurden von Otto Bock die Oberflächen EMG-Elektroden und On-Board-Entschlüsselungssystem (AxonBus) verwendet. Andere Hersteller von ähnlichen Geräten wäre auch sinnvoll sein. Die WLAN-Verbindung war über Bluetooth, und ebenso andere Modalitäten angewandt werden könnten.

3. Regelalgorithmus

1. Verwenden Sie einen Steueralgorithmus, der gleichzeitige und proportional Prothesensteuerung über mehrere DoFs bietet. ^21. Die in dieser Studie verwendeten Algorithmus wurde ein zweistufiger Entscheidungs ​​Paradigma, so dass kontextabhängige Bewegungsschätzung nicht möglich war.
2. Beim Systemtraining, das alle steuerbaren Einzel DoF Bewegungen enthält, notieren Sie einen eingehenden Elektromyogramm (EMG).
3. In der ersten Stufe, zu bewerten intrinsische dreidimensionale Informationen des beabsichtigten Bewegung basierend auf der Mahalanobis-Distanz der neu berechnete EMG-Merkmalsvektor aus den Trainingsdaten. Machen Sie eine Entscheidung getroffen, ob die Absicht des Benutzers wurde zu einem feinen 1-DoF oder eine gröbere gleichzeitige 2-DoF Bewegung durchführen.
   Hinweis: Mahalanobis-Distanz eines Merkmalsvektor x zu Klasse i mit dem Klassenmittelwertvektor μ _i und Kovarianzmatrix Σ _i wird wie folgt berechnet:
   
   Wie in Amsuess et al beschrieben ist, wird der neu berechnete Merkmalsvektor zu der hochdimensionalen Raum und der Mahalanobis-Distanz von dem transformierten Punkt irgendeinem der ausgebildeten Punkte der Klasse zugeordnet ist, als Maß für die Neuheit entnommen. ²¹ eine empirischermittelten Schwellen diesem Abstand ergibt die Entscheidung für die Neuheit (2-DOF) oder nicht (1-DOF).
4. In der zweiten Stufe, auf der Grundlage der früheren Entscheidung, eine der zwei parallelen Schätzer - ein Umgang mit den aufeinanderfolgenden Bewegungen (SEQ-E) und den anderen Umgang gleichzeitige Bewegungen (SIM-E) - um die Steuersignale für die Prothese zu schaffen.
   Anmerkung: SEQ-E ist im wesentlichen ein Proportional-Schätzer (dh die Stärke der Muskelkontraktion), die auf gemeinsamen räumlichen Muster ^(CSP) 21, während die SIM-E ist eine lineare Regressor, der gleichzeitig lenkt 2 DoFs des Handgelenks.

4. Software Framework

Hinweis: Die Software-Framework in dieser Studie erlaubt Handhabung der Kommunikation zwischen der prothetischen Hardware und der Embedded-Steuerungsalgorithmus verwendet. Es auch optisch unterstützenden Trainingswerkzeuge für die Maximierung der Teilnehmer Schulungsaufwand angeboten.

1. Zeigen Sie den quadratischen Mittelwert (RMS) der EMG Signale von den 8 gleichmäßig beabstandeten Elektroden in Form einer Ortskurve der EMG-Amplitude als Funktion der Elektroden Stelle gesammelt. Diese visuelle Rückkopplung ermöglicht eine einfache Überwachung der räumlichen Verteilung der EMG in der Querebene des Unterarms. Verwendung einer derartigen Einrichtung kann jede der Bewegungen des Benutzers, wodurch ein bestimmtes Muster ²² hervorzurufen in der Ortskurve, die dann gespeichert und verwendet, um die Reproduzierbarkeit des spezifischen Geste ausbilden kann.
   Anmerkung: Der Rahmen ermöglicht die Sammlung von EMG-Daten im Standardmustererkennungs Weise ²³ für jeden der Kanäle die RMS-EMG als 40 msec berechnet.
   
   was zu Beobachtungen für jedes Ensemble Fenster.
2. Für anfängliche Kalibrierung sammeln die maximale langfristige freiwillige Kontraktion Werte (MLVC) für jeden beabsichtigten Bewegung. Fordert den Teilnehmer unter Verwendung der Hand des Demonstrators zu erfüllendie gewünschte Bewegung und gibt Vokal- und visuelle Anweisungen für 5 Sekunden.
3. Nach der Kalibrierung stellen die Teilnehmer mit einer Reihe von trapezförmigen Cues. Diese Kraftprofile enthalten Plateaus Satz bei 30%, 60% und 90% des kalibrierten Maximal.
4. Innerhalb jeder Studie, weisen Sie den Teilnehmer, den roten Zeiger entlang der Cue durch Modulation der Kraftniveau der Aufforderung Bewegung (Abbildung 1) zu steuern. Die vertikale Position des Zeigers entspricht der aufsummierten Effektivwerte für alle acht Kanäle. Stellen Sie die Dauer des Verfahrens bis 5 s mit Plateau Intervall entsprechend der Mitte 3 Sek.

5. Naive Session

Hinweis: Während der naive Training hatte die Teilnehmer keine vorherige Erfahrung des Prothesensteuerungsschema in dieser Studie verwendet.

1. Geben Sie nicht dem Teilnehmer eine formale klinische Ausbildung, sondern nur anzuweisen, dass 8 Maßnahmen des Stumpfes, eines davon ist ein Ruhezustand,die Steuerung eines visuellen Ziels auf einem Computer-Bildschirm zu ermöglichen. Diese Aufgaben sind ähnlich denen in der klassischen Mustererkennung verwendet Ansätze für Prothesensteuerung ^23, und für die Methoden der Teilnehmer in dieser Studie hatten etwa 60 h der bisherigen Erfahrungen.
2. Zeigen Sie die erforderlichen Bewegungen auf dem Bildschirm in Form von Text und ein statisches Bild, während nach einer visuellen Hinweis (Abbildung 1).
3. Zeigen Sie der Teilnehmer seinen EMG Aktivierungsmuster, die zu acht spezifischen und einzigartigen Polardiagramme (Abbildung 2) entsprechen.
4. Verwenden akustische Anweisungen, um die Teilnehmer zu ermutigen, die visuellen Hinweis zu folgen. Diese akustische Anweisungen müssen identisch sein, wenn in der strukturierten Trainingseinheit verwendet.
5. Wiederholen Sie die Aufgaben dreimal mit verschiedenen Arm-Positionen (entspannt und erreichte vor und erreichte gegenüber), um die Systembildung. Denken Sie daran, dass es 8 verschiedene Aktionen und drei Kraftwerken, sobald alle arm Positionen gedeckt sind,System Trainingseingabe fasst an die insgesamt 72 Einzelproben.
6. Wenn Sie fertig sind, ermöglichen dem Teilnehmer die Möglichkeit, Echtzeit-Kontrolle vor dem Abschluss der SHAP Erfolgskontrolle üben.
7. Sicherstellen, dass die Teilnehmer keinen Zugriff auf die maßgeschneiderte Prothese und Regelalgorithmen über das Ende des naiv-Sitzung.

6. Strukturiertes Training Session

1. Drei Monate nach dem naiv-Sitzung, führen einen strukturierten Trainingseinheit.
2. Strukturieren Sie die Sitzung in den folgenden geordneten Schritten (Abbildung 3):
   1. Zur Nachahmung, weisen Sie den Teilnehmer direkt imitieren die gewünschten acht Aktionen (Tabelle 1) von der Demonstrator in Echtzeit durchgeführt. Führen Sie jede Aktion für 3 Sekunden.
   2. Für die Wiederholung, bitten Sie die Teilnehmer, um die Aktion, die 10 Mal nachgeahmt wurde wiederholt, so dass jede Aktion wird für 30 Sekunden durchgeführt.
   3. Zur Verstärkung & Computer system Training, fragen Sie die Teilnehmer nun eine visuelle Rückmeldung des Computers zu engagieren, das ist genau die gleiche Einstellung wie die Naive Sitzung. Sicherzustellen, dass es keinen Unterschied zwischen diesen beiden Abschnitten.
   4. Für Prothesensteuerung, bitten Sie den Teilnehmer, Echtzeit-Steuerung der Prothese angefertigt, bevor Sie die Erfolgskontrolle zu üben.
3. Während Nachahmung, sitzen die Teilnehmer in einem 45 ° Winkel von der Demonstrator und bieten mit einem vollen und ungehinderten Blick auf die Hand des Demonstrators Anpassung der betroffenen Seite des Teilnehmers während aller Aktionen (Abbildung 4). Keine visuelle Hinweise von einem Computer-Bildschirm zur Verfügung stehen sollte dem Teilnehmer zu diesem Zeitpunkt.
4. Für die Wiederholung, während der Aktionen der Teilnehmer, haben der Demonstrator beachten Sie die entsprechenden EMG-Aktivität, wie durch die Polardiagramme jeder Bewegung (Abbildung 4) vertreten. Sobald der Demonstrator hat, dass der TEILNEHMER bestimmtt können einzigartige und wiederholbare EMG Aktivierungsmuster für jede Bewegung zu erzeugen, bitten Sie den Teilnehmer, um die Aktionen für 30 s ohne visuelle Hinweise zu wiederholen.
   Hinweis: Es gibt insgesamt 8 einzigartige Aktionen - sieben von ihnen (Handgelenk Pronation / Supination Handgelenk Flexion / Extension, Hand geöffnet, Schlüsselgriff und feine Prise) Muskelaktivierung erfordern, und der achte wobei keine Aktion, die einen stetigen entspannten Zustand darstellt.
5. Nach der Verstärkung & Computersystem Ausbildung, präsentieren die Teilnehmer mit visuellem Feedback seiner acht Aktionen, genau so, wie in der naiv-Sitzung, die zu den acht einzigartigen und spezifischen Polardiagramme auf dem Bildschirm entsprechen (Abbildung 3) zu sehen. Zur Optimierung der Leistung, fragen Sie die Teilnehmer, die Handlungen, während Sie die Echtzeit-Polardiagramme mit aufgezeichneten Bewegungsüberlagerungen zum Lernen zu stärken, in der Regel zwischen 2-4 Versuche für jede Bewegung durchzuführen. Einmal überzeugt, kann der Teilnehmer führen Sie die gleichen Aufgaben, die perf waren ORMED in der naiv-Sitzung.

7. Prothesensteuerung

1. Nutzen Sie die Trainingsdatensätze aus jeder Sitzung zu kalibrieren und die Prothese für die Echtzeitsteuerung.
2. Zunächst wird nur erlauben dem Teilnehmer, um die Prothese durch aufeinanderProportionalSteuerung, dh eine Bewegung in einer Zeit, mit der Geschwindigkeit der Vorrichtung im Verhältnis zu den Ebenen der Muskelkontraktion zu steuern.
3. Sobald jeder der acht Aktionen werden in eine wiederholbare und zuverlässige Weise durchgeführt wird, schaltet das Steuersystem eine proportionale und gleichzeitige Steuerung, so dass mehr als eine Bewegung des Handgelenks zu einem Zeitpunkt.
4. Haben die Teilnehmer der Praxis einfache Aufgaben wie Kommissionierung eine Flasche und legte sie auf die Seite (2 Versuche ist ausreichend). Lassen Sie eine Zeit der Ruhe, bevor die Erfolgskontrolle durchgeführt wird. Im Falle dieser Studie 2 h ruhen sollte die naive Sitzung und 24 h ruhen sollte die strukturierte Sitzung.

itel "> 8. Outcome Measurement

1. Werten Sie globalen oberen Extremität Funktion sowohl in den naiven und strukturierte Schulungen mit dem SHAP, die Hand und der oberen Extremität Funktion eng mit Aktivitäten des täglichen Lebens (ADL) im Zusammenhang überwacht. Die in der SHAP ausgeführten Aufgaben zählen Manipulations leichten und schweren Gegenständen sowie Aufgaben der ADL, wie beispielsweise Schneiden eines Objekts mit einem Messer oder zum Verhängnis Tasten. Die SHAP hat zur Beurteilung der pathologischen und Handprothese Funktion validiert. ²⁴
   Hinweis: Diese Messung wurde gewählt, weil der Teilnehmer in dieser Studie war routinemäßig mit diesem Ergebnis Maßnahme von seiner klinischen Team folgte.

Results

Die Baseline-SHAP Leistung der Teilnehmer mit seinem täglichen Prothese war 81, als durch die klinische Personal 8 Monate vor dem Test gemessen. Ein SHAP Score von 100 stellt fähigen Handfunktion. ²⁴ der Teilnehmer während der naiv-Sitzung mit dem fortgeschritteneren Prothese Kontrollsystem hat eine Gesamtpunktzahl von 58 SHAP. Allerdings, 3 Monate später und ohne weitere Interaktion mit dem neuen System, abgesehen von der strukturierten Ausbildung, erreicht der Teilnehmer eine SHAP Punktzahl von 71 mit der g...

Discussion

Unsere Ergebnisse legen nahe, für den Teilnehmer in dieser Studie, dass strukturiertes Training geholfen Steuerung eines Multifunktionshandprothese zu verbessern während einer einzigen Sitzung. Das strukturierte Programm verwendet hier war eine Kombination von Nachahmung, Wiederholung und Verstärkung von Handbewegungen, dass der Teilnehmer nicht in der Lage, mit seinem traditionellen Handprothese zu vervollständigen.

Obwohl die Teilnehmer höher mit seinem traditionellen Prothese im SHAP Test...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Michelangelo Hand	Otto Bock Healthcare Products GmbH, A	8E500=L-M
AxonRotation	Otto Bock Healthcare Products GmbH, A	9S503
Handgelenkbeuger	Otto Bock Healthcare Products GmbH, Ein		Prototyp
Einheit AxonMaster	Otto Bock Healthcare Products GmbH, A	13E500
Elektrode	Otto Bock Healthcare Products GmbH, A	13E200=50AC
SchereZaunElektrodeTräger	Otto Bock Healthcare Products GmbH, Ein		Prototyp
einer Einheit Acquisition	Software Otto Bock Healthcare Products GmbH, eine		Prototyp einer
von Carbon shaft	Otto Bock Healthcare Products GmbH, eine		Prototypeinheit