July 22nd, 2014
Interfaces Neural-machine (INM) ont été développés pour identifier le mode de locomotion de l'utilisateur. Ces laboratoires nationaux de métrologie sont potentiellement utiles pour le contrôle neural de jambes artificielles alimentées, mais n'ont pas été pleinement démontrée. Ce document présenté (1) notre plate-forme d'ingénierie conçu pour la mise en œuvre facile et le développement du contrôle neuronal pour motorisés prothèses des membres inférieurs et (2) un dispositif expérimental et protocole dans un e
L’objectif global de cette procédure est de présenter une configuration expérimentale et un protocole dans un environnement de bibliothèque pour évaluer les jambes artificielles contrôlées par des neurones sur des patients amputés d’un membre inférieur. Ceci est accompli en se préparant d’abord à la mesure du signal EMG de surface à partir des muscles résiduels des membres inférieurs du sujet. Ensuite, la jambe prothétique motorisée sur le sujet recruté est alignée et calibrée.
Ensuite, les données d’entraînement sont collectées et les classificateurs de l’interface neuronale de la machine sont entraînés. La dernière étape consiste à tester la performance du contrôle neuronal de la jambe prothétique motorisée sur le sujet amputé recruté. En fin de compte, la jambe prothétique motorisée contrôlée par voie neuronale est utilisée pour permettre au sujet d’effectuer diverses activités telles que le niveau debout, la rampe de marche au sol, l’ascension et la descente sur rampe en toute sécurité et en continu dans le laboratoire.
Le principal avantage de cette plate-forme d’ingénierie de conception est que chaque bloc fonctionnel peut être facilement débogué, modifié et mis à jour. De plus, l’ajout ou la suppression de fonctions ou la modification de la connexion entre les modèles peuvent être facilement effectués dans le programme informatique. La nouvelle conception de l’interface de la prise d’électrode peut fournir un enregistrement de signal EMG de haute qualité, une suspension de prise étanche et un bon confort d’utilisation.
Par conséquent, cette conception peut être utilisée pour étudier la propriété ou la fonction musculaire dans les membres au repos des membres inférieurs amputés. La démonstration de la procédure sera considérée comme une. William Boatwright et Aaron Fleming.
Les étudiants de notre laboratoire préparent le sujet pour les tests en mettant un harnais antichute ajusté et en le fixant au système de rail de plafond. Ensuite, sélectionnez sept capteurs EMG sans fil entièrement chargés. Entrez et placez les capteurs EMG dans la prise d’aspiration personnalisée aux endroits préparés.
Notez le numéro de commande des capteurs et associez-les aux emplacements EMG. Après avoir nettoyé la peau du membre résiduel du sujet avec de l’alcool isopropylique, fixez la prothèse motorisée à la prise d’aspiration à l’aide d’un adaptateur pyramidal. Aidez un sujet à enfiler la cavité d’aspiration et vérifiez que la cavité est fermement fixée au membre résiduel du sujet.
Ensuite, activez le logiciel de streaming de données analogiques EMG en temps réel. Demandez ensuite au sujet d’effectuer une flexion et une extension de la hanche, une abduction et une abduction de la hanche, et d’imaginer une flexion et une extension du genou, et d’examiner les signaux EMG pour vérifier le contact de l’électrode EMG et la transmission des données pour aligner et calibrer la prothèse de puissance. En position debout tenant un déambulateur d’assistance, ajustez un ensemble de vis de rotation sur l’adaptateur jusqu’à ce que la position de la prothèse soit géométriquement alignée avec la douille.
Demandez au sujet de soulever la prothèse du sol et d’étalonner la cellule de charge sur le pylône prothétique. Demandez au sujet de s’entraîner à marcher sur différents terrains, à monter sur une rampe de sol plat et à descendre sur une rampe. Lorsque vous portez la jambe prothétique motorisée, demandez au sujet de continuer jusqu’à ce qu’il se sente en confiance pour marcher avec l’appareil motorisé et qu’il produise un schéma de démarche cohérent.
Dans chaque activité, expliquez au sujet le chemin de marche prédéfini et demandez-lui de se tenir au point de départ du chemin de randonnée. Ensuite, allumez la prothèse de puissance et chargez les paramètres dans le contrôleur intrinsèque. Exécutez un programme informatique de collecte de données d’entraînement et réglez la commande intrinsèque en mode debout en cliquant sur le bouton debout de l’interface utilisateur graphique ou gluant.
Ensuite, demandez au sujet de marcher sur un terrain plat à la vitesse de marche confortable qu’il a choisie par lui-même. En même temps, cliquez sur le bouton de marche sur le gooey avant de décoller l’orteil de la jambe avant du sujet, ce qui règle automatiquement la commande intrinsèque sur le mode de marche au sol. Lorsque le sujet s’approche du bord de la rampe, cliquez sur le bouton de montée de la rampe sur le gluant avant l’orteil de la jambe prothétique, en marchant sur la rampe, ce qui bascule la commande intrinsèque sur la rampe en mode olfactif pour plus de sécurité.
Permettez au sujet d’utiliser une rampe lorsqu’il marche sur la rampe. Lorsque le sujet arrive au bord de la rampe, cliquez à nouveau sur le bouton de marche. Avant que le talon de la jambe prothétique ne heurte la plate-forme de niveau, qui bascule la commande intrinsèque de la prothèse en mode de marche au sol plat.
À la fin du chemin de marche, demandez au sujet de s’arrêter et de rester debout en même temps. Cliquez sur le bouton debout avant la phase de double position, qui remet la commande intrinsèque en mode debout. Après environ cinq secondes, terminez la collecte de données en cliquant sur le bouton d’arrêt.
Répétez la procédure pendant que le sujet marche en sens inverse pour revenir à l’endroit de départ. La seule différence est de passer la commande intrinsèque en mode de descente sur rampe. Lorsque le sujet marche sur la rampe de descente, répétez 10 fois la marche de haut en bas de la rampe, puis examinez la qualité du signal de l’ensemble de données d’entraînement collecté.
Ensuite, entraînez les classificateurs de reconnaissance de formes dans l’interface de machine neuronale via un module d’entraînement hors ligne. Utilisez les signaux EMG et mécaniques collectés, les modes d’activité étiquetés pendant la procédure d’entraînement et les phases détectées pour construire un modèle dépendant de la phase. Les classificateurs enregistrent automatiquement les paramètres des classificateurs pour une session de test en ligne ultérieure.
Commencez la prochaine série de tests en demandant au sujet de se tenir au point de départ du sentier pédestre. Après avoir allumé la prothèse motorisée, chargez le classificateur entraîné dans le module de test en ligne et les paramètres dans le contrôleur intrinsèque. Ensuite, demandez au sujet de commencer les essais en position debout.
Ensuite, passez continuellement à la marche au sol plat, à la marche sur rampe, à la marche au sol à nouveau et enfin à l’arrêt. À la fin du parcours pédestre, demandez au sujet d’effectuer chaque activité à un rythme confortable. Prévoyez des périodes de repos entre les essais pour éviter la fatigue pendant chaque essai.
Affichez les modes d’activité de la prothèse et les lectures de l’angle de l’articulation du genou sur un moniteur, enregistrez toutes les mesures et les sorties de contrôle à des fins d’évaluation ultérieure. Les signaux EMG bruts enregistrés à partir des muscles de la cuisse du membre résiduel du sujet présentent un schéma caractéristique lorsque le sujet alterne entre la flexion de la hanche et l’extension de la hanche. Les signaux EMG bruts enregistrés lorsque le sujet marchait sur un chemin de marche au sol plat sont montrés ici à partir de ces figures, on peut voir que l’interface de la prise d’électrode EMG peut fournir une interface de bonne qualité.
Mesures de signaux EMG. On a demandé au sujet de commencer en position debout, de passer au niveau, à la rampe de marche au sol, au niveau de montée, à la marche au sol, puis de s’arrêter à la fin du chemin de marche. Le sujet a ensuite atteint le point de départ initial le long de la route inverse, le sujet a pu changer en douceur le mode de commande de la prothèse transfémorale de puissance en fonction des modes d’activité prévus.
La ligne pointillée rouge indique le moment critique défini de chaque transition de mode d’activité pour les transitions du sol plat, de la marche à la rampe, à la montée ou à la descente, et de la position debout à la marche. Le moment critique était le début de la phase d’oscillation, c’est-à-dire le départ pour les transitions de la rampe, de la montée ou de la descente à la marche sur sol plat et de la marche à la position debout. Le moment critique a été le début de l’acceptation du poids, c’est-à-dire le contact du talon sur un sol plat.
Environ 18 secondes après le début de cet essai, la prothèse est passée de manière incorrecte en mode de montée sur rampe lorsque le sujet marchait sur un sol plat en raison de la reconnaissance erronée de l’intention de l’utilisateur par l’interface neuronale de la machine. De telles erreurs n’ont pas provoqué de changement significatif dans la cinématique de marche du sujet et n’ont pas été perçues par le sujet. Cependant, certaines erreurs qui ont perturbé la stabilité de la marche du sujet ont été observées lors de certains essais d’essai, mais aucune n’a provoqué la chute du sujet.
La configuration expérimentale et le protocole de notre plate-forme de preuve de concept pourraient fournir des outils pratiques pour optimiser davantage le contrôle neurologique et le contrôle intrinsèque des prothèses de membres inférieurs en poudre, et pourraient aider à développer une véritable prothèse bionique de membre inférieur qui peut être utilisée par les utilisateurs de manière simple, fiable et intuitive. Après avoir regardé cette vidéo, vous devriez avoir une bonne compréhension de la façon d’appliquer la plate-forme d’ingénierie développée pour évaluer les patients atteints d’une jambe artificielle neurocontrôlée avec amputation d’un membre inférieur en toute sécurité et efficacement dans un environnement de laboratoire.
View the full transcript and gain access to thousands of scientific videos
Cette étude présente une configuration expérimentale et un protocole pour évaluer les jambes artificielles contrôlées par le système nerveux pour les patients ayant subi une amputation des membres inférieurs. La recherche vise à améliorer la fonctionnalité des dispositifs prothétiques motorisés grâce aux interfaces cerveau-machine (ICM).
This work establishes a flexible engineering platform for evaluating neurally-controlled powered lower limb prostheses, addressing a critical gap in translating neural-machine interface (NMI) research into functional prosthetic systems. By integrating NMI with intrinsic prosthetic control and validating performance in amputee subjects during ambulation tasks, the platform enables mechanistic de-risking of neural control strategies prior to preclinical and clinical development. The approach supports predictive confidence in target validation for motor intent decoding and informs portfolio decisions on neuroprosthetic investments by providing a reproducible, scalable system for early-stage functional assessment.
The platform bridges discovery biology (neural signal interpretation) to lead identification (control algorithm optimization) and preclinical work (safety and reproducibility testing), positioning it as a reusable capability in the neuroprosthetic development continuum.