מאמר שיטה

מערכת רובוטית לגפיים העליונות הנשלטת על ידי ממשק מוח-מחשב לשיפור הפעילות היומיומית בחולי שבץ מוחי

2.4K צפיות

⸱

DOI:

10.3791/67601

⸱

18 באפריל 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Health Science and Technology, Graduate School of Convergence Science and Technology, Seoul National University, 2Department of Rehabilitation Medicine, Seoul National University College of Medicine, Seoul National University Bundang Hospital, 3Clinical Neurotechnology Laboratory, Dept. of Psychiatry and Neurosciences, Charité Campus Mitte (CCM), Charité – Universitätsmedizin Berlin, 4SRH Gesundheitszentrum Bad Wimpfen GmbH

במאמר זה

סיכום

מחקר זה מציג מערכת ממשק מוח-מחשב (BCI) לחולי שבץ מוחי, המשלבת אותות אלקטרואנצפלוגרפיה ואלקטרוקולוגרפיה כדי לשלוט ביד רובוטית בגפה העליונה, ולשפר את הפעילויות היומיומיות. ההערכה השתמשה במבחן ברלין דו-ידני לשבץ מוחי (BeBiTS).

תקציר

מחקר זה מציג רובוט מסייע לגפיים העליונות הנשלט על ידי ממשק מוח-מחשב (BCI) לשיקום לאחר שבץ מוחי. המערכת משתמשת באותות אלקטרואנצפלוגרמה (EEG) ואלקטרוקולוגרמה (EOG) כדי לעזור למשתמשים לסייע לתפקוד הגפיים העליונות במשימות יומיומיות תוך אינטראקציה עם יד רובוטית. הערכנו את היעילות של מערכת רובוט BCI זו באמצעות מבחן ברלין דו-ידני לשבץ מוחי (BeBiTS), קבוצה של 10 משימות חיים יומיומיות הכוללות את שתי הידיים. שמונה חולי שבץ השתתפו במחקר זה, אך רק ארבעה משתתפים יכלו להסתגל לאימון מערכת הרובוט BCI ולבצע את הפוסט-BeBiTS. יש לציין שכאשר ציון ה-preBeBiTS עבור כל פריט היה ארבעה או פחות, מערכת הרובוט BCI הראתה יעילות מסייעת רבה יותר בהערכה שלאחר BeBiTS. יתר על כן, היד הרובוטית הנוכחית שלנו אינה מסייעת בתפקודי הזרוע ושורש כף היד, מה שמגביל את השימוש בה במשימות הדורשות תנועות ידיים מורכבות. משתתפים נוספים נדרשים לאשר את יעילות האימון של מערכת רובוט ה-BCI, ומחקר עתידי צריך לשקול שימוש ברובוטים שיכולים לסייע במגוון רחב יותר של תפקודי גפיים עליונות. מחקר זה נועד לקבוע את יכולתה של מערכת רובוט ה-BCI לסייע למטופלים בביצוע פעילויות יומיומיות.

מבוא

פגיעה בתפקוד הגפיים העליונות עקב שבץ מוחי מגבילה את היכולת לבצע פעילויות יומיומיות, במיוחד משימות דו-ידניות1. שיקום ידיים הוא, אם כן, מרכיב מרכזי בשיקום שבץ מוחי, כאשר טיפול מראה2 וטיפול בתנועה מושרה אילוץ (CIMT)3 הן גישות ידועות. מחקרים אחרונים מצביעים על כך שמערכות רובוט ממשק מוח-מחשב (BCI) מבוססות EEG יכולות להוות טיפול מסייע יעיל לשיפור התאוששות תפקוד היד בחולי שבץ מוחי 4,5,6. מערכות רובוטיות BCI מתמקדות בצימוד הכוונה הפעילה של המטופל לנסות תנועה מוטורית עם הביצועים שלו. מחקר נערך באופן פעיל כדי לקבוע אם גישה זו יעילה לשיקום 7,8,9,10,11,12,13.

במחקר זה, אנו מציגים מערכת רובוטית מסייעת לגפיים העליונות הנשלטת על ידי BCI שנועדה לסייע לחולי שבץ לבצע פעילויות דו-ידניות. המערכת משתמשת באלקטרואנצפלוגרמות (EEG) כדי לזהות ולפרש אותות מוחיים הקשורים לדמיון מוטורי ומשלבת אותם עם אלקטרוקולוגרמות (EOG) לקבלת קלטי בקרה נוספים. אותות נוירופיזיולוגיים אלה מאפשרים למטופלים לשלוט ביד רובוטית המסייעת בתנועות האצבעות14. גישה זו מגשרת על הפער בין הרצון של המטופל לנוע לבין היכולת הגופנית, מה שעשוי להקל על התאוששות מוטורית ולהגביר את העצמאות במשימות היומיומיות.

חוקרים באוניברסיטה הרפואית Charité בברלין פיתחו את מבחן ברלין הדו-ידני לשבץ מוחי (BeBiTS), כלי הערכה מקיף, כדי להעריך את היעילות של מערכת רובוטית BCI זו15. ה-BeBiTS מספק מדד כמותי לשיפור תפקודי על ידי הערכת היכולת לבצע עשר פעילויות דו-ידניות החיוניות לחיי היומיום. ההערכה מדרגת כל משימה בנפרד ומעריכה חמישה מרכיבים של תפקוד היד: הגעה, אחיזה, ייצוב, מניפולציה והרמה. הוא מאפשר הערכה מקיפה של השיפורים התפקודיים של המטופלים, תוך התמקדות בפעילויות של חיי היומיום. יתר על כן, זה מאפשר לנו לכמת את התרומה של מערכת הרובוט BCI בשיפור תפקודי יד ספציפיים. מחקר זה, אם כן, נועד לפתח מערכת רובוט מסייע BCI יעילה על ידי השוואת ציוני BeBiTS לפני ואחרי אימונים בחולי שבץ מוחי.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

מועצת הביקורת המוסדית של בית החולים בונדאנג של האוניברסיטה הלאומית של סיאול בחנה ואישרה את כל ההליכים הניסיוניים (IRB מס' B-2205-756-003). גייסנו שמונה חולי שבץ מוחי והסברנו ביסודיות את הפרטים הרלוונטיים לפני שקיבלנו את הסכמתם. לאחר קבלת הסכמה מדעת, הפרוטוקול ממשיך באופן הבא: אנו מבצעים הערכת BeBiTS לפני אימון BCI, ואחריה אימון BCI באמצעות EOG ו-EEG. לאחר מכן, המשתתפים לובשים את הרובוט כדי לבצע הערכת BeBiTS נוספת (איור 1).

1. הגדרת מערכת אימון רובוט BCI

  1. גיוס מטופלים
    1. בצע את תהליך הסינון באמצעות קריטריוני ההכללה הבאים.
      1. בחר מטופלים בגילאי 20 עד 68 עם תפקוד לקוי של הגפיים העליונות.
      2. בחר חולים שאינם מסוגלים לכופף או להאריך את אצבעות היד המשותקת.
      3. בחר חולים עם שבץ תת-קורטיקלי יחיד (כולל שבץ איסכמי ודימומי).
      4. בחר מטופלים שעברו יותר מ-6 חודשים לאחר פגיעה מוחית.
      5. בחר חולים עם ציון פוגל-מאייר לקוי של פחות מ-31.
    2. לספק לכל המטופלים המגויסים מידע מפורט על הליך הניסוי ולקבל הסכמה מדעת חתומה.
      הערה: נציג משפטי חייב לספק את ההסכמה המודעת החתומה אם מטופל עומד בקריטריונים אך אינו יכול לחתום על ההסכמה.
  2. מערכת BCI: מכשיר EEG
    1. השתמש במערכת הצגת EEG (ראה טבלת החומרים) להקלטת נתונים.
    2. השתמש במחשב אישי (PC) עם תוכנת BCI מותאמת אישית וחבר את המחשב למכשיר ה-EEG.
  3. יד רובוטית לסיוע בגפיים העליונות
    1. יד רובוטית מסייעת16 התומכת בשלוש אצבעות משמשת על הגפה העליונה הפגומה של המטופל. רובוט זה הוא כפפה רכה דמוית עור שנועדה לכסות שלוש אצבעות בלבד: האגודל, המורה והאצבע האמצעית. חבר את הרובוט באופן אלחוטי למחשב באמצעות דונגל USB.
    2. כאשר הוא מחובר למחשב באמצעות דונגל, המצב ההתחלתי של הרובוט הוא ניטרלי, כלומר ידו פתוחה לחלוטין. מערכת ה-BCI המתוכננת מגדירה את הרובוט כך שידו יכולה להיסגר רק כאשר היא מזהה את הכוונה לבצע אגרוף, בהתבסס על האם ערך ה-EEG הנמדד עומד בסף. איור 2 מציג את הסכימה של מערכת רובוט BCI זו.

2. הערכת רובוט BCI

  1. מבחן דו-ידני של ברלין לשבץ מוחי (BeBiTS)
    הערה: הערכת BeBiTS היא כלי להערכת הביצועים של 10 פעילויות דו-ידניות של חיי היומיום בחולי שבץ מוחי.
    1. מקם את המטופל בנוחות בכורסה מול שולחן. ודא שהמטופל ממוקם קרוב לשולחן, במרחק של כ-30 ס"מ מהחפצים המשמשים בהערכה, כדי לבצע את משימות ההערכה באמצעות שתי הידיים והידיים.
    2. שמור את 10 הפריטים הבאים להערכת פעילויות דו-ידניות: פתח צנצנת; פתח חבילת פלסטיק; לפתוח בקבוק מים; יוצקים מים; חותכים מרק דמוי בשר; לנקות כלים; להרים סיר; פתח צינור משחת שיניים; למרוח משחת שיניים על מברשת שיניים; סגור את רוכסן הז'קט.
      הערה: 10 משימות ההערכה משתמשות בפריטי הערכה, שכולן מבוצעות בישיבה ליד שולחן. כל פעולה מקבלת ציון מתוך 10, עם ציון כולל של 100.
    3. העריכו וציינו חמישה מרכיבי פונקציית היד לצד ציוני הפריט הבודד. רכיבים אלה והציונים המתאימים שלהם מגיעים (20), אוחזים (20), מייצבים (10), מניפולציה (33) והרמה (17), כאשר הניקוד הכולל מסתכם ב-100 נקודות (איור 3).

3. מערכת אימון רובוט BCI

  1. הגדרת EEG
    1. פתח את מערכת BCI. איור 4 מציג את כל המסך כאשר מערכת ה-BCI נפתחת.
    2. חבשו מכסה וחברו את המגבר.
    3. במודול המקור, בחר EegoModule | מצב עכבה. לחץ על התחל במודול המקור, המציג אור כחול (איור 5A).
    4. ודא שהעכבות נמוכות מ-10k אוהם, ולאחר מכן לחץ על עצור במודול המקור.
    5. שנה את המצב ל-EEG כדי להזרים את הנתונים ולחץ על התחל. בדוק את האות עם התוכנה הנתונה (איור 5B).
  2. כיול EOG
    1. במודול העיבוד המקדים, בחר את הצינור הספציפי למונטאז' EOG (למשל, SMR-EOGleft עבור אלקטרודת EOG בעין שמאל; איור 6A).
    2. במודול המשימה, הגדר את מספר הרמזים (למשל, 10). מודול המשימה מגדיר כיוונים נגדיים ליד הרובוטית (איור 6B).
    3. הנחו את המשתתף לבצע תנועות עיניים רוחביות קצרות בכיוון 10 החצים שמופיעים (איור 6C).
    4. בדוק את גרף התוצאות מיד לאחר האימון. הקווים האפורים מייצגים כל ניסיון תנועת עיניים; ודא שהקו הכתום, שהוא הממוצע, נוגע בקו הבסיס, מה שמצביע על כך שהאימון מוצלח (איור 7).
    5. אם האימון הצליח, רשום את ערך פרמטר הסף .
      הערה: חזרה עקבית על תנועות העיניים היא חיונית. למרות שזה משתנה ממשתתף למשתתף, אימון EOG הוא בדרך כלל מעשי לאחר כשלושה ניסיונות ובדרך כלל משתפר עם אימונים חוזרים.
  3. כיול EEG
    1. במודול המשימה, בחר EEGCalibrationTaskModule (איור 8A). הגדר את מספר הרמזים במודול המשימה ל-5.
    2. במודול המשוב, הגדר את Laterality לצד היד הרובוטית וודא ש-Display Pac-Man לא נבחר (איור 8B).
    3. הנחו את המשתתף לדמיין כיווץ אגרוף כאשר ההנחיה "דמיינו שאתם עושים אגרוף" מופיעה על המסך השחור (איור 8C). בקשו מהמשתתף להירגע כשהמסך שחור. חזור על תהליך זה, כאשר הדמיון מכווץ האגרופים נמשך 5 שניות ותקופת המנוחה משתנה באופן אקראי בין 10 שניות ל-15 שניות.
    4. סקור את גרף התוצאות לאחר כיול EEG והשתמש בדפוס ה-ERD האופייני בפס ה-mu של 8-12 הרץ במהלך הדמיה מוטורית כדי לקבוע את טווח התדרים המתאים למשתתף. רשום את ערך הפרמטר של 11 הרץ מהגרף השמאלי באיור 9, המציג את תגובת ה-ERD במהלך הדמיה מוטורית בהשוואה למצב המנוחה. בגרף הימני של איור 9, הדגש את הקו האדום המובהק, המייצג תמונות קפוצות אגרוף, ואת הקו הכחול, המציין את המצב הרפוי, ביחס לקו הסף המקווקו האופקי.
    5. אם אימון כיול ה-EEG מבוצע כראוי, רשום את ערך הייחוס והסף מתחת לגרף הימני.
      הערה: עם זאת, ייתכנו מקרים שבהם אימון כיול לטווח קצר מאתגר עקב בעיות כמו חוסר הבנה של ההוראות שסופקו או אנאלפביתיות BCI.
  4. הדרכה עם משוב
    1. לאחר השלמת אימון EOG ו-EEG, הגדר ערכי פרמטרים המבדילים את הכוונה לבצע אגרוף עבור תדירות היעד הספציפית של עניין, ערך הייחוס והסף שזוהו על ידי גרף התוצאות באימון הקודם.
    2. באמצעות הפרמטרים המוגדרים, המשך באימון משוב באמצעות Pac-Man. אם הפרמטרים מוגדרים נכון לאחר האימון, שימו לב שפיו של פק-מן ייסגר בהדרגה כאשר המשתתף מדמיין את אגרופו. אם פיו של פק-מן אינו נסגר כראוי, חזרו על אימון כיול ה-EEG תוך התאמת ערך הייחוס והסף (איור 10).
  5. ניסוי: הערכת BeBiTS באמצעות מערכת הרובוט BCI
    1. לאחר השלמת כל אימוני המשוב (כ-30 דקות), בקשו מהמשתתף ללבוש את הרובוט ולבצע את ההערכה שלאחר BeBiTS באמצעות מערכת ה-BCI המאומנת.
      הערה: אם ספסטיות היד של המטופל חמורה, יש צורך בזהירות מיוחדת בעת לבישת הרובוט. בנוסף, ייתכן שהסיוע בשלוש אצבעות שמספק הרובוט לא יספיק לחלק מהמטופלים, מה שמקשה על ביצוע כל התנועות הנדרשות בהערכת BeBiTS. במקרים כאלה מעריכים רק את התנועות שניתן לבצע.
    2. המתן עד שהאור הלבן המציין את מצב המוכנות וההתחלה יופיע על המסך, כפי שמוצג באיור 11A. אחרי שאישרו את האור הלבן, המשתתפים מזיזים את העיניים שלהם לצד אחד כדי לשנות את האור לירוק (איור 11B). כאשר האור הירוק מופיע, המשתתפים מדמיינים את אגרופם.
      הערה: אם המערכת מזהה היטב את כוונת המשתתף, היא מפעילה את הרובוט שענד המשתתף כדי לכווץ את אגרופו.
    3. בקשו מהמשתתף לכווץ את אגרופו בעזרת הרובוט, ואז לבצע את הפעולה שמוצגת באיור 11C.
    4. איור 11D מציג נורה אדומה, המציינת שהרובוט שומר על תנוחה קפוצה באגרוף. לאחר השלמת הפעולה, המשתתף צופה באור האדום הזה על המסך, כפי שמוצג באיור 11D. בשלב זה, אם המשתתף רוצה לפתוח את ידו שוב בעזרת הרובוט, הוא יכול להזיז את עיניו כדי לשנות את צבע האור בחזרה ללבן.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

איור 12 מציג את התוצאות של אימון EOG ו-EEG. איור 12A מייצג את התוצאות של משתתף מאומן היטב. ערכי האימון של EOG עקביים, כאשר הממוצע (קו מודגש כתום) מגיע כראוי לקו הסף. תוצאות אימון ה-EEG גם מבחינות בבירור בין הקווים הכחולים (מצב מנוחה) והאדומים (דימוי מוטורי).

לעומת זאת, איור 12B מראה את התוצאות של משתתף שלא התאמן היטב. ניסויי ה-EOG אינם עקביים, והממוצע (קו ירוק מודגש) אינו מגיע לקו הסף. יתר על כן, תוצאות א...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

מחקר זה הציג מערכת רובוטית מסייעת לגפיים העליונות של BCI כדי לתמוך בחולי שבץ מוחי בביצוע משימות יומיומיות. הערכנו את היעילות של משימות דו-ידניות באמצעות מבחן BeBiTS15 ויישמנו הכשרה להפעלת הרובוט המסייע לגפיים העליונות באמצעות מערכת BCI14. גישה זו, בניגוד להליכי שיקום קונבנציונליים, מאפשרת למטופלים לעסוק באופן פעיל בהחלמתם על ידי שליטה בפעולות הרובוט בהתאם לכוונותיהם. כיול מדויק של אימון ה-EOG וה-EEG הוא חיוני להשגת אותות מדויקים ממערכת ה-BC...

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

למחברים אין ניגודי אינטרסים להצהיר עליהם.

תודות

עבודה זו נתמכה על ידי תוכנית שיתוף הפעולה הבינלאומית של האקדמיה והתעשייה הגרמנית-קוריאנית בנושא רובוטיקה ובנייה קלה/פחמן במימון משרד החינוך והמחקר הפדרלי של הרפובליקה הפדרלית של גרמניה ומשרד המדע והתקשוב הקוריאני (מענק מס' P0017226)

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

חומרים

רשימת החומרים שנעשה בהם שימוש במאמר זה
שםחברהמספר קטלוגהערות
BCI2000מערכת תוכנה לשימוש כללי בקוד פתוח למחקר ממשק מוח-מחשב (BCI) הניתנת בחינם לשימוש לא מסחרי
Brain Products GmbHהוא כלי שימושי לניטור זרמי ה-LSL EEG והסמנים שלה.
מגבר EEGO Mini עם 8 ערוצים (F3, F4, C3, Cz, C4, P3, P4, EOG) מכסי מגן גל מקוריים Ant Neuro, הולנדעיצוב קומפקטי וקל משקל: מגבר המיני eego קטן וקל משקל, ומציע ניידות והתאמה מצוינת להקלטת EEG בסביבות שונות.
נאומאנו neofect, קוריאהכפפה חומר: עור, סקוטש, בד מונע החלקה
חומר חוט: חוט סינטטי
משקל: 65 גרם (ללא batt.)
מכסים שלוש אצבעות: האגודל, האצבע המורה והאצבע האמצעית
המחשב האישי ( PC) עם תוכנת BCI מותאמת אישית מחשב נייד עם חלון
BrainVision LSL Viewer 

מקורות

  1. Ekstrand, E., Rylander, L., Lexell, J., Brogårdh, C. Perceived ability to perform daily hand activities after stroke and associated factors: a cross-sectional study. BMC Neurol. 16, 208(2016).
  2. Angerhöfer, C., Colucci, A., Vermehren, M., Hömberg, V., Soekadar, S. R. Post-stroke rehabilitation of severe upper limb paresis in Germany-toward long-term treatment with brain-computer interfaces. Front. Neurol. 12, 772199(2021).
  3. Corbetta, D., Sirtori, V., Castellini, G., Moja, L., Gatti, R. Constraint-induced movement therapy for upper extremities in people with stroke. Cochrane Database Syst Rev. 2015 (10), CD004433(2015).
  4. Kutner, N. G., Zhang, R., Butler, A. J., Wolf, S. L., Alberts, J. L. Quality-of-life change associated with robotic-assisted therapy to improve hand motor function in patients with subacute stroke: a randomized clinical trial. Phys Ther. 90 (4), 493-504 (2010).
  5. Baniqued, P. D. E., et al. Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review. J Neuroeng Rehabil. 18 (1), 15(2021).
  6. Yang, S., et al. Exploring the use of brain-computer interfaces in stroke neurorehabilitation. BioMed Res Int. 2021, 9967348(2021).
  7. Wolpaw, J. R. Brain-computer interfaces. Handb Clin Neurol. 110, 67-74 (2013).
  8. Teo, W. P., Chew, E. Is motor-imagery brain-computer interface feasible in stroke rehabilitation. PM R. 6 (8), 723-728 (2014).
  9. Gomez-Rodriguez, M., et al. Towards brain-robot interfaces in stroke rehabilitation. IEEE Int Conf Rehabil Robot. 2011, 5975385(2011).
  10. Silvoni, S., et al. Brain-computer interface in stroke: a review of progress. Clin EEG Neurosci. 42 (4), 245-252 (2011).
  11. Soekadar, S. R., Birbaumer, N., Cohen, L. G. Brain-computer interfaces in the rehabilitation of stroke and neurotrauma. Systems Neuroscience and Rehabiliation. Kansaku, K., Cohen, L. G. , Springer. Tokyo. 3-18 (2011).
  12. Said, R. R., Heyat, M. B. B., Song, K., Tian, C., Wu, Z. A systematic review of virtual reality and robot therapy as recent rehabilitation technologies using EEG-brain-computer interface based on movement-related cortical potentials. Biosensors. 12 (12), 1134(2022).
  13. Daly, J. J., Huggins, J. E. Brain-computer interface: current and emerging rehabilitation applications. Arch Phys Med Rehabil. 96 (3 Suppl), S1-S7 (2015).
  14. Soekadar, S. R., Witkowski, M., Vitiello, N., Birbaumer, N. An EEG/EOG-based hybrid brain-neural computer interaction (BNCI) system to control an exoskeleton for the paralyzed hand. Biomed Tech (Berl). 60 (3), 199-205 (2015).
  15. Angerhöfer, C., et al. The Berlin Bimanual Test for Tetraplegia (BeBiTT) to assess the impact of assistive hand exoskeletons on bimanual task performance. J NeuroEng Rehabil. 20, 17(2023).
  16. Neofect. Neomano. Wearable Robot Hand Assistance. , https://www.neofect.com/kr/neomano (2024).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

EEG EOGBeBiTS

מאמרים קשורים