22 juli 2014
Neurale-machine interfaces (NMI) zijn ontwikkeld om voortbeweging modus de gebruiker identificeren. Deze NMI potentieel nuttig voor neuronale controle van aangedreven kunstmatige benen, maar nog niet volledig aangetoond. Deze gepresenteerd (1) onze ontworpen technische platform voor eenvoudige implementatie en ontwikkeling van neurale controle voor gemotoriseerde onderste ledematen prothesen en (2) een experimentele opstelling en protocol in een laboratoriumomgeving om neuraal-gecontroleerde kunstmatige benen op patiënt
Het algemene doel van deze procedure is het presenteren van een experimentele opstelling en een protocol in een laboratoriumomgeving om neuraal aangestuurde kunstbenen te evalueren bij patiënten met amputaties aan de onderste ledematen. Dit wordt bereikt door eerst voorbereidingen te treffen voor de meting van oppervlakte-EMG-signalen vanuit de resterende spieren van de onderste ledematen van de proefpersoon. Vervolgens wordt het aangedreven prothesebeen van de gerecruteerde proefpersoon uitgelijnd en gekalibreerd.
Vervolgens worden de trainingsgegevens verzameld en worden de classifiers in de neurale machine-interface getraind. De laatste stap is het testen van de prestaties van de neurale aansturing van het aangedreven prothesebeen bij de geworven geamputeerde proefpersoon. Uiteindelijk wordt het neuraal aangestuurde aangedreven prothesebeen gebruikt om de proefpersoon in staat te stellen diverse activiteiten, zoals vlak staan, lopen op een vlakke ondergrond, het bestijgen en afdalen van een helling, veilig en continu in het laboratorium uit te voeren.
Het belangrijkste voordeel van dit platform voor ontwerptechniek is dat elk functieblok eenvoudig kan worden gedebuggd, gewijzigd en bijgewerkt. Bovendien kunnen functies eenvoudig worden toegevoegd of verwijderd, en kan de verbinding tussen modellen gemakkelijk worden aangepast in het computerprogramma. Het nieuwe ontwerp van de interface van de elektrodehouder kan zorgen voor een hoogwaardige EMG-signaalregistratie, een strakke ophanging van de houder en een goed gebruikerscomfort.
Daarom kan dit ontwerp worden gebruikt om de spiereigenschappen of de functie van de resterende ledematen bij mensen met een amputatie van de onderste ledematen te onderzoeken. De procedure wordt gedemonstreerd door William Boatwright en Aaron Fleming.
De studenten van ons lab bereiden de proefpersoon voor op de test door een passend valbeveiligingsharnas aan te trekken en dit te bevestigen aan het railsysteem aan het plafond. Selecteer vervolgens zeven volledig opgeladen draadloze EMG-sensoren. Plaats de EMG-sensoren in de op maat gemaakte zuignaphouder op de voorbereide locaties.
Noteer het volgnummer van de sensoren en koppel deze aan de EMG-locaties. Nadat de huid van de stomp van de proefpersoon is gereinigd met isopropylalcohol, wordt de aangedreven prothese met een piramideadapter aan de zuignap bevestigd. Help de proefpersoon bij het aantrekken van de zuignap en controleer of de nap stevig op de stomp van de proefpersoon is bevestigd.
Schakel vervolgens de software voor real-time EMG-analoge datastreaming in. Verzoek de proefpersoon vervolgens om heupflexie en -extensie, en heupabductie en -adductie uit te voeren, en om knieflexie en -extensie voor te stellen; controleer de EMG-signalen om het contact van de EMG-elektroden en de datacommunicatie te verifiëren om de krachtige prothese uit te lijnen en te kalibreren. Begin met de proefpersoon in een staande positie terwijl deze een hulplooprek vasthoudt en stel de rotatieschroeven op de adapter af totdat de positie van de prothese geometrisch is uitgelijnd met de koker.
Vraag de proefpersoon om de prothese op te tillen en kalibreer de krachtsensor op de prothesepylon. Instrueer de proefpersoon om te oefenen met lopen op verschillende terreinen: vlak terrein, het bestijgen van een helling en het afdalen van een helling. Laat de proefpersoon, terwijl hij of zij het aangedreven prothesebeen draagt, doorgaan tot hij of zij zich zeker voelt bij het lopen met het aangedreven apparaat en een consistent looppatroon vertoont.
Leg bij elke activiteit het vooraf gedefinieerde looppad uit aan de proefpersoon en instrueer de proefpersoon om op de startlocatie van het looppad te gaan staan. Zet vervolgens de elektrische prothese aan en laad de parameters in de intrinsieke controller. Start een computerprogramma voor het verzamelen van trainingsgegevens en zet de intrinsieke besturing in de staandmodus door op de knop voor staan in de grafische gebruikersinterface of GUI te klikken.
Instrueer de proefpersoon vervolgens om over een vlak terrein te lopen met een zelfgekozen, comfortabele loopsnelheid. Klik tegelijkertijd op de loopknop op de gooey vóór de afzet van de leidende voet van de proefpersoon; dit stelt de intrinsieke regeling automatisch in op de modus voor lopen op vlak terrein. Wanneer de proefpersoon de rand van de helling nadert, klikt u op de knop voor hellingopstijging op de gooey vóór de afzet van het prothesebeen bij het betreden van de helling, waardoor de intrinsieke regeling voor de veiligheid wordt omgeschakeld naar de modus voor hellingopstijging.
Laat de proefpersoon een handleuning gebruiken bij het lopen op de helling. Wanneer de proefpersoon de rand van de helling bereikt, klikt u opnieuw op de loopknop. Dit gebeurt voordat de hiel van het prothesebeen het vlakke platform raakt, waardoor de intrinsieke besturing van de prothese wordt overgeschakeld naar de loopmodus voor vlak terrein.
Instructeer de proefpersoon aan het einde van het looppad om te stoppen en tegelijkertijd rechtop te blijven staan. Klik op de knop voor staan vóór de dubbele standfase, waardoor de intrinsieke besturing terugschakelt naar de standmodus. Beëindig na ongeveer vijf seconden de gegevensverzameling door op de stopknop te klikken.
Herhaal de procedure terwijl het subject een route in omgekeerde richting terug naar de startlocatie loopt. Het enige verschil is het overschakelen van de intrinsieke controle naar de modus voor afdaling van de helling. Wanneer het subject over de helling naar beneden loopt, herhaal het lopen op en af de helling 10 keer en controleer vervolgens de signaalkwaliteit van de verzamelde trainingsdataset.
Train vervolgens de patroonherkenningsclassificatoren in de neurale machine-interface via een offline trainingsmodule. Gebruik de verzamelde EMG- en mechanische signalen, de tijdens de trainingsprocedure gelabelde activiteitsmodi en de gedetecteerde fasen om een faseafhankelijk patroon op te stellen. De classificatoren slaan de parameters automatisch op voor een latere online testsessie.
Begin de volgende reeks testen door de proefpersoon te instrueren om bij het startpunt van het looppad te gaan staan. Nadat de aangedreven prothese is ingeschakeld, laadt u de getrainde classifier in de online testmodule en de parameters in de intrinsieke controller. Instrueer de proefpersoon vervolgens om vanuit een staande positie met de testreeksen te beginnen.
Ga vervolgens vloeiend over naar lopen op vlak terrein, lopen op een helling, opnieuw lopen op vlak terrein en stop tenslotte. Instrueer de proefpersoon aan het einde van het looppad om elke activiteit in een comfortabel tempo uit te voeren. Sta rustperiodes tussen de pogingen toe om vermoeidheid tijdens elke testpoging te voorkomen.
Toon de activiteitsmodi van de prothese en de aflezingen van de kniegewrichtshoek op een monitor, en sla alle metingen en besturingsuitgangen op voor latere evaluatiedoeleinden. De ruwe EMG-signalen geregistreerd vanuit de dijspieren van het stomp van de proefpersoon vertonen een karakteristiek patroon wanneer de proefpersoon afwisselde tussen heupflexie en heupextensie. De ruwe EMG-signalen geregistreerd terwijl de proefpersoon op een vlak wandelpad liep worden hier getoond; uit deze figuren kan worden opgemaakt dat de interface van de EMG-elektrodehouder een interface van goede kwaliteit kan bieden.
EMG-signaalmetingen. De proefpersoon kreeg de instructie om te beginnen in een staande positie, over te gaan naar lopen op een vlakke ondergrond, een helling te beklimmen, weer op een vlakke ondergrond te lopen en vervolgens te stoppen aan het einde van het looppad. De proefpersoon keerde vervolgens terug naar het oorspronkelijke startpunt via de omgekeerde route, waarbij de proefpersoon in staat was om soepel te schakelen tussen de besturingsmodi van de actieve transfemorale prothese op basis van de beoogde activiteitsmodi.
De rode stippellijn geeft de gedefinieerde kritieke timing aan van elke overgang tussen activiteitsmodi voor overgangen van vlak terrein naar lopen op een helling, stijgen of dalen, en van staan naar lopen. De kritieke timing was het begin van de zwaaifase, oftewel het loslaten van de tenen (toe off), voor overgangen van een helling, stijgen of dalen naar lopen op vlak terrein en van lopen naar staan. De kritieke timing was het begin van de gewichtsacceptatie, oftewel het hielcontact op het vlakke terrein.
Ongeveer 18 seconden na het begin van deze proef schakelde de prothese onjuist over naar de modus voor hellingopstijging terwijl het subject op vlak terrein liep, als gevolg van een foutieve herkenning van de intentie van de gebruiker door de neurale machine-interface. Fouten zoals deze veroorzaakten geen significante verandering in de loopkinematica van het subject en werden door het subject niet waargenomen. Er werden echter in sommige testproeven wel fouten geobserveerd die de stabiliteit van het gangspoor van het subject verstoorden, maar geen enkele leidde tot een val van het subject.
Onze experimentele opzet en het protocol van dit proof-of-concept platform kunnen handige instrumenten bieden om de neurale aansturing en intrinsieke regeling van een gepoederde prothese voor de onderste ledematen verder te optimaliseren, en kunnen helpen bij de ontwikkeling van een echte bionische prothese voor de onderste ledematen die door gebruikers eenvoudig, betrouwbaar en intuïtief kan worden bediend. Na het bekijken van deze video zou u een goed begrip moeten hebben van hoe het ontwikkelde technische platform kan worden toegepast om patiënten met een amputatie van de onderste ledematen en een neuraal aangestuurd kunstbeen veilig en efficiënt te evalueren in een laboratoriumomgeving.
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Deze studie presenteert een experimentele opzet en een protocol om neuraal aangestuurde kunstbenen te evalueren voor patiënten met amputaties aan de onderste ledematen. Het onderzoek is erop gericht de functionaliteit van aangedreven prothetische hulpmiddelen te verbeteren via neurale machine-interfaces (NMI).
Dit werk vestigt een flexibel engineeringplatform voor het evalueren van neuraal aangestuurde aangedreven prothesen voor de onderste ledematen, waarmee een kritisch gat wordt gedicht in de vertaling van onderzoek naar neurale machine-interfaces (NMI) naar functionele prothesesystemen. Door NMI te integreren met intrinsieke prothesebesturing en de prestaties te valideren bij geamputeerde proefpersonen tijdens looptaken, maakt het platform een mechanische risicoreductie van neurale besturingsstrategieën mogelijk voorafgaand aan de preklinische en klinische ontwikkeling. De aanpak ondersteunt het voorspellende vertrouwen in targetvalidatie voor het decoderen van motorische intenties en informeert portfoliobeslissingen over investeringen in neuroprothesen door een reproduceerbaar, schaalbaar systeem te bieden voor functionele beoordeling in een vroeg stadium.
Het platform slaat een brug tussen discovery biology (interpretatie van neurale signalen), lead-identificatie (optimalisatie van het regelalgoritme) en preklinisch werk (veiligheids- en reproduceerbaarheidstests), waardoor het fungeert als een herbruikbare capaciteit binnen het continuüm van de ontwikkeling van neuroprothesen.