Name: Haptic / Graphic Rehabilitación: La integración de un robot en un entorno virtual Biblioteca y su aplicación a la terapia de Carrera (Video) | JoVE Journal
Uploaded: 2011-08-08T13:00:00.000+00:00
Duration: 13 min 44 s
Description: Aprende a integrar un robot en un entorno virtual para neurorehabilitación de pacientes con ictus. Este método utiliza software de código abierto y una máquina de estados finitos para mejorar los resultados terapéuticos.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Me gustaría agradecer la ayuda técnica de Brian Zenowich, Evestedt Daniel y Lin Winsean.

Introducción Hay una necesidad creciente en todas interacción hombre-máquina (HMI) para entornos interactivos intuitiva y eficiente. Numerosas industrias siguen dependiendo en mayor medida de HMI, tales como: la robótica de rehabilitación, la industria automotriz, fabricación de metales, maquinaria de envasado, productos farmacéuticos, alimentos, bebidas, y servicios públicos. Tecnologías empleadas en estas industrias incluyen: terminales de pantalla, los ordenadores personales, software y HMI. Estas tecnologías pueden ser combinadas para realizar funciones ilimitadas. Los robots pueden ser utilizados para facilitar la interacción directa con los usuarios, tales como servir como un instructor de música. Por ejemplo, los investigadores de la Universidad de Waseda han creado un robot que toca el saxofón para enseñar a la gente a jugar y de entender la interacción entre el estudiante y el profesor 1. Otros investigadores de robótica han hecho un robot basada en la visión de vuelo para determinar cómo la inteligencia artificial pueden convertirse en las interacciones inteligentes con el medio ambiente 2. La especial concentración de este trabajo reside en la robótica de rehabilitación. En el ámbito de la investigación y la industria, el rápido ritmo de cambio de nuevos productos y necesidades de los usuarios sigue creciendo. Estas exigencias imponen mayores retos de escalabilidad. Por lo tanto el diseño de códigos ha convertido en parte integral para satisfacer las necesidades de estas entidades de manera oportuna. Por lo tanto, la calidad de un candidato fuerte arquitectónicos que incluyen gráficos fácilmente intercambiables-robot que incluyen los sistemas de ayuda al conductor. La arquitectura H3DAPI responde a estas necesidades y por lo tanto una clase de contenedor ha sido creado. Además, la H3D está diseñado para entornos de realidad virtual, como los que se necesitan en la robótica de rehabilitación. Neuronales robótica de rehabilitación busca utilizar robots con el propósito de ayudar a los profesionales de la rehabilitación. La asistencia que proporcionan estos robots se presenta en forma de un campo de fuerza. Pasado los investigadores de comandos del motor, tales como Shadmehr y Mussa Ivaldi, utiliza campos de fuerza para favorecer la adaptación del motor, y han encontrado 1) la adaptación a un campo de fuerza aplicada externamente se presenta con diferentes clases de movimientos incluyendo pero no limitado a los movimientos de largo alcance, y 2) la adaptación se generaliza a través de los distintos movimientos que la visita de las mismas regiones de los 3 campos externos. La investigación de los ingenieros biomecánicos en basado en el desempeño progresivo asistida por robot muestra que la terapia repetitivas, tareas específicas, dirigidos a un objetivo, asistida por robot terapia es efectiva en la reducción de las deficiencias motoras en el brazo afectado después de 4 tiempos, pero los efectos terapéuticos y los parámetros exactos siguen siendo un campo de investigación. Retroalimentación sensorial afecta el aprendizaje y la adaptación. Por lo tanto, la siguiente pregunta lógica sería la de preguntar si o no el incremento artificial de la magnitud de esas reacciones, promoverá más rápida o más completa de aprendizaje / adaptación. Algunos investigadores han encontrado que la aplicación de mayores fuerzas de la retroalimentación sensorial o señales visuales para mejorar los errores pueden proporcionar un estímulo neurológico adecuado para promover mayores niveles de adaptación / aprendizaje 5,6. Esto se conoce como "el aumento de error". Este fenómeno puede deberse al hecho de que los resultados de una vez de una acción de control del motor se apartan del ideal, nuestro modelo interno se ajusta automáticamente de acuerdo a la magnitud del error. En consecuencia, a nuestro modelo interno acerca del ambiente externo, error en la ejecución de una tarea disminuye. La investigación continúa para apoyar la práctica prolongada de la funcionalmente las actividades relevantes para la restauración de la función, aunque muchas de las políticas de salud actuales limitan la cantidad de tiempo que los pacientes pueden pasar tiempo con los terapeutas. La obligada pregunta es si estas nuevas aplicaciones de la tecnología puede ir más allá de simplemente dar una dosis más alta del estado actual de la atención. Hombre-máquina de los estudios de interacción han puesto de manifiesto nuevas perspectivas en las áreas de aprendizaje motor, y en algunos casos pueden ofrecer un valor añadido al proceso terapéutico. Especializados dispositivos robóticos en combinación con ordenador muestra puede aumentar la respuesta de error con el fin de agilizar, mejorar, o desencadenar reaprendizaje motor. Este documento presenta una metodología de uso de un sistema desarrollado para una intervención clínica como uno de los ejemplos de la aplicación de esta tecnología. 1. El establecimiento de la clase HAPI contenedor de un robot <ol><li> Crear un contenedor para la biblioteca de HAPI tacto mediante la creación de su cuenta. Cpp y el archivo de cabecera. Por ejemplo vamos a utilizar el nombre y HAPIWAM.cpp HAPIWAM.h. </li><li> HAPIWAM.cpp lugar en el directorio de origen: HAPI / src </li><li> HAPIWAM.h lugar en el directorio del archivo de cabecera: HAPI / include / HAPI </li><li> En la parte superior de HAPIWAM.h, incluya el archivo de encabezado principal (s) de su robot, en el caso de la WAM de Barrett, que sería la siguiente: </li></ol> &lt;em&gt; extern "C" { # Include &lt;include/btwam.h&gt; } # Include &lt;HAPI/HAPIHapticsDevice.h&gt; Nota: extern "C" es necesaria para resolver mangling compilador, porque la biblioteca se incluye escritos en 'C' y el H3DAPI está escrito en C + +. <ol start="5"><li> En HAPIWAM.h, crear una clase y se incluyen las siguientes cuatro funciones </li></ol> bool initHapticsDevice (int); bool releaseHapticsDevice (); updateDeviceValues ​​void (DeviceValues ​​y dv, HAPITime dt); vacío sendOutput (HAPIHapticsDevice:: DeviceOutput + D, HAPITime t); <ol start="6"><li> Asegúrese de que su clase se hereda de la clase pública HAPIhapticsdevice. </li><li> Crear un guardia de cabecera para su clase. </li><li> Crear DeviceOutput estática y atributos estáticos HapticsDeviceRegistration en la clase HAPIWAM. </li><li> Crear funciones miembro estáticas para devoluciones de llamada. </li><li> Definir el constructor y el destructor de HAPIWAM.cpp. </li><li> Registrar su dispositivo en HAPIWAM.cpp. </li><li> Defina sus cuatro funciones heredadas y devoluciones de llamada en HAPIWAM.cpp. </li></ol> 2. HAPI creación de la biblioteca <ol><li> Ahora que hemos creado la clase de contenedor de HAPI, que necesitamos para construir su envoltura en la biblioteca de HAPI. El WAM depende de algunas bibliotecas que H3DAPI no depende en su forma cruda, por lo tanto, estas bibliotecas tendrán que ser añadido a HAPI. Ir al HAPI / HAPI / build, y editar CMakeLists.txt. Añadir las bibliotecas dependientes después de la línea que dice "SET (OptionalLibs). </li><li> Abrir una consola de comandos y vaya a: HAPI / HAPI / build y el tipo de los siguientes 3 comandos en este orden: </li></ol> cmake. sudo make sudo make install 3. Clase contenedora H3D <ol><li> Para crear la clase de contenedor para la biblioteca con su H3D HAPIWAM, primero debe crear WAMDevice.cpp en el directorio fuente: H3DAPI/src </li><li> WAMDevice.h lugar en el directorio del archivo de cabecera: H3DAPI/include/H3D </li><li> WAMDevice.h debe contener el archivo de encabezado estándar para todos los dispositivos H3DAPI, con el nombre del sustituido para lo que quieras. </li><li> WAMDevice.cpp debe contener la fuente estándar para todos los dispositivos H3DAPI, con el nombre del sustituido para lo que quieras. </li><li> Ahora que la clase de contenedor se ha creado, la reconstrucción de la biblioteca H3DAPI. Para ello, la edición CMakeLists.txt de la misma manera que se realizó en el paso 2.1, sólo en el directorio: H3DAPI/build. </li><li> La reconstrucción de la biblioteca H3DAPI bajo el directorio H3DAPI/build </li></ol> cmake. sudo make sudo make install 4. Máquina de estados finitos <ol><li> Todos los programas de alcance dirigidos requiere la creación de una máquina de estados finitos para controlar el protocolo experimental o el régimen de la práctica. Máquinas típicas del estado son: Inicio de la prueba, el lanzamiento, Contacto de destino y final del ensayo. Un ejemplo de la función de cada estado, y los criterios para la transferencia entre estados se indican a continuación. </li><li> El inicio del juicio requiere la asignación de un objetivo. Lugares de objetivos se puede establecer al azar para cada ensayo o se puede configurar desde un archivo. El inicio de la prueba termina una vez que el usuario ha puesto en marcha hacia el objetivo por encima del umbral de velocidad, por lo general 0,06 metros por segundo. </li><li> El Estado de lanzamiento se produce después del inicio del juicio. Este estado termina bien una vez que el usuario toca la meta o se queda dentro de la meta por un período de tiempo. Una vez que el objetivo se toca, esto permite que el estado del contacto de destino. </li><li> Contacto objetivo se produce durante el estado de lanzamiento. Puede terminar tan pronto como el objetivo se toca o cuando el sujeto se encuentra dentro del objetivo de un período específico de tiempo. Una vez transcurrido este tiempo, el fin del estado de prueba está activado. </li><li> El fin de la celebración del juicio debe señalar que el software de recopilación de datos para marcar el archivo de datos, en cualquier análisis el desarrollador de software ha utilizado, para delimitar el final de la prueba cada uno. A menos que la última prueba se ha completado, al final de la Final de Primera Instancia del Estado permite el inicio de la celebración del juicio. </li></ol> 5. Aplicación: la rehabilitación del paciente con ictus <ol><li> La interfaz de robot fue diseñado para la participación de expertos terapeutas, mientras que el uso del robot para permitir algo que de otra manera no se podía hacer. La aplicación de la tecnología que permite (que se describe con más detalle a continuación) de aumento de error, que magnifican los errores percibidos por el paciente, que por varias razones bien conocidas mejora el proceso de reaprendizaje (fig 1). </li><li> Un tacto de tres dimensiones / sistema gráfico llamado la Realidad Virtual y Robótica de la máquina de Operaciones Óptica (VRROOM). Este sistema, presentado con anterioridad 6, junto un equipo de sonido proyectado, con la cabeza seguido de representación en una pantalla de espejo semi-plateado superposición con un sistema robótico que la posición registrada muñeca y ha generado un vector de fuerza (fig. 2). </li><li> Un di con calidad de cinegital proyector (Christie Mirage 3000 DLP) que se muestran las imágenes que se extendió por una pantalla de cinco metros de ancho 1280x1024 píxeles, lo que resulta en un ángulo de visión amplio de 110 °. Emisores de infrarrojos sincronizados por separado las imágenes del ojo izquierdo y derecho a través de pantallas de cristal líquido (LCD) de gafas de obturación (Stereographics, Inc). Ascensión Bandada de pájaros elementos magnéticos seguimiento de movimiento de la cabeza para que la presentación visual se hizo con la adecuada perspectiva centrada en la cabeza. </li><li> Al calificar para el estudio, la capacidad funcional de cada participante fue evaluado por un evaluador ciego al inicio y final de cada paradigma en el tratamiento con una semana de seguimiento después de cada uno y un total de 45 días de evaluación de seguimiento. Cada evaluación consistió en un rango de movimiento (ROM) de evaluación realizado en el VRROOM, así como las medidas clínicas que incluyen: la evaluación de Caja y bloques, Wolf Prueba de funcionamiento del motor (WMFT), la sección del brazo del motor de la Fugl-Meyer (AMFM), y evaluación de alcance funcional simple (TFE). </li><li> Un guante exotendon con férula en la muñeca fue utilizada para ayudar en la alineación neutral de la muñeca y mano. El centro de la manija robot se adjunta en el antebrazo se colocó detrás de la articulación radiocarpiana, para que sus fuerzas actuaron en la muñeca, pero permite el movimiento en la mano. </li><li> El peso del brazo del paciente fue reducido con un resorte accionado Wilmington robótica exoesqueleto (WREX) la gravedad equilibrado órtesis. Objetivo instruyó a la paciente fue a perseguir a un cursor presentó delante de ellos se movió a través de un dispositivo de rastreo en la mano del terapeuta (teleoperación terapeuta). </li><li> Los pacientes practican tres veces por semana durante aproximadamente 40-60 minutos, con el paciente, el terapeuta, y el robot que trabajan juntos en un trío. Sujeto y el terapeuta se sentaron lado a lado, y el tema estaba relacionado con el robot en la muñeca. </li><li> Cada sesión se inició con cinco minutos de la gama de ejercicios de movimiento pasivo (PROM) con el terapeuta, seguida por aproximadamente diez minutos para situar al paciente en la máquina. El sujeto completó seis bloques de ejercicios de movimiento de cinco minutos cada uno con períodos de descanso de dos minutos entre cada bloque. </li><li> Durante el entrenamiento, los participantes vieron dos cursores en la pantalla del estéreo. El terapeuta manipula el tratamiento de un cursor mientras el participante controla el otro. Los pacientes fueron instruidos para seguir la ruta exacta del cursor del terapeuta mientras se movía a través del espacio de trabajo. </li><li> El aumento de error fue proporcionada, tanto visualmente como por las fuerzas generadas por el robot. Cuando los participantes se desvió de cursor terapeuta, un vector de error e instantánea se estableció como la diferencia en la posición del cursor entre el terapeuta y la mano de los participantes. Error se magnifica visualmente por un factor de 1,5 e (m) como parte del aumento de error. Además, una fuerza de error aumentar de 100 e (N / m) se aplicó también, que fue programado para saturar a un máximo de 4 N por razones de seguridad. </li><li> Cada bloque de otro tratamiento consistió en movimientos específicos y estandarizados que fueron los mismos para cada sesión. Los otros bloques permite el terapeuta para personalizar la formación en áreas específicas de debilidad sobre la base de conocimientos terapeuta y sus observaciones. El protocolo de tratamiento incluye la práctica de movimientos específicos para todos los participantes, incluyendo al delantero y laterales de llegar, hombro-codo de acoplamiento, y la diagonal de llegar a través del cuerpo. </li><li> Si bien la práctica, día a día el error medio fue medida como un resultado de la práctica. Se prestó especial atención a los bloques de movimientos estandarizados que fueron los mismos para cada sesión. Estos fueron comparados con los días anteriores para determinar si cualquier mejora incremental se puede observar en el día a día, que se puede informar al paciente, el terapeuta y los cuidadores (Fig. 3). </li><li> Las medidas primarias de resultado se midieron semanalmente, una semana después del final del tratamiento, y 45 días después para determinar la retención de beneficios. Entre los principales resultados fueron la puntuación de Fugl-Meyer motor y la capacidad de nuestra prueba personalizada alcance de la mano que mide la amplitud de movimiento. </li></ol> 6. Los resultados representativos: Cuando el protocolo se hace correctamente, entonces una vez que el nodo &lt;AnyDevice&gt; se carga en el H3DViewer o H3DLoad, el dispositivo de WAM debe ser reconocido y ha iniciado. Si el WAM fueron reemplazados por otro robot, el código en sí no tendría que ser cambiado. <img src="/files/ftp_upload/3007/3007fig1.jpg" alt="Figura 1" data-altupdatedat="1787634011000" data-alt="Figura 1"> Figura 1. Sujeto sentado a la háptica / aparato gráfico. <img src="/files/ftp_upload/3007/3007fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. Sujeto sentado a la háptica / aparato gráfico con el fisioterapeuta. <img src="/files/ftp_upload/3007/3007fig3.jpg" alt="Figura 3" data-altupdatedat="1787634011000" data-alt="Figura 3"> Figura 3. Configuración para la rehabilitación of del paciente con ictus. A) sujeto y el terapeuta trabajan juntos, sentados y con el gran espacio de trabajo táctil / pantalla gráfica para la práctica del movimiento. El terapeuta proporciona una señal para el sujeto, y se puede adaptar acondicionado a las necesidades del paciente. El robot fuerzas que empujan a la extremidad de la meta y el sistema de información visual aumenta el error del cursor. B) típico paciente con ictus crónico mejora día a día. Cada punto representa el error medio medido para un bloque de dos minutos de movimiento funcional estereotipadas. Mientras que el paciente muestra los progresos realizados en el período de 2 semanas y beneficio general, esta persona no siempre mejorar cada día.

<ol><li>Solis, J., Takeshi, N., Petersen, K., Takeuchi, M., Takanishi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+the+anthropomorphic+saxophonist+robot+WAS-1%3A+Mechanical+design+of+the+simulated+organs+and+implementation+of+air+pressure%5BTitle%5D)+AND+%22Advanced+Robotics+Journal%22%5BJournal%5D)">Development of the anthropomorphic saxophonist robot WAS-1: Mechanical design of the simulated organs and implementation of air pressure.</a> Advanced Robotics Journal. 24, 629-650 (2010).</li>
<li>Evolving Won-Based Flying Robots. Zufferey, J. C., Floreano, D. Proceedings of the 2nd International Workshop on Biologically Motivated Computer Vision, 2002 November, Berlin, , Springer-Verlag. 592-600 (2002).</li>
<li>Conditt, M. A., Gandolfo, F., Mussa-Ivaldi, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+motor+system+does+not+learn+the+dynamics+of+the+arm+by+rote+memorization+of+past+experience%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">The motor system does not learn the dynamics of the arm by rote memorization of past experience.</a> Journal of Neurophysiology. 78, 554-554 (1997).</li>
<li>Krebs, H. I., Palazzolo, J. J., Dipietro, L., Ferraro, M., Krol, J., Rannekleiv, K., Volpe, B. T., Hogan, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rehabilitation+robotics%3A+Performance-based+progressive+robot-assisted+therapy%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">Rehabilitation robotics: Performance-based progressive robot-assisted therapy.</a> Autonomous Robots. 15, 7-20 (2003).</li>
<li>Wei, K., Kording, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relevance+of+error%3A+what+drives+motor+adaptation%5BTitle%5D)+AND+%22Journal+of+neurophysiology%22%5BJournal%5D)">Relevance of error: what drives motor adaptation.</a> Journal of neurophysiology. 101, 655-65 (2009).</li>
<li>Wei, Y., Bajaj, P., Scheidt, R., Patton, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+error+augmentation+for+enhancing+motor+learning+and+rehabilitative+relearning%5BTitle%5D)+AND+%22IEEE+International+Conference+on+Rehabilitation+Robotics%22%5BJournal%5D)">Visual error augmentation for enhancing motor learning and rehabilitative relearning.</a> IEEE International Conference on Rehabilitation Robotics. , 505-510 (2005).</li>
</ol>

Las clases contenedoras en este tutorial están bajo derechos de autor por Ian Sharp.

Este método de aplicación contenedor de clase permite que diferentes tipos de robots que se utilizan, sin cambiar el código fuente, cuando se utiliza el H3DAPI. Específicamente, los investigadores que han escrito sus háptico / entorno gráfico en H3D y probado su experimento con un robot fantasma sería capaz de llevar a cabo el mismo experimento o similar con el WAM de Barrett, y viceversa. Este tipo de dispositivo cruzadas independientes de la comunicación lleva a consecuencias para la rehabilitación de la investigación robótica. Estas implicaciones facilitar háptica rápido / el desarrollo de gráficos, la colaboración internacional, y entre la investigación en comunicación de laboratorio. Rehabilitación robótica todavía tiene que descubrir los numerosos parámetros involucrados en el aprendizaje motor. Uno de los pasos de tiempo durante el háptico / desarrollo de gráficos incluye el tiempo de compilación. Con los parámetros de la rehabilitación numerosos, se combinaron con el tiempo de compilación para cada programa, el ciclo de vida de desarrollo para probar todas las permutaciones posibles del grupo se eleva rápidamente. H3D, con su ausencia de los requisitos de elaboración, permite el desarrollo rápido de numerosas escenas de realidad virtual. Esto viene como una ventaja para los investigadores que aspiran a explorar los efectos de los escenarios de formación. Las limitaciones de este &quot;hard-coded&quot; enfoque de integración envoltorio clase incluyen el hecho de que este procedimiento debe ser repetido cada vez que hay una nueva distribución de la H3DAPI. Posibles modificaciones a la integración de la clase de contenedor en su última distribución de la H3DAPI sería la creación de la clase de contenedor por separado de la H3DAPI. A continuación pondría a su clase de contenedor en un archivo de biblioteca *. so. Esto aislaría a la clase de la distribución original H3DAPI.

<ol><li> La pantalla de llamada de París (la realidad aumentada personal sistema de inmersión), se puede encontrar en <a href="http://www.evl.uic.edu">www.evl.uic.edu</a> </li><li> El robot gris grande es el WAM de Barrett: <a href="http://www.barrett.com">www.barrett.com</a> </li><li> El más pequeño, más delgado robot negro es el Phantom: <a href="http://www.sensable.com">www.sensable.com</a> </li><li> El montaje del brazo es el T-WREX, desarrollado en la RIC: <a href="http://www.ric.org/research/centers/mars2/Projects/development/d3.aspx">http://www.ric.org/research/centers/mars2/Projects/development/d3.aspx</a> </li><li> Las gafas de obturación para 3D Vision: <a href="http://www.vrlogic.com">www.vrlogic.com</a> </li><li> Jefe de seguimiento de software. <a href="http://www.mechdyne.com">www.mechdyne.com</a> </li><li> El propio H3DAPI: <a href="http://www.h3dapi.org">www.h3dapi.org</a> </li></ol>

haptic / graphic rehabilitación: la integración de un robot en un entorno virtual biblioteca y su aplicación a la terapia de carrera

Haptic/Graphic Rehabilitation: Integrating a Robot into a Virtual Environment Library and Applying it to Stroke Therapy

La investigación reciente que pone a prueba los dispositivos interactivos para la práctica de una terapia prolongada ha puesto de manifiesto nuevas perspectivas de la robótica se combina con formas gráficas y otras de biofeedback. Anterior humano-robot de sistemas interactivos que requieren los diferentes comandos de software que se aplicarán para cada robot que lleva a gastos innecesarios de tiempo de desarrollo de cada vez que un nuevo sistema esté disponible. Por ejemplo, cuando un háptico / entorno gráfico de realidad virtual ha sido codificado para un robot específico para proporcionar retroalimentación háptica, que el robot específico no sería capaz de ser cambiado por otro robot, sin volver a codificar el programa. Sin embargo, los recientes esfuerzos de la comunidad de código abierto han propuesto un enfoque de clase contenedora que se puede obtener respuestas casi idénticas independientemente del robot utilizado. El resultado puede llevar a los investigadores de todo el mundo para llevar a cabo experimentos similares con código compartido. Por lo tanto, modular &quot;el cambio fuera&quot; de un robot para otro no afectará el tiempo de desarrollo. En este artículo, se describe la creación e implementación exitosa de una clase contenedora para un robot en el H3DAPI de código abierto, que integra el software de comandos más utilizados por todos los robots.

Recientemente, una gran cantidad de perspectivas han llegado disponible para el consumo humano-robot de sistemas interactivos. En este trabajo resumimos la integración de un nuevo dispositivo robótico con software de código abierto, que rápidamente se puede hacer posible una biblioteca de funciones interactivas. A continuación, esbozar una aplicación clínica para una aplicación de la neurorrehabilitación.

Haptic / Graphic Rehabilitación: La integración de un robot en un entorno virtual Biblioteca y su aplicación a la terapia de Carrera

Investigaciones recientes que evalúan dispositivos interactivos para la práctica terapéutica prolongada han revelado nuevas perspectivas para la robótica combinada con otros sistemas y representaciones gráficas...

El objetivo general de este procedimiento es integrar un robot en una biblioteca de entornos virtuales y luego utilizar el robot para la terapia de accidente cerebrovascular. Esto se logra primero creando una clase contenedora para extender la biblioteca de háptica e integrando luego la clase contenedora en la biblioteca de háptica. El siguiente paso consiste en crear una clase contenedora para extender la biblioteca de gráficos e integrar esta clase contenedora en la biblioteca de gráficos una vez que las clases contenedoras estén completas.La interfaz de la API H 3D se utiliza para configurar una máquina de estados finitos para probar pacientes con accidente cerebrovascular. Luego, se utiliza el robot integrado para ayudar en la rehabilitación de pacientes con accidente cerebrovascular. La principal ventaja de esta técnica es que ya no es necesario escribir una aplicación de software diferente para cada robot.Asimismo, estos aplicativos pueden ser utilizados por científicos de todo el mundo independientemente del robot que utilice su laboratorio. Este método puede ayudar a responder preguntas clave en los campos de la rehabilitación, la robótica y el control motor, como en qué medida nuestro sistema nervioso podría beneficiarse de la amplificación de errores. Este método puede proporcionar información sobre los déficits provocados por el accidente cerebrovascular, así como profundizar en nuestro entendimiento del funcionamiento saludable.Por lo general, los pacientes con ictus nuevos en la rehabilitación robótica deben superar ciertos obstáculos, como aprender a agarrar el mango. Tuvimos la idea inicial de este método cuando nos dimos cuenta de que necesitábamos un robot con un espacio de trabajo operativo amplio en compensación de gravedad. También deseábamos minimizar la reescritura de software para que futuros estudiantes de posgrado pudieran beneficiarse del trabajo realizado por quienes los precedieron, sin tener que repetir las mismas tareas.Este video proporciona instrucciones para integrar un robot de manipulación de brazo completo, o robot WHAM, con el código de código abierto disponible en www.hthreedpi.org. Para integrar un robot nuevo en la biblioteca de háptica, el primer paso consiste en escribir una clase contenedora para HAP, el motor de representación háptica, que se utiliza para controlar el movimiento del robot WHAM. Comience creando un archivo CPP y un archivo de encabezado.Los nombres de archivo utilizados para este ejemplo son happy, wham, cpp y happy wham h. Coloque el archivo happy wham cpp en el directorio fuente. Happy barra source, luego coloque happy.Golpee h hacia el directorio del archivo de cabecera. Barra feliz, incluya barra feliz. En la parte superior de feliz wham h, incluya los archivos de cabecera principales del robot.Tenga en cuenta que se requiere extern C para resolver el cambio de nombre del compilador porque la biblioteca incluida está escrita en C y la API H 3D está escrita en C más más. En happy wham h, cree la clase para el robot e incluya en ella las cuatro funciones: liberación del dispositivo háptico, dispositivo háptico, actualización de los valores del dispositivo y envío de la salida. Asegúrese de que la clase herede públicamente de la clase happy haptics device.A continuación, cree una protección de cabecera para la clase. Luego, cree los atributos estáticos de salida del dispositivo y de registro del dispositivo háptico dentro de la clase WHAM feliz. A continuación, cree las funciones miembro estáticas para las devoluciones de llamada específicas de su robot.Para un robot WHAM, la función de devolución se utiliza en la función de dispositivo háptico y toro. Ahora que los prototipos están establecidos en el archivo de encabezado, abra happy wham.cpp e incluya los archivos de encabezado y el espacio de nombres apropiados. A continuación, defina el constructor y el destructor en happy wam.cpp.Luego registre el dispositivo en Happy Wam cpp. Ahora defina las cuatro funciones heredadas y las funciones de devolución en happy Wam cpp. La función de actualización de valores del dispositivo indica a la computadora la ubicación del brazo del robot y la cantidad de fuerza que está generando el robot sobre el entorno.Después de crear la clase Happy Wrapper, el siguiente paso consiste en integrar un envoltorio en la biblioteca Happy. WAM depende de algunas bibliotecas de las que la API H 3D no depende en su forma original. Por lo tanto, es necesario agregar estas bibliotecas a happy.Vaya al directorio H 3D 2.1/happy/build y edite el archivo CMakeLists.txt. Agregue las bibliotecas dependientes después de la línea que dice Set optional libs. Abra una consola de comandos y navegue hasta H 3D 2.1/happy/build, luego escriba en orden: make, pseudo make y pseudo make install para completar la integración del nuevo robot con el código abierto de H 3D.Escriba una segunda clase de envoltura para el grafo de escena. API denominada H 3D API. Este ejemplo utiliza una clase de envoltura llamada wam device.Navegue hasta el directorio de origen, H 3D AP I barra source, y cree el dispositivo WAM, archivo CPP y wam device.Cpp. Agregue el código fuente estándar para todos los dispositivos H 3D PI. A continuación, coloque Wam device H en el directorio del archivo de encabezado.El dispositivo Wam H debe contener el archivo de encabezado estándar para todos los dispositivos de la API H 3D. Ahora que se ha creado la clase contenedora, reconstruya la biblioteca H 3D PI editando el archivo de texto C make lists en el directorio H three DPI barra invertida build. Finalmente, en el directorio H 3D PI barra invertida build.Reconstruya la biblioteca de la API 3D de H utilizando los comandos CMake dot pseudo make y pseudo make install. Las nuevas clases contenedoras ya están listas para usarse con un robot. Una vez instaladas las clases contenedoras apropiadas, se crea una máquina de estados finitos para controlar el protocolo experimental de la tarea de alcance dirigido utilizada con el robot Barrett WHAM. Los estados de la máquina de estados son inicio del ensayo, lanzamiento, contacto con el objetivo y fin del ensayo.El estado de inicio del ensayo comienza con la asignación de un objetivo. Las ubicaciones del objetivo pueden establecerse aleatoriamente para cada ensayo o pueden definirse a partir de un archivo. Finaliza el estado de inicio del ensayo y comienza el estado de lanzamiento.Una vez que la mano del sujeto se ha lanzado hacia el objetivo superando el umbral de velocidad, típicamente 0,06 metros por segundo, finaliza el estado de lanzamiento y comienza el estado de contacto con el objetivo. Cuando se establece el contacto, el objetivo desaparece, finaliza el estado de contacto con el objetivo y comienza el estado de finalización del ensayo.El estado de fin de prueba indica al software de recolección de datos que marque el archivo de datos con un delimitador para el fin de la prueba. A menos que se haya completado la prueba final, el final del estado de fin de prueba activa el estado de inicio de prueba y se asigna un nuevo objetivo. Esta sección muestra un robot diferente llamado phantom utilizado en la rehabilitación de pacientes con accidente cerebrovascular.Al sustituir el código de clase de envoltura del fantasma en las bibliotecas apropiadas, el nuevo robot puede integrarse en el entorno virtual; aquí se utiliza un sistema gráfico háptico tridimensional denominado máquina de operaciones robóticas y ópticas de realidad virtual, o ROOM. Este sistema combina una representación estéreo proyectada con seguimiento de cabeza sobre una pantalla superpuesta con espejo semiplateado, junto con un sistema robótico capaz de registrar la posición de la muñeca y generar un vector de fuerza. Un proyector digital de calidad cinematográfica muestra las imágenes que abarcan una pantalla de cinco pies de ancho, lo que resulta en un ángulo de visión de 110 grados.Los emisores de infrarrojos sincronizan imágenes separadas para el ojo izquierdo y derecho mediante gafas obturadoras LCD. El movimiento de la cabeza se rastrea con el sistema magnético Ascension Flock of Birds, de modo que la visualización se genera con la perspectiva centrada adecuada respecto a la cabeza. Un guante con tendón externo y una férula para la muñeca ayuda al alineamiento neutro de la muñeca y la mano.El centro del mango del robot se coloca en la parte posterior del antebrazo, por detrás de la articulación radiocarpiana. Esto permite que sus fuerzas actúen sobre la muñeca, pero permite un movimiento libre en la mano. El peso del brazo del paciente se reduce mediante una órtesis exoesquelética robótica de Wilmington equilibrada por gravedad, accionada por un resorte.El terapeuta sentado junto al paciente utiliza un dispositivo de seguimiento para mover un cursor por la pantalla. Frente al paciente, se le indica que use el mango robótico para perseguir el cursor. La amplificación del error se proporciona tanto visualmente como mediante fuerzas generadas por el robot.Cuando el cursor del paciente se desvía del cursor del terapeuta, se establece un error instantáneo, el vector E, como la diferencia de posición entre el cursor del terapeuta y la mano del paciente. El error se amplifica visualmente por un factor de 1,5 E como parte de la ampliación del error. Además, se aplica una fuerza de ampliación del error de 100 E al brazo del paciente, que está programada para saturar en un máximo de cuatro newtons.Por razones de seguridad, la amplificación del error magnifica los errores que percibe el paciente, lo que potencia el proceso de reaprendizaje. El protocolo de tratamiento requiere que el paciente practique varios movimientos específicos, incluyendo alcance hacia adelante y lateral con acoplamiento hombro-codo, y alcance diagonal a través del cuerpo. Para la siguiente demostración, se intercambia el código de la clase superior y se utiliza el robot Barrett WHAM.El objetivo de esta siguiente tarea consiste en que sujetos sanos o pacientes con ictus atrapen un proyectil virtual dentro de la esfera verde semitransparente. Si las manos del paciente se desvían fuera de la esfera, esta se vuelve roja y el brazo del paciente recibe una retroalimentación de aumento de error por parte del robot. Cuando el paciente atrapa con éxito el proyectil dentro del espacio definido, la esfera permanece verde.Esta figura muestra el error medio de alcance. Cada punto representa el error mediano medido durante un bloque de dos minutos de movimientos funcionales estereotipados. Aunque los pacientes muestran progreso a lo largo del período de dos semanas, no siempre hubo mejoría cada día.Esta figura muestra el beneficio resultante de la amplificación del error al reducir selectivamente la variabilidad de movimiento a movimiento. Los gráficos superiores muestran los datos del grupo control y los gráficos inferiores muestran los datos del grupo de tratamiento. Cada color representa un sujeto diferente.Las dos líneas horizontales muestran la ubicación de los límites para la tarea. El objetivo del sujeto era atrapar el proyectil virtual dentro de estos límites. La ubicación de un punto indica dónde un sujeto dado se acercó más al contacto.En el proyectil, los histogramas semitransparentes azules superpuestos sobre los datos brutos muestran la distribución del movimiento del grupo. A lo largo del eje anterior, los pacientes con ictus realizaron 600 ensayos de la tarea de captura: durante los primeros 200 ensayos y durante los últimos 200 ensayos, no se proporcionó retroalimentación con aumento del error entre los ensayos 201 y 400. El robot proporcionó retroalimentación con aumento del error al paciente, lo que resultó en una mejora significativa en la capacidad del paciente para atrapar el objetivo dentro de los límites especificados.Tras seguir este procedimiento, aún se pueden realizar métodos tradicionales de rehabilitación, pero con el robot podemos cuantificar en todo momento la posición de la mano del paciente durante muchos ensayos repetidos. Esta técnica allanó el camino para nuevas investigaciones en el campo de la ingeniería neural, donde podemos explorar movimientos de alcance simulados dentro de una región que presenta múltiples soluciones posibles. Después de ver este video, deberías comprender cómo extender la biblioteca de la API H 3D para un robot de rehabilitación de elección y aplicar una variedad de interfaces hápticas gráficas para la evaluación y el tratamiento de pacientes con accidente cerebrovascular.Trabajar con robots puede ser potencialmente peligroso, por lo que se debe considerar cuidadosamente al elegir un robot para interacciones con humanos. Elegimos el Barrett WHAM para nuestro proyecto más reciente porque es más potente y retroaccionable. Retroaccionable significa que puede sentirse casi libre de resistencia si lo programamos así, y sin embargo es una de las opciones más seguras disponibles para la interacción entre humanos y máquinas.Es una computadora de vigilancia independiente que monitorea la computadora principal y puede desactivar el sistema si algo falla, y el frenado dinámico asegura que el sistema actúe como un amortiguador cuando esté inactivo. Aunque muchos robots funcionan de manera diferente, muchas de sus funciones se solapan. Por lo tanto, la portabilidad de nuestras técnicas entre robots podría fomentar un nuevo intercambio entre laboratorios.Lo que está claro es que los tratamientos de entrenamiento como los demostrados en este estudio proporcionan evidencia alentadora para la recuperación de la función en pacientes, así como para mejorar el entrenamiento en deportes, teleoperación, interpretación musical, técnicas quirúrgicas y cualquier otra tarea que requiera práctica repetitiva.

hapticgraphic-rehabilitation-integrating-robot-into-virtual

Research

Investigación

JoVE Journal

Bioengineering

Bioingeniería

Hemos desarrollado un sistema de robot espejo en tiempo real para la recuperación funcional de los brazos hemipléjicos utilizando tecnología de control automático, llevó a cabo un estudio clínico en sujetos sanos, y las tareas determinadas a través de la retroalimentación de los médicos de rehabilitación. Este robot simple espejo se puede aplicar de manera efectiva a la terapia ocupacional en pacientes con accidente cerebrovascular con un brazo hemipléjico.

Sistema de terapia robótica Espejo para la recuperación funcional de armas hemipléjica

Se describe una configuración basada en novela de realidad virtual que aprovecha el control voluntario de la mano para mejorar el rendimiento del motor-habilidad en otra parte (no entrenados). Esto se logra proporcionando retroalimentación sensorial basada en el movimiento en tiempo real como si la mano no entrenado se está moviendo. Este nuevo enfoque puede ser utilizado para mejorar la rehabilitación de pacientes con hemiparesia unilateral.

Uso de realidad Virtual para transferir Motor habilidad conocimiento de un lado a otro

Aquí, presentamos un protocolo para desarrollar y aplicar un programa de realidad virtual basado en el juego de móvil para la recuperación de la disfunción de miembro superior en pacientes con accidente cerebrovascular. El presente estudio demuestra que el programa móvil es factible y eficaz promueve la recuperación de la extremidad superior en pacientes con accidente cerebrovascular.

Programa de realidad Virtual basado en el juego de móvil para la rehabilitación de movimiento de la extremidad superior

El uso combinado de terapia robótica y estimulación transcraneal por corriente directa como un complemento para la terapia de rehabilitación convencionales puede resultar en mejores resultados terapéuticos debido a la modulación de la plasticidad cerebral. En este artículo, describimos los métodos combinados utilizados en nuestro Instituto para mejorar el rendimiento del motor después del accidente cerebrovascular.

El uso combinado de terapia robótica y estimulación de corriente directa de Transcranial para el miembro superior

El protocolo actual describe cómo el sistema de formación ocupacional digital basado en la realidad virtual mejora la rehabilitación de los pacientes con deterioro cognitivo y disfunción de las extremidades superiores después de un accidente cerebrovascular.

Entrenamiento de la función cognitiva y la rehabilitación de las extremidades superiores después de un accidente cerebrovascular mediante un sistema de entrenamiento ocupacional digital

Se estima que 1 de cada 6 personas en todo el mundo sufrirá un accidente cerebrovascular a lo largo de su vida, lo que le causará una discapacidad a largo plazo, cuyos mecanismos de rehabilitación aún no se conocen bien. Este estudio propone un protocolo para evaluar la activación cerebral mediante espectroscopia funcional de infrarrojo cercano (fNIRS) durante una sesión de terapia robótica de miembros inferiores.

Un experimento que utiliza espectroscopía funcional de infrarrojo cercano y movimientos de apuntamiento multiarticular asistidos por robots de la extremidad inferior

Este protocolo describe un robot de rehabilitación de extremidades superiores que proporciona retroalimentación inteligente a través de cuatro modos. Estos modos mejoran la función y la flexibilidad de las extremidades superiores, mejorando así la calidad de vida de los pacientes.

Mejora de la función de las extremidades superiores y las habilidades motoras después de un accidente cerebrovascular a través de un robot de rehabilitación de extremidades superiores

Este protocolo experimental describe el uso de un sistema robótico dual orientado a tareas en la extremidad superior para pacientes con accidente cerebrovascular con disfunción de la extremidad superior. Los hallazgos indican que este sistema puede mejorar significativamente la función de las extremidades superiores y las actividades de la vida diaria de los pacientes con accidente cerebrovascular.

Aplicación de un sistema robótico dual orientado a tareas en la extremidad superior para la recuperación funcional de la extremidad superior en pacientes con ictus

Todavía no se ha estudiado la eficacia de combinar el entrenamiento en cinta de correr asistido por exoesqueleto y soportado por el peso corporal con la realidad virtual basada en juegos con capacidad de doble tarea en sobrevivientes de accidentes cerebrovasculares. Por lo tanto, este programa de rehabilitación tiene como objetivo investigar las posibles funciones y ventajas de esta combinación para mejorar la capacidad de caminar durante la recuperación del accidente cerebrovascular.

Un programa de rehabilitación de entrenamiento en cinta de correr asistido por peso corporal asistido por exoesqueleto con realidad virtual no inmersiva para pacientes con accidente cerebrovascular

Este estudio explora los efectos de un robot neumático blando configurable en la mejora de la topología de la red de todo el cerebro después del accidente cerebrovascular. El análisis de la teoría de grafos indica mejoras significativas en el coeficiente de agrupación, la longitud de la trayectoria y la eficiencia global. Los hallazgos destacan el potencial de los protocolos robóticos programables para modular la neuroplasticidad y optimizar la recuperación funcional en la rehabilitación del...

Un robot neumático blando modula las métricas de la teoría de grafos de la red cerebral para la rehabilitación de la mano después de un accidente cerebrovascular

Este protocolo tiene como objetivo evaluar la eficacia clínica y la comodidad del paciente al utilizar robots de rehabilitación de extremidades inferiores al lado del paciente para la rehabilitación de hemiplejia post-ictus, comparando los resultados con los de la terapia manual tradicional mediante ensayos controlados aleatorizados.

Aplicación de robots de rehabilitación de extremidades inferiores en la rehabilitación de accidentes cerebrovasculares: un ensayo controlado aleatorizado

Aprende a integrar un robot en un entorno virtual para neurorehabilitación de pacientes con ictus. Este método utiliza software de código abierto y una máquina de estados finitos para mejorar los resultados terapéuticos.

Haptic / Graphic Rehabilitación: La integración de un robot en un entorno virtual Biblioteca y su aplicación a la terapia de Carrera (Video) | JoVE Journal

Haptic / Graphic Rehabilitación: La integración de un robot en un entorno virtual Biblioteca y su aplicación a la terapia de Carrera

Explorar más videos