Artykuł metodologiczny

Interfejs człowiek-maszyna integrujący niedrogie czujniki z systemem stymulacji elektrycznej nerwowo-mięśniowej do rehabilitacji równowagi po udarze

DOI:

10.3791/52394

⸱

12 kwietnia 2016

 ,  ,  , 
1Indian Institute of Technology Gandhinagar, 2AMRI Institute of Neurosciences, 3Institut national de recherche en informatique et en automatique (INRIA), 4Leibniz Research Centre for Working Environment and Human Factors (IfADo)

W tym artykule

Podsumowanie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

W tym artykule przedstawiono nowatorski, tani interfejs człowiek-maszyna do interaktywnego systemu rehabilitacji równowagi po udarze. System integruje gotowe, niedrogie czujniki w kierunku wolicjonalnie sterowanego paradygmatu elektroterapii. Interfejs oprogramowania typu proof-of-concept jest demonstrowany na zdrowych ochotnikach.

Streszczenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Udar jest spowodowany, gdy pęka tętnica przenosząca krew z serca do obszaru mózgu lub skrzep blokuje przepływ krwi do mózgu, uniemożliwiając tym samym dostarczanie tlenu i składników odżywczych. Około połowa osób, które przeżyły udar, pozostaje z pewnym stopniem niepełnosprawności. Pilnie potrzebne są innowacyjne metody neurorehabilitacji odtwórczej w celu zmniejszenia długotrwałej niepełnosprawności. Zdolność układu nerwowego do reorganizacji swojej struktury, funkcji i połączeń w odpowiedzi na bodźce wewnętrzne lub zewnętrzne nazywana jest neuroplastycznością. Neuroplastyczność bierze udział w poudarowych zaburzeniach czynnościowych, ale także w rehabilitacji. Korzystne zmiany neuroplastyczne mogą być ułatwione dzięki nieinwazyjnej elektroterapii, takiej jak elektryczna stymulacja nerwowo-mięśniowa (NMES) i elektryczna stymulacja czuciowa (SES). NMES polega na skoordynowanej stymulacji elektrycznej nerwów ruchowych i mięśni w celu ich aktywacji za pomocą ciągłych, krótkich impulsów prądu elektrycznego, podczas gdy SES polega na stymulacji nerwów czuciowych prądem elektrycznym, co powoduje odczucia, które wahają się od ledwo dostrzegalnych do bardzo nieprzyjemnych. W tym przypadku aktywny udział kory mózgowej w zabiegach rehabilitacyjnych może być ułatwiony poprzez kierowanie nieinwazyjną elektroterapią za pomocą biosygnałów (elektromiogram (EMG), elektroencefalogram (EEG), elektrookulogram (EOG)), które reprezentują jednoczesną aktywną percepcję i wysiłek wolicjonalny. Aby osiągnąć to w warunkach ubogich w zasoby, np. w krajach o niskich i średnich dochodach, przedstawiamy tani interfejs człowiek-maszyna (HMI), wykorzystując najnowsze osiągnięcia w technologii czujników do gier wideo. W tym artykule omawiamy interfejs oprogramowania typu open source, który integruje tanie, gotowe czujniki do wzrokowo-słuchowego biofeedbacku z nieinwazyjną elektroterapią w celu wspomagania kontroli postawy podczas rehabilitacji równowagi. Demonstrujemy dowód słuszności koncepcji na zdrowych ochotnikach.

Wprowadzenie

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Epizod dysfunkcji neurologicznej spowodowany ogniskowym zawałem mózgu, kręgosłupa lub siatkówki nazywa się udarem1. Udar mózgu jest globalnym problemem zdrowotnym i czwartą najczęstszą przyczyną niepełnosprawności na świecie1. W krajach takich jak Indie i Chiny, dwóch najbardziej zaludnionych krajach świata, niepełnosprawność neurologiczna spowodowana udarem mózgu jest określana jako ukryta epidemia2. Jednym z najczęstszych powikłań medycznych po udarze mózgu są upadki, których częstość występowania wynosi do 73% w pierwszym roku po udarze3. Upadek po udarze jest wieloczynnikowy i obejmuje zarówno czynniki kręgosłupowe, jak i nadrdzeniowe, takie jak równowaga i zaniedbanie wzrokowo-przestrzenne4. Przegląd przeprowadzony przez Geurtsa i współpracowników5 zidentyfikował 1) wielokierunkowo upośledzone maksymalne przenoszenie ciężaru podczas stania na dwóch nogach, 2) niską prędkość, 3) nieprecyzyjność kierunkową oraz 4) małe amplitudy pojedynczych i cyklicznych submaksymalnych przesunięć ciężaru w płaszczyźnie czołowej jako czynniki równoważące ryzyko upadku. Wynikający z tego wpływ na czynności życia codziennego może być znaczący, ponieważ wcześniejsze prace wykazały, że równowaga jest związana ze zdolnością poruszania się i niezależnością w zakresie funkcji motoryki dużej 5,6. Co więcej, Geurts i współpracownicy5 zasugerowali, że nadrdzeniowa integracja multisensoryczna (i koordynacja mięśni7) oprócz siły mięśni ma kluczowe znaczenie dla przywrócenia równowagi, której brakuje w obecnych protokołach. W kierunku integracji multisensorycznej, nasza hipoteza8 dotycząca wolicjonalnie sterowanej nieinwazyjnej elektroterapii (NMES / SES) jest taka, że to adaptacyjne zachowanie może być kształtowane i ułatwiane przez modulowanie aktywnej percepcji bodźców sensorycznych podczas wspomaganego przez NMES / SES ruchu dotkniętej kończyny, tak że mózg może włączyć to sprzężenie zwrotne do późniejszego ruchu wyjściowego poprzez rekrutację alternatywnych ścieżek motorycznych9, w razie potrzeby.

Aby osiągnąć wolicjonalnie sterowany trening równowagi wspomagany NMES/SES w środowisku ubogim w zasoby, opracowano tani interfejs człowiek-maszyna (HMI), wykorzystując dostępne oprogramowanie open-source i najnowsze osiągnięcia w technologii czujników do gier wideo do wzrokowo-słuchowego biofeedbacku. NMES obejmuje skoordynowaną stymulację elektryczną nerwów i mięśni, która, jak wykazano, poprawia siłę mięśni i zmniejsza spastyczność10. Ponadto SES obejmuje stymulację nerwów czuciowych prądem elektrycznym w celu wywołania wrażeń, podczas gdy wstępna opublikowana praca11 wykazała, że stymulacja subsensoryczna stosowana wyłącznie na mięśniach piszczelowych przednich jest skuteczna w tłumieniu kołysania postawy. W tym przypadku HMI umożliwi integrację czuciowo-motoryczną podczas interaktywnej terapii równowagi po udarze, w której wolicjonalnie sterowany NMES/SES dla mięśni kostki będzie działał jako wzmacniacz mięśni (z NMES), a także wzmacniał aferentne sprzężenie zwrotne (z SES), aby wspomóc zdrowe strategie kostki12,13,14 w celu utrzymania wyprostowanej postawy podczas kołysania posturalnego. Opiera się to na hipotezie przedstawionej w Dutta i wsp. 8 że zwiększona pobudliwość korowo-rdzeniowa odpowiednich mięśni kostki spowodowana nieinwazyjną elektroterapią może przyczynić się do poprawy nadrdzeniowej modulacji sztywności stawu skokowego. Rzeczywiście, wcześniejsze prace wykazały, że NMES/SES wywołuje trwałe zmiany w pobudliwości korowo-rdzeniowej, prawdopodobnie w wyniku koaktywacji włókien motorycznych i czuciowych15,16. Co więcej, Khaslavskaia i Sinkjaer17 wykazali u ludzi, że jednoczesny napęd korowy silnika obecny w czasie NMES/SES zwiększa pobudliwość kory ruchowej. W związku z tym, wolicjonalnie sterowane NMES / SES może indukować krótkotrwałą neuroplastyczność w odruchach rdzeniowych (np. wzajemne hamowanie Ia17), gdzie neurony korowo-rdzeniowe, które rzutują ścieżkami zstępującymi do danej puli neuronów ruchowych, mogą hamować antagonistyczną pulę neuronów ruchowych poprzez interneurony hamujące Ia u ludzi18, jak pokazano na rysunku 1, w kierunku paradygmatu warunkowania instrumentalnego (patrz Dutta i wsp.8).

figure-introduction-1
Rysunek 1: Koncepcja (szczegóły w Dutta i wsp.21) podstawowy interaktywny interfejs człowiek-maszyna (HMI) do kierowania kursora środka nacisku (CoP) do wskazanego celu w celu poprawy koordynacji mięśni kostki w ramach wolicjonalnie sterowanej stymulacji elektrycznej nerwowo-mięśniowej (NMES) terapii równowagi wzrokowo-ruchowej. EEG: elektroencefalografia, MN: α-motoneuron, IN: Ia-interneuron hamujący, EMG: elektromiogram, DRG: zwój korzenia grzbietowego. Reprodukcja z8 i37. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Przemieszczenia przednio-tylne (A-P) w środku masy (CoM) są wykonywane przez zginacze podeszwowe kostki (takie jak mięśnie brzuchaty łydki i płaszczkowate) i grzbietowe (takie jak mięsień piszczelowy przedni), podczas gdy przemieszczenia przyśrodkowo-boczne (M-L) są wykonywane przez inwertory kostki (takie jak przedni mięsień piszczelowy) i evertory (takie jak mięśnie strzałkowe długie i krótkotrwałe). W konsekwencji upośledzenie stawu skokowego związane z udarem, w tym osłabienie mięśni zginaczy grzbietowych stawu skokowego i zwiększona spastyczność mięśni zginaczy podeszwowych stawu skokowego, prowadzi do upośledzenia kontroli postawy. W tym przypadku programy treningu zwinności6 można wykorzystać na platformie gier opartej na rzeczywistości wirtualnej (VR), która rzuca wyzwanie dynamicznej równowadze, w której zadania są stopniowo zwiększane pod względem trudności, co może być bardziej skuteczne niż statyczny program ćwiczeń rozciągających/przenoszących ciężar ciała w zapobieganiu upadkom6. Na przykład, badani mogą wykonywać wolicjonalnie sterowane przemieszczenia A-P i M-L wspomagane NMES/SES podczas dynamicznego zadania równowagi wzrokowo-ruchowej, gdzie trudność może być stopniowo zwiększana, aby złagodzić problemy z kontrolą kostki po udarze w przenoszeniu ciężaru ciała podczas stania na dwóch nogach. W kierunku wolicjonalnie sterowanej terapii równowagi wspomaganej NMES/SES w warunkach ubogich w zasoby, przedstawiamy tani HMI do mobilnego obrazowania mózgu/ciała (MoBI)19, w kierunku wzrokowo-słuchowego biofeedbacku, który może być również wykorzystywany do zbierania danych z tanich czujników do eksploracji danych offline w MoBILAB (patrz Ojeda i wsp.Rozdział 20).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Uwaga: Potok oprogramowania HMI został opracowany w oparciu o swobodnie dostępne oprogramowanie open-source i gotowe tanie czujniki do gier wideo (szczegóły dostępne na: https://team.inria.fr/nphys4nrehab/software/ i https://github.com/NeuroPhys4NeuroRehab/JoVE). Potok oprogramowania HMI służy do zbierania danych podczas zmodyfikowanego zadania zasięgu funkcjonalnego (mFRT)21 na platformie gier opartej na VR do terapii równowagi wzrokowo-ruchowej (VBT)8.

Rysunek 2a pokazuje konfigurację diagnostycznego urządzenia do śledzenia ruchu gałek ocznych, gdzie cechy wzroku są wyodrębniane w trybie offline w celu ilościowego określenia funkcji resztkowej po udarze, dzięki czemu wizualne sprzężenie zwrotne w VR może być odpowiednio dostosowane.

Rysunek 2b pokazuje eksperymentalną konfigurację dla VBT.

figure-protocol-1
Rysunek 2: (a) Schemat interfejsu człowiek-maszyna do oceny ruchów gałek ocznych po udarze. (b) Schemat interfejsu człowiek-maszyna, w którym interfejs oprogramowania integruje czujniki biosygnałów i przechwytywanie ruchu w celu rejestrowania danych z ruchomego obrazowania mózgu/ciała za pomocą systemu stymulacji elektrycznej nerwowo-mięśniowej (NMES) i sensorycznej stymulacji elektrycznej (SES) w terapii równowagi wzrokowo-ruchowej wspomaganej przez NMES/SES po udarze. NMES: Elektryczna Stymulacja Nerwowo-Mięśniowa, SES: Sensoryczna Stymulacja Elektryczna, EMG: Elektromiogram, EEG: Elektroencefalogram, EOG: Elektrookulogram, CoP: Centrum Ciśnienia, PC: Komputer Osobisty. Reprodukowane z 8 i 37. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

1. Instalacja oprogramowania do mobilnego obrazowania mózgu/ciała podczas VBT

  1. Zainstaluj sterowniki do przechwytywania ruchu (procedury instalacji są dostępne na stronie https://code.google.com/p/labstreaminglayer/wiki/KinectMocap)
    1. Pobierz i zainstaluj środowisko wykonawcze Kinect z http://go.microsoft.com/fwlink/?LinkId=253187 (czujnik przechwytywania ruchu nie powinien być podłączony do żadnego z portów USB w komputerze).
    2. Podłącz zasilany czujnik przechwytywania ruchu do portu USB za pomocą interfejsu. Sterowniki załadują się automatycznie.
  2. Zainstaluj sterowniki czujnika Eye Tracker (procedury instalacji znajdują się pod adresem http://github.com/esdalmaijer/EyeTribe-Toolbox-for-Matlab)
    1. Pobierz oprogramowanie z http://theeyetribe.com, uruchom aplikację i uruchom aplikację, aby zainstalować oprogramowanie (czujnik Eye Tracker nie powinien być podłączony do żadnego z portów USB w komputerze).
    2. Podłącz zasilany czujnik Eye Tracker, a sterowniki załadują się automatycznie.
  3. Zainstaluj sterowniki dla Balance Board (procedury instalacyjne podane na stronie (procedury instalacji podane na stronie http://www.colorado.edu/intphys/neuromechanics/cu_wii.html)
    1. Pobierz i wyodrębnij CU_WiiBB.zip z http://www.colorado.edu/intphys/neuromechanics/CU_WiiBB.zip
    2. Skopiuj folder WiiLab do standardowego katalogu Program Files systemu operacyjnego Microsoft Windows.
    3. Otwórz folder WiiLab w katalogu Program Files i uruchom jako administrator plik InstallWiiLab.bat, aby zainstalować Balance Board.
  4. Zainstaluj sterowniki dla EEG/EOG (procedury instalacyjne podane na stronie http://openvibe.inria.fr/how-to-connect-emotiv-epoc-with-openvibe/ )
    1. Pobierz i zainstaluj Emotiv SDK z http://www.emotiv.com/apps/sdk/209/
    2. Pobierz i zainstaluj OpenViBE Acquisition Server with labstreaminglayer (LSL) z https://code.google.com/p/labstreaminglayer/downloads/detail?name=OVAS-withLSL-0.14.3-3350-svn.zip do rozproszonego wielosensorowego transportu sygnałów, synchronizacji czasu i systemu zbierania danych (procedury instalacyjne dostępne na stronie https://code.google.com/p/labstreaminglayer/).
  5. Zainstaluj sterowniki komercyjnego stymulatora NMES (szczegóły na http://www.vivaltis.com/gammes/phenix/phenix-usb-neo-50-554-1.html#content).

2. Niskokosztowe rozmieszczenie czujników do mobilnego obrazowania mózgu/ciała (MoBI): Oprogramowanie HMI o otwartym kodzie źródłowym zapewnia mobilne obrazowanie mózgu/ciała (MoBI) 19 z tanimi, gotowymi czujnikami (Rysunek 2b), które można dostosować do innych programów treningowych zwinności.

  1. Wizualna informacja zwrotna dla MoBI:
    1. Zacznij od uzyskania ekranu projekcyjnego, aby wyświetlić wizualne biofeedback na jednym końcu pomieszczenia (zalecana odległość od obiektu 0,6 m).
    2. Dostosuj wysokość tak, aby środek ekranu znajdował się na poziomie oczu fotografowanych osób.
  2. Przechwytywanie ruchu dla MoBI:
    1. Umieść czujnik przechwytywania ruchu przed ekranem projekcyjnym i skieruj go na głośność przechwytywania ruchu.
    2. Upewnij się, że objętość przechwytywania ruchu znajduje się od 1,5 m do 2,5 m przed czujnikiem przechwytywania ruchu.
  3. Umieszczenie deski równowagi dla MoBI:
    1. Umieść deskę do balansowania na podłodze, w odległości około 2.0 m od czujnika przechwytywania ruchu.
    2. Pozostaw wystarczająco dużo miejsca wokół deski do balansowania, aby zapewnić ruch całego ciała (np. podczas zmodyfikowanego funkcjonalnego zadania21).
  4. Rozmieszczenie czujnika EEG/EMG/EOG dla MoBI
    1. Poproś osobę, aby usiadła na krześle przodem do funkcji przechwytywania ruchu i oparła stopy o tablicę do balansowania.
    2. Umieść elektrody rejestrujące (EMG) stymulacji cum (NMES/SES) obustronnie na mięśniach przyśrodkowego brzuchatego łydki (MG) i piszczelowego przedniego (TA) pacjenta. Następnie podłącz je do systemu bezprzewodowego stymulatora elektrycznego (NMES/SES).
    3. Umieść czepek elektroencefalogramu (EEG) na głowie pacjenta zgodnie z systemem International 10 - 20. Następnie umieść elektrody EEG z pastą przewodzącą w miejscu -Fz, C3, Cz, C4, P3, Pz, P4, PO7, Oz, PO8 - przed podłączeniem ich do bezprzewodowego zestawu słuchawkowego EEG.
    4. Umieść dwie elektrody EEG z pastą przewodzącą powyżej i poniżej jednego z oczu dla pionowego EOG i umieść dwie elektrody z pastą przewodzącą na zewnętrznej kancie każdego oka dla poziomego EOG. (Uwaga: W przypadku, gdy czujnik Eye Tracker nie jest używany u osoby po udarze, preferowane jest obustronne EOG).
    5. Umieść dwie elektrody EEG na płatkach uszu jako elektrody odniesienia.

3. Ocena ruchów gałek ocznych po udarze na podstawie eyetrackera

  1. Poproś osobę, aby usiadła z podbródkiem opartym wygodnie na podbródku o regulowanej wysokości. Następnie podnieś monitor komputera na dogodną wysokość, tak aby oczy były mniej więcej skierowane do środka monitora komputera (Rysunek 2a).
  2. Umieść urządzenie śledzące ruch gałek ocznych w odległości około 50 cm od podbródka i poproś fotografowaną osobę, aby spojrzała prosto na monitor komputera w celu uzyskania wskazówek wizualnych.
  3. Uruchom EyeTribeWinUI.exe w folderze "SmartEye", aby skalibrować czujnik Eye Tracker. Osoba badana zostanie poproszona o przyjrzenie się różnym celom na monitorze komputera przez około 2 sekundy każdy. Typowy proces kalibracji użytkownika trwa około 20 sekund. Współrzędne (x, y) punktu patrzenia obiektu są rejestrowane dla różnych celów wskazywanych do kalibracji.
  4. Uruchom "Visual_Stimulus.exe" w folderze SmartEye, aby uruchomić interfejs oparty na rzeczywistości wirtualnej. Następnie uruchom program "SmartEye.exe" znajdujący się w folderze "SmartEye", aby uzyskać dane dotyczące spojrzenia oczu badanych, które są zsynchronizowane z zadaniem opartym na rzeczywistości wirtualnej. Dane te zostaną wykorzystane do oceny ruchów gałek ocznych po udarze.

figure-protocol-2
Rysunek 3: (a) Kursor reprezentujący środek nacisku (CoP), który musi być wolicjonalnie kierowany do wskazanego celu podczas terapii równowagi wzrokowo-ruchowej, (b) Protokół terapii równowagi wzrokowo-ruchowej, w którym badany kieruje kursor komputera do celu peryferyjnego napędzanego przez wolicjonalnie generowane odchylenia CoP. Reset może być wspomagany przez elektryczną stymulację nerwowo-mięśniową (NMES) i sensoryczną stymulację elektryczną (SES), (c) eksperymentalną konfigurację do terapii równowagi wzrokowo-ruchowej z wizualnymi wskazówkami. Reprodukcja z 8 i 37. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

4. NMES/SES-Assisted Visuomotor Balance Therapy (VBT) w ramach MoBI

  1. Podłącz czujniki eye-trackera i deski do balansowania do komputera z wizualną informacją zwrotną (rysunek 2).
    1. Upewnij się, że czujnik Eye Tracker jest włączony, podłączony do komputera i w pełni uruchomiony. Uruchom 'EyeTribe server.exe' i 'EyeTribeWinUI.exe' dostępne w folderze 'VBT' (patrz kroki 1.3).
    2. Upewnij się, że czujnik deski balansowej jest włączony. Następnie naciśnij przycisk na czujniku Balance Board, aby pilot był wykrywalny w menu. Następnie kliknij ikonę pokaż lub ukryj na pasku zadań systemu i kliknij ikonę urządzenia Bluetooth. Następnie kliknij opcję "Dodaj urządzenie" i sparuj czujnik Balance Board jako urządzenie Bluetooth bez użycia kodu do komputera z wizualną informacją zwrotną. Po podłączeniu czujnika Balance Board do komputera z wizualną informacją zwrotną, otwórz folder "VBT" i uruchom plik WiiBBinterface.m, aby ustanowić interfejs czujnika Matlab-Balance Board (patrz kroki 1.6).
    3. Upewnij się, że czujnik Motion Capture jest włączony, podłączony do komputera i w pełni uruchomiony (z przodu znajduje się zielona dioda LED). Otwórz folder LSL i uruchom oprogramowanie "Mocap", aby rozpocząć strumieniowe przesyłanie danych z czujnika przechwytywania ruchu (patrz kroki 1.6).
    4. Upewnij się, że systemy akwizycji danych EEG/EOG są włączone. Następnie kliknij dwukrotnie openvibe-acquisition-server-withlsl.cmd dostępne w folderze LSL (patrz kroki 1.6). Z menu wybierz odpowiedni sprzęt czujnika (np. "Emotiv EPOC") i w razie potrzeby skonfiguruj moduł, klikając "Właściwości sterownika". Następnie kliknij "Połącz", a następnie kliknij "Odtwórz", aby uruchomić serwer akwizycyjny.
  2. Kalibracja czujników dla VBT
    1. Poproś osobę po udarze, aby stanęła na desce do balansowania z uprzężą bezpieczeństwa (i częściowym podparciem ciężaru ciała, jeśli to konieczne).
    2. Ustal minimalny wyjściowy poziom NMES (szerokość impulsu i poziom prądu) niezbędny do pozycji pionowej zgodnie z obserwacją kliniczną (tj. zerowe wsparcie masy ciała)22. Aby ustawić minimalny podstawowy poziom NMES, można ustawić częstotliwość stymulacji na 20 Hz, a następnie zwiększać szerokość impulsu i/lub poziom prądu, aż do osiągnięcia pozycji stojącej w pozycji pionowej. W tym przypadku NMES prostowników kolana jest wymagany, aby wytworzyć wystarczający moment obrotowy, aby zapobiec wyboczeniu kolana.
    3. Poproś badanego, aby wykonał różne ruchy zasięgu, które wpływają na lokalizację CoM i CoP.
    4. Uruchom program "CalibSensors.m" dostępny w folderze "DataCollect" w celu zebrania danych kalibracyjnych z wieloma czujnikami, podczas gdy badany wykonuje różne samodzielnie zainicjowane ruchy maksymalnego zasięgu w różnych kierunkach, które wpływają na położenie środka masy (CoM) i środka nacisku (CoP) na wizualnym sprzężeniu zwrotnym.

5. Gromadzenie danych z wielu czujników z tanich czujników podczas VBT (Rysunek 2b)

  1. Uruchom program "CollectBaseline.m" w folderze "DataCollect", aby zebrać dane z wielu czujników w stanie spoczynku, z otwartymi oczami, prosząc badanego, aby stał nieruchomo przez 2 minuty, patrząc prosto na cel CoP na monitorze komputera (Rysunek 3a).
  2. Podłącz wyjście wideo komputera do ekranu projekcyjnego i uruchom plik SmartEyeVRTasks.exe w folderze "VBT" w komputerze do wizualnej informacji zwrotnej, aby uruchomić graficzny interfejs użytkownika SmartEyeVRTasks. Uruchom również program "CollectVBT.m" w folderze "DataCollect", aby zebrać dane z czujników podczas VBT.
    1. Stojąc w pozycji pionowej, zwanej fazą "centralnego trzymania", poproś badanego, aby skierował kursor, napędzany przez CoP, tak szybko, jak to możliwe, w kierunku losowo przedstawionego celu peryferyjnego, zgodnie ze wskazówkami wizualnego sprzężenia zwrotnego (Rysunek 3b).
    2. Po tej fazie "Ruchu" poproś badanego, aby przytrzymał kursor w miejscu docelowym przez 1 sekundę podczas fazy "Zatrzymanie peryferyjne".
    3. Po fazie "Trzymanie peryferyjne" kursor "zresetuje" się z powrotem do środka, gdy obiekt będzie musiał powrócić do pozycji pionowej - pozycji "Centralnego trzymania". NMES/SES jest uruchamiany dla mięśnia, gdy jego poziom EMG przekroczy ustalony próg, aby wspomóc wysiłek wolicjonalny wymagany do przywrócenia CoP do pozycji "centralnego trzymania".
      Uwaga: Trudność mFRT można zwiększyć, zmniejszając wzmocnienie, figure-protocol-3, lub zwiększając wariancję szumu,figure-protocol-4, w zakresie wykonalnym dla danego tematu:
      figure-protocol-5
      gdzie CoP skacze, figure-protocol-6, kieruj kursorem komputera, figure-protocol-7, w dyskretnym czasie, figure-protocol-8, z krokiem czasowym, figure-protocol-9.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Rysunek 4 pokazuje cechy wzroku, które zostały wyodrębnione w trybie offline w celu ilościowego określenia sprawności fizycznej podczas płynnego zadania pościgowego. Wyodrębniono następujące cechy, jak pokazano w tabeli 1:

Cecha 1 = procentowe odchylenie między pozycją bodźca docelowego a środkiem ciężkości punktów fiksacji uczestnika, gdy bodziec zmienia pozycję w kierunku poziomym.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Proste w użyciu, klinicznie uzasadnione, niedrogie narzędzie do terapii ruchu i równowagi będzie zmianą paradygmatu dla neurorehabilitacji w środowisku o niskich zasobach. Prawdopodobnie będzie to miało bardzo duży wpływ na społeczeństwo, ponieważ zaburzenia neurologiczne, takie jak udar mózgu, dramatycznie wzrosną w przyszłości z powodu starzenia się światowej populacji2. W związku z tym istnieje pilna potrzeba wykorzystania systemów cyberfizycznych, w których możliwość dostosowywania, monitorowania i wspiera...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Podziękowania

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Badania prowadzone w ramach Wspólnego Programu Nauki i Technologii Informacyjnych i Komunikacyjnych - ICST, wspieranego przez CNRS, Inria i DST, pod patronatem CEFIPRA. Autorzy pragną podziękować studentom za wsparcie, w szczególności Rahima Sidiboulenouar, Rishabh Sehgal i Gorish Aggarwal, w rozwoju eksperymentalnego układu.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Stymulator NMESVivaltis, FrancjaPhenixUSBNeoz czujnikiem EMG (Rysunek 2b)
Deska balansowaNintendo, USATablica balansowa Wii Balance Board(Rysunek 2b)
Przechwytywanie ruchuMicrosoft, USAXBOX-360 KinectMotion Capture (Rysunek 2b)
Eye Tracker Eye TribeEyeTribe SmartEye Tracker (rysunek 2a)
System akwizycji danych EEGEmotiv, AustraliaEmotiv NeuroheadsetBezprzewodowy zestaw słuchawkowy EEG (rysunek 2b)
Elektroda pasywna EEGOlimexEEG-PEEEG pasywna elektroda EOG i referencji (w liczbie 6) (Rysunek 2b)
Aktywna elektroda EEGOlimexEEG-AEEEG (w liczbie 10) (Rysunek 2b)
Komputer z monitorem komputerowymPrzetwarzaniedanych firmy
Oprogramowanie, elektrody EMG, elektrody NMES i
Stymulator NMES Dell i wizualne informacje zwrotne (rysunek 2)

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Sacco, R. L., Kasner, S. E. An updated definition of stroke for the 21st century: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke; a journal of cerebral circulation. 44 (7), 2064-2089 (2013).
  2. Das, A., Botticello, A. L., Wylie, G. R., Radhakrishnan, K. Neurologic Disability: A Hidden Epidemic for India. Neurology. 79 (21), 2146-2147 (2012).
  3. Verheyden, G. S. A. F., Weerdesteyn, V. Interventions for preventing falls in people after stroke. The Cochrane database of systematic reviews. 5, 008728(2013).
  4. Campbell, G. B., Matthews, J. T. An integrative review of factors associated with falls during post-stroke rehabilitation. Journal of Nursing Scholarship: An Official Publication of Sigma Theta Tau International Honor Society of Nursing / Sigma Theta Tau. 42, 395-404 (2010).
  5. Geurts, A. C. H., de Haart, M., van Nes, I. J. W., Duysens, J. A review of standing balance recovery from stroke. Gait & posture. 22, 267-281 (2005).
  6. Marigold, D. S., Eng, J. J., Dawson, A. S., Inglis, J. T., Harris, J. E., Gylfadóttir, S. Exercise leads to faster postural reflexes, improved balance and mobility, and fewer falls in older persons with chronic stroke. Journal of the American Geriatrics Society. 53, 416-423 (2005).
  7. Mansfield, A., Mochizuki, G., Inness, E. L., McIlroy, W. E. Clinical correlates of between-limb synchronization of standing balance control and falls during inpatient stroke rehabilitation. Neurorehabilitation and neural repair. 26, 627-635 (2012).
  8. Dutta, A., Lahiri, U., Das, A., Nitsche, M. A., Guiraud, D. Post-stroke balance rehabilitation under multi-level electrotherapy: a conceptual review. Neuroprosthetics. 8, 403(2014).
  9. Agnes Roby-Brami, S. F. Reaching and Grasping Strategies in Hemiparetic Patients. Human Kinetics Journals. , at http://journals.humankinetics.com/mc-back-issues/mcvolume1issue1january/reachingandgraspingstrategiesinhemipareticpatients (2010).
  10. Sabut, S. K., Sikdar, C., Kumar, R., Mahadevappa, M. Functional electrical stimulation of dorsiflexor muscle: effects on dorsiflexor strength, plantarflexor spasticity, and motor recovery in stroke patients. NeuroRehabilitation. 29, 393-400 (2011).
  11. Magalhães, F. H., Kohn, A. F. Effectiveness of electrical noise in reducing postural sway: a comparison between imperceptible stimulation applied to the anterior and to the posterior leg muscles. European Journal of Applied Physiology. 114, 1129-1141 (2014).
  12. Hwang, S., Tae, K., Sohn, R., Kim, J., Son, J., Kim, Y. The balance recovery mechanisms against unexpected forward perturbation. Annals of biomedical engineering. 37, 1629-1637 (2009).
  13. Gatev, P., Thomas, S., Kepple, T., Hallett, M. Feedforward ankle strategy of balance during quiet stance in adults. The Journal of physiology. 514, (Pt 3) 915-928 (1999).
  14. Cofre Lizama, E. L., Pijnappels, M., Reeves, N. P., Verschueren, S. M. P., van Dieën, J. H. Can explicit visual feedback of postural sway efface the effects of sensory manipulations on mediolateral balance performance. Journal of Neurophysiology. , (2015).
  15. Knash, M. E., Kido, A., Gorassini, M., Chan, K. M., Stein, R. B. Electrical stimulation of the human common peroneal nerve elicits lasting facilitation of cortical motor-evoked potentials. Experimental brain research. 153, 366-377 (2003).
  16. Dinse, H. R., Tegenthoff, M. Evoking plasticity through sensory stimulation: Implications for learning and rehabilitation. The Journal of neuroscience: the official journal of the Society for Neuroscience. 6, 11-20 (2015).
  17. Khaslavskaia, S., Sinkjaer, T. Motor cortex excitability following repetitive electrical stimulation of the common peroneal nerve depends on the voluntary drive. Experimental brain research. 162, 497-502 (2005).
  18. Perez, M. A., Field-Fote, E. C., Floeter, M. K. Patterned sensory stimulation induces plasticity in reciprocal ia inhibition in humans. The Journal of neuroscience: the official journal of the Society for Neuroscience. 23, 2014-2018 (2003).
  19. Makeig, S. Mind Monitoring via Mobile Brain-Body Imaging. Foundations of Augmented Cognition. Neuroergonomics and Operational. , http://link.springer.com/chapter/10.1007/978-3-642-02812-0_85 749-758 (2009).
  20. Ojeda, A., Bigdely-Shamlo, N., Makeig, S. MoBILAB: an open source toolbox for analysis and visualization of mobile brain/body imaging data. Frontiers in Human Neuroscience. 8, 121(2014).
  21. Dutta, A., Chugh, S., Banerjee, A., Dutta, A. Point-of-care-testing of standing posture with Wii balance board and microsoft kinect during transcranial direct current stimulation: A feasibility study. NeuroRehabilitation. 34, 789-798 (2014).
  22. Nataraj, R. Feedback Control Of Standing Balance Using Functional Neuromuscular Stimulation Following Spinal Cord Injury. , Ohio.gov, PhD Thesis, https://etd.ohiolink.edu/ap/10?0::NO:10:P10_ETD_SUBID:52547 (2011).
  23. Dutta, A., Paulus, W., Nitsche, A., M, Translational Methods for Non-Invasive Electrical Stimulation to Facilitate Gait Rehabilitation Following Stroke - The Future Directions. Neuroscience and Biomedical Engineering. 1, 22-33 (2013).
  24. Banerjee, A., Khattar, B., Dutta, A. A Low-Cost Biofeedback System for Electromyogram-Triggered Functional Electrical Stimulation Therapy: An Indo-German Feasibility Study. ISRN Stroke. 2014, e827453(2014).
  25. Kerkhoff, G., Reinhart, S., Ziegler, W., Artinger, F., Marquardt, C., Keller, I. Smooth pursuit eye movement training promotes recovery from auditory and visual neglect: a randomized controlled study. Neurorehabilitation and Neural Repair. 27, 789-798 (2013).
  26. Carl, J. R., Gellman, R. S. Human smooth pursuit: stimulus-dependent responses. Journal of Neurophysiology. 57, 1446-1463 (1987).
  27. Clark, R. A., Bryant, A. L., Pua, Y., McCrory, P., Bennell, K., Hunt, M. Validity and reliability of the Nintendo Wii Balance Board for assessment of standing balance. Gait & posture. 31, 307-310 (2010).
  28. Clark, R. A., Pua, Y. -H. Validity of the Microsoft Kinect for assessment of postural control. Gait & posture. 36, 372-377 (2012).
  29. Khattar, B., Banerjee, A., Reddi, R., Dutta, A. Feasibility of Functional Electrical Stimulation-Assisted Neurorehabilitation following Stroke in India: A Case Series. Case Reports in Neurological Medicine. 2012, e830873(2012).
  30. Sailer, U., Flanagan, J. R., Johansson, R. S. Eye-hand coordination during learning of a novel visuomotor task. The Journal of neuroscience: the official journal of the Society for Neuroscience. 25, 8833-8842 (2005).
  31. Herr, H., Popovic, M. Angular momentum in human walking. The Journal of Experimental Biology. 211, (Pt 4) 467-481 (2008).
  32. Taub, E., Morris, D. M. Constraint-induced movement therapy to enhance recovery after stroke. Current atherosclerosis reports. 3, 279-286 (2001).
  33. Kasten, E., Wuest, S., Sabel, B. A. Residual vision in transition zones in patients with cerebral blindness. Journal of Clinical and Experimental Neuropsychology. 20, 581-598 (1998).
  34. Marshall, S. P. Identifying Cognitive State from Eye Metrics. Aviation, Space, and Environmental Medicine. 78, 165-175 (2007).
  35. Weerdesteyn, V., de Niet, M., van Duijnhoven, H. J. R., Geurts, A. C. H. Falls in individuals with stroke. Journal of Rehabilitation Research and Development. 45, 1195-1213 (2008).
  36. Stinear, C. M., Barber, P. A., Petoe, M., Anwar, S., Byblow, W. D. The PREP algorithm predicts potential for upper limb recovery after stroke. Brain: A Journal of Neurology. 135 ((Pt 8)), 2527-2535 (2012).
  37. Dutta, A., Lahiri, D., Kumar, U., Das, A., Padma, M. V. Post-stroke engagement-sensitive balance rehabilitation under an adaptive multi-level electrotherapy: clinical hypothesis and computational framework. Neuroscience and Biomedical Engineering. 2 (2), 68-80 (2015).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Okulografiaczujnik przechwytywania ruchuelektroencefalografiaelektromiografiawizualne biofeedbackkontrola postawyrehabilitacja po udarze

Powiązane artykuły