Hersen-computerinterface-gestuurd robotsysteem voor de bovenste ledematen voor het verbeteren van dagelijkse activiteiten bij patiënten met een beroerte

Ons protocol evalueert een BCI-gestuurde robot voor het ondersteunen van de bovenste ledematen voor revalidatie na een beroerte met behulp van EEG- en EOG-signalen om de bimanuele functie te verbeteren. Het beoordeelt functionele verbeteringen door middel van BeBiTS en bevordert ondersteunende neurorevalidatie.

Deze techniek komt ten goede aan patiënten met hemiplegie na een beroerte door de paretische handfunctie te ondersteunen. Het kan ook patiënten helpen met motorische stoornissen als gevolg van ruggenmergletsels of neurodegeneratieve ziekten.

Deze techniek overbrugt motorische intentie en uitvoering, met behulp van EEG EOG, waardoor patiënten met een beroerte een robothand kunnen besturen. Het verbetert de bimanuele functie en verbetert de onafhankelijkheid bij dagelijkse activiteiten in vergelijking met conventionele ondersteunende benaderingen.

Patiënten kunnen problemen ondervinden als ze voor het eerst motorische beeldtraining ondergaan. Daarom zijn passende begeleiding en instructies nodig om kinesthetische motorische beelden te garanderen.

DCI-gestuurde robot voor de bovenste ledematen omvat neurorevalidatiecomponenten zoals neuroplasticiteit en motorisch leren. Dit systeem kan worden uitgebreid tot motorische revalidatie bij patiënten met een beroerte, hersenverlamming en neurodegeneratieve ziekten.

[Docent] Geef om te beginnen alle gerekruteerde patiënten gedetailleerde informatie over de experimentele procedure. Verkrijg ondertekende geïnformeerde toestemming van elke deelnemer. Evalueer na het invullen van het toestemmingsformulier de 10 items van het BeBiTS-assessment voordat u de BCI-robot traint in een comfortabele stoel voor een bureau. Start de brein-computerinterface of het BCI-systeem. Plaats de dop op het hoofd van de patiënt en sluit de versterker aan. Selecteer in de bronmodule EegoModule, gevolgd door impedantiemodus, en druk op start om de module te activeren. Let op het blauwe lampje dat activering aangeeft. Zorg ervoor dat de impedanties lager zijn dan 10 kilo ohm. Druk vervolgens op stop in de bronmodule. Verander de modus in EEG voor datastreaming. Druk op start en controleer de signaalkwaliteit. Voor EOG-kalibratie stelt u in de taakmodule het aantal aanwijzingen in. Instrueer de deelnemer om korte zijwaartse oogbewegingen uit te voeren, waarbij u de 10 pijlen volgt die op het scherm verschijnen. Bekijk de resultatengrafiek direct na de training. Selecteer voor EEG-kalibratie de EEG-kalibratietaakmodule en stel het aantal aanwijzingen in de taakmodule in op vijf. Stel in de feedbackmodule de lateraliteit in op de zijkant van de robothand. Zorg ervoor dat display pacman niet is geselecteerd. Instrueer de deelnemer nu om zich voor te stellen dat hij zijn vuist balt wanneer de prompt, stel je voor dat je een vuist maakt, op het zwarte scherm verschijnt en bekijk vervolgens de resultatengrafiek. Stel na de EOG- en EEG-training parameters in voor de specifieke doelfrequentie van interesse, referentiewaarde en drempel, die de intentie van het maken van een vuist onderscheiden. Ga met behulp van de geconfigureerde parameters verder met feedbacktraining met behulp van de pacman-interface. Sluit met een USB-dongle een ondersteunende robothand draadloos aan op een computer. Laat de deelnemer vervolgens de robot dragen en de BeBiTS-beoordeling uitvoeren. Wacht tot het witte lampje op het scherm de gereedstatus aangeeft. Instrueer de deelnemer na bevestiging om zijn ogen opzij te bewegen om het licht op groen te zetten. Wanneer het groene lampje verschijnt, instrueer je ze om zich voor te stellen dat ze hun vuist ballen. Gebruik de robot om de deelnemer te helpen bij het ballen van zijn vuist en het uitvoeren van de taak. Instrueer de deelnemer na het voltooien van de taak om het rode lampje op het scherm te observeren. Als de deelnemer zijn hand wil openen, kan hij zijn ogen bewegen om de lichtkleur weer wit te maken. Ten slotte wordt de patiënt opnieuw geëvalueerd, post-BeBiTS, met behulp van het BCI-robotsysteem. EOG-waarden van een goed getrainde deelnemer vertoonden consistente onderzoeken, waarbij de gemiddelde curve het drempelniveau bereikte, en hun EEG-resultaten maakten duidelijk onderscheid tussen rusttoestand en motorische beelden. Daarentegen waren EOG-onderzoeken van de slecht getrainde deelnemer inconsistent, waarbij de gemiddelde curve niet voldeed aan het drempelniveau, en hun EEG-resultaten misten een duidelijk onderscheid tussen de rusttoestand en motorische beelden. Deelnemers P1, P4 en P5 slaagden er niet in om de meeste taken uit te voeren tijdens zowel pre- als post-BeBiTS-assessments. Deelnemer P3 scoorde aanvankelijk in de pre-BeBiTS assessment, maar liet geen score zien in de post-BeBiTS evaluatie na onvoldoende training. Deelnemers P2 en P6 tot en met P8 vertoonden verbetering in sommige taken tijdens de post-BeBiTS-evaluaties in vergelijking met de pre-BeBiTS-evaluaties.