Eine Mensch-Maschine-Schnittstelle Integration von Low-Cost-Sensoren mit einem Neuromuskuläre Elektrostimulation System zur Post-Stroke Balance Rehabilitation

Das übergeordnete Ziel dieses Verfahrens ist es, die Sensortechnologie von Videospielen auf eine kostengünstige Mensch-Maschine-Schnittstelle für die Gleichgewichtsrehabilitation anzuwenden. Dies wird erreicht, indem zunächst mobile Geräte und Software für die Bildgebung des Gehirns (MoBI) eingerichtet werden. Der zweite Schritt besteht darin, MoBI-Sensoren am Körper zu platzieren, um physiologische Daten zu erfassen.

Als nächstes wird ein Eyetracker verwendet, um die Augenbewegungen nach dem Schlaganfall auszuwerten. Eye-Tracking zeigt, dass blickbezogene Indizes bei der Abgrenzung von okulomotorischen Defiziten nach einem Schlaganfall hilfreich sein können, was für die Planung einer visuomotorischen Gleichgewichtstherapie relevant sein kann. Anschließend werden Sensoren für die neuromuskuläre Elektrostimulation (NMES), die bei der visuomotorischen Gleichgewichtstherapie unter MoBI unterstützt werden, kalibriert.

Der letzte Schritt besteht darin, Multisensordaten von kostengünstigen Sensoren während der visuomotorischen Gleichgewichtstherapie zu sammeln. Wir erweitern diese Technologie für unsere Homebase-Rehabilitation für Schlaganfallpatienten, die an Gleichgewichtsverlust leiden. Unser System umfasst blickbasiertes, prognostisches Dual- und One-Gaze-Spektrum als wichtigen Bestandteil der visuomotorischen Gleichgewichtstherapie.

Diese Paradigmenwechsel-Technologie erfasst also, wie das visuelle System, das motorische System und das Gleichgewichtssystem nach einem Schlaganfall zusammenarbeiten und versucht, sie durch Training zu rehabilitieren. Im Prinzip kann diese Technik also bei anderen Erkrankungen wie Autismus-Spektrum-Störung, Parkinsonismus, Schädel-Hirn-Trauma und auch bei psychomotorischen Störungen aufgrund von Depressionen eingesetzt werden. Alle können in diesem Ausbildungssystem rehabilitiert werden.

Beginnen Sie damit, sich eine Projektionsfläche zu besorgen, um das visuelle Bio-Feedback anzuzeigen. Passen Sie die Höhe so an, dass sich die Mitte des Bildschirms auf Augenhöhe des Motivs befindet. Platzieren Sie dann den Untertitelsensor vor der Projektionsfläche und richten Sie ihn auf die Lautstärke der Bewegungserfassung.

Vergewissern Sie sich, dass die Lautstärke der Bewegungserfassung 1,5 Meter bis 2,5 Meter vor dem Bewegungserfassungssensor beträgt. Legen Sie als Nächstes das Balance Board auf den Boden, etwa 2,0 Meter vom Motion-Capture-Sensor entfernt. Lassen Sie genügend Platz um das Balance Board herum, um die volle Körperbewegung zu gewährleisten.

Um mit der Platzierung des Sensors für die Elektromyographie (EMG) im NMES-System zu beginnen, bitten Sie den Probanden, sich auf einen Stuhl zu setzen. Platzieren Sie die EMG- und NMES-Elektroden beidseitig auf den vorderen Musculus medialis und Tibialis anterior des Probanden. Verbinden Sie dann die Elektroden mit dem drahtlosen NMES-Simulatorsystem.

Setzen Sie als Nächstes das Elektroenzephalogramm oder die EEG-Kappe auf den Kopf des Probanden, indem Sie dem internationalen 10-20-System folgen. Verwenden Sie leitfähige Paste, um die Elektroden, die hier zu sehen sind, auf die Kopfhaut zu kleben, bevor Sie sie an das drahtlose EEG-Headset anschließen. Platzieren Sie zwei passive EEG-Elektroden über und unter einem Auge, um das vertikale Elektrookulogramm (EOG) zu erfassen.

Fügen Sie dem äußeren Campus jedes Auges zwei weitere hinzu, um den horizontalen EOG zu erfassen. Platzieren Sie abschließend zwei passive EEG-Elektroden auf den Ohrläppchen des Probanden, die als EEG-Referenzelektroden dienen. Beginnen Sie damit, den Eyetracker direkt unter dem Monitor des visuellen Feedback-Computers zu platzieren und ihn über einen USB-3-Anschluss mit dem visuellen Feedback-Computer zu verbinden.

Bitten Sie dann den Probanden, sich in einem Abstand von 50 Zentimetern zum Eyetracker an den Schreibtisch zu setzen, und stellen Sie den Computermonitor mit visuellem Feedback so ein, dass sich die Augen des Probanden in der Mitte des Monitors befinden. Öffnen Sie im visuellen Feedback-Computer den Eye Tribe-Server und den Eye Tribe, wenn Sie ein Auge haben, um sicherzustellen, ob die Augen des Motivs vom Gooey erkannt werden, und um anschließend die Kalibrierungsroutine des Eye-Trackers durchzuführen. Bitten Sie als Nächstes den Probanden, direkt auf den Computermonitor mit visuellem Feedback zu schauen, um visuelle Hinweise zu erhalten.

Führen Sie die Eye-Tracker-Kalibrierungsroutine aus, indem Sie auf die Registerkarte "Kalibrieren" in Gooey klicken. Führen Sie den visuellen Unterstrich stimulus dot exc im Smart Eye-Ordner aus, um die Virtual-Reality-basierte Schnittstelle auszuführen. Führen Sie anschließend das Programm smart eye dot exc aus, das sich im Smart Eye-Ordner befindet, um die Blickvermittlungsdaten des Motivs zu erfassen, die mit der auf Virtual Reality basierenden Aufgabe synchronisiert sind.

Bitten Sie den Probanden, den festen und sich bewegenden visuellen Reizen an verschiedenen Positionen auf dem Bildschirme des visuellen Feedbacks zu folgen, um die Augenbewegungen nach dem Schlaganfall zu bewerten. Verbinden Sie zunächst den Eyetracker und die Balanceboard-Sensoren mit dem visuellen Feedback-Computer. Schalten Sie das Balance Board oder den BB-Sensor ein.

Drücken Sie die Taste am BB-Sensor, um die Fernbedienung im Menü erkennbar zu machen. Klicken Sie auf das Ein- oder Ausblenden-Symbol in der Taskleiste des Systems und klicken Sie auf das Bluetooth-Gerätesymbol. Klicken Sie dann auf die Option "Gerät hinzufügen" und koppeln Sie den BB als Bluetooth-Gerät, ohne den Code an den Computer mit visuellem Feedback zu senden.

Sobald das Balance-Board mit dem visuellen Feedback-Computer verbunden ist, öffnen Sie den VBT-Ordner und führen Sie die Datei We BB interface dot m aus, um die Matt Lab BB-Schnittstelle einzurichten. Lassen Sie das Motiv auf dem Balanceboard stehen. Klicken Sie auf OK, um die Kalibrierung zu starten, geben Sie das Gewicht des Motivs ein und klicken Sie erneut auf OK.

Schließen Sie als Nächstes den Motion-Capture-Sensor an den Datenerfassungscomputer an, schalten Sie ihn ein und stellen Sie sicher, dass er vollständig gestartet ist, was durch das grüne Licht angezeigt wird. Öffnen Sie den LSL-Ordner und starten Sie die Mocap-Software, um mit dem Streaming der Motion-Capture-Sensordaten zu beginnen. Schalten Sie die EEG- und EOG-Datenerfassungssysteme ein, die an den Datenerfassungscomputer angeschlossen sind.

Öffnen Sie dazu zunächst den Ordner LSL und öffnen Sie den open vibe acquisition server mit LSL dot cmd. Wählen Sie abschließend emotive EPOC aus dem Menü für EEG und EOG aus und konfigurieren Sie das Modul, indem Sie auf Treibereigenschaften klicken. Klicken Sie dann auf Verbinden und klicken Sie auf Play, um den Akquisitionsserver zu starten.

Beginnen Sie damit, die Versuchsperson zu bitten, sich auf das Schwebebrett zu stellen und einen Sicherheitsgurt anzubringen. Stellen Sie einen minimalen NMES-Basispegel für den aufrechten Stand ein, indem Sie die Stimulationsfrequenz auf 20 Hurtz einstellen. Erhöhen Sie dann die Impulsbreite und den Strompegel in der NMES-Software, die auf dem Datenerfassungscomputer installiert ist, bis ein aufrechter Stand erreicht ist.

Bitten Sie den Probanden bei NMES-gestützter VBT, sich auf einen Stuhl zu setzen und mit den Füßen auf dem Balance-Board dem Motion-Capture-Sensor zuzugewandt zu sein. Führen Sie das Programm calib sensors im Ordner data collect aus, um Multisensor-Kalibrierungsdaten zu sammeln. Bitten Sie den Probanden schließlich, selbst initiierte Bewegungen mit maximaler Reichweite in verschiedene Richtungen auszuführen, die sich auf die Schwerpunktslage des visuellen Feedbacks auswirken.

Beginnen Sie mit dem Ausführen des Programms zum Sammeln von Baselines im Ordner data gather, um Baseline-Ruhezustand, geöffnete Augen und Multisensordaten zu erfassen. Bitten Sie dazu den Probanden, zwei Minuten lang still zu stehen und direkt auf den Schwerpunkt des visuellen Feedbacks zu schauen. Führen Sie dann das gesammelte VBT-Programm im Ordner data collect aus, um Sensordaten während VBT zu sammeln.

Verbinden Sie die Videoausgabe des visuellen Feedback-Computers mit der Projektionsfläche und führen Sie die Datei "smart IVRT tasks dot exe" im VBT-Ordner auf dem Visual Feedback Computer aus, um die Smart IVRT-Aufgaben Gooey zu starten. Bitten Sie dann den Probanden, auf die akustische und visuelle Aufforderung auf dem Computerbildschirm zu achten und den Cursor so schnell wie möglich auf zufällig präsentierte Peripherieziele zu lenken. Bitten Sie das Subjekt nach der Bewegungsphase, den Cursor eine Sekunde lang an der Zielposition zu halten.

Bitten Sie den Probanden nach der peripheren Haltephase, in die zentrale Halteposition zurückzukehren, während das System die beiden d-Koordinaten des Druckzentrums des Probanden und die beiden d-Koordinaten der Blickdaten erfasst. Die Blickfunktionen wurden mit dem Eyetracker erfasst, um die Leistung eines Probanden während einer reibungslosen Verfolgungsaufgabe zu quantifizieren und später mit VBT-Daten nach dem Schlaganfall zu vergleichen. Für VBT wurde dann das Protokoll verwendet, um die funktionelle Reichweitenaufgabe zu modifizieren, um die Fähigkeit des Probanden zu quantifizieren, seine Druckmittelposition so schnell wie möglich willentlich zu verlagern, ohne das Gleichgewicht zu verlieren, während es mit visuellem Feedback versehen wurde.

Hier zeigen EOG-Daten, dass während der VBT das FD-Verhältnis oder das Verhältnis der Fixierungsdauer auf dem Ziel und der Fixierungsdauer auf dem Cursor zunahm, während der normalisierte mittlere quadratische Fehler abnahm. Bei diesem Eingriff ist es sehr wichtig, die Sicherheit und den Komfort des Schlaganfallpatienten zu berücksichtigen. Wir gehen davon aus, dass ein auf virtueller Realität basierendes Gleichgewichtsrehabilitationssystem wirksam sein wird, um Gleichgewichtsstörungen von Schlaganfallpatienten zu behandeln.

Nach diesem Verfahren können andere zusätzliche klinische Messungen, wie z.B. die klinische Messung des Gleichgewichts und der Mobilität, im Vergleich zu anderen klinischen Standardparametern weit davon entfernt sein, umfassend zu wissen, wie quantitative Messungen durchgeführt werden können, so dass wir ein umfassendes Bild des funktionellen Defizits eines Schlaganfallpatienten erhalten und dieses Problem in der Rehabilitation umfassend angehen können.