Artykuł metodologiczny

Ustrukturyzowany protokół rehabilitacji w celu poprawy wielofunkcyjnej kontroli protetycznej: studium przypadku

DOI:

10.3791/52968

⸱

6 listopada 2015

 ,  ,  ,  ,  ,  , 
1Christian Doppler Laboratory for Restoration of Extremity Function, 2Department of Surgery, Division of Plastic and Reconstructive Surgery, Medical University of Vienna, 3Department of Neurorehabilitation Engineering, Bernstein Focus Neurotechnology Göttingen, 4University Medical Center Göttingen, Georg-August University, 5University of Applied Sciences FH Campus Wien, 6Research & Development, Otto Bock Healthcare Products GmbH

W tym artykule

Podsumowanie

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

W miarę jak rozwój protetyki zmierza w kierunku naturalnej kontroli, wykorzystanie wrodzonej zdolności osób po amputacji do uczenia się nowych umiejętności motorycznych może umożliwić biegłość. Ten manuskrypt opisuje ustrukturyzowany protokół rehabilitacji, który obejmuje naśladowanie, powtarzanie i strategie uczenia się przez wzmacnianie, w celu poprawy wielofunkcyjnej kontroli protetycznej.

Streszczenie

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

Postęp w systemach robotycznych zaowocował protezami kończyny górnej, które mogą wykonywać wielofunkcyjne ruchy. Jednak te wyrafinowane systemy wymagają od osób po amputacji kończyn górnych nauczenia się złożonych schematów sterowania. Ludzie mają zdolność uczenia się nowych ruchów poprzez naśladowanie i inne strategie uczenia się. Protokół ten opisuje ustrukturyzowaną metodę rehabilitacji, która obejmuje naśladowanie, powtarzanie i uczenie się przez wzmacnianie, i ma na celu ocenę, czy ta metoda może poprawić wielofunkcyjną kontrolę protetyczną. W badaniu przypadku wzięła udział osoba po amputacji lewego łokcia z 4-letnim doświadczeniem w stosowaniu protez. Zastosowana proteza to ręka Michała Anioła z rotacją nadgarstka oraz dodatkowymi funkcjami zginania i prostowania nadgarstka, co pozwalało na więcej kombinacji ruchów dłoni. Wynik uczestnika w Procedurze Oceny Dłoni w Southampton poprawił się z 58 do 71 punktów po ustrukturyzowanym szkoleniu. Sugeruje to, że ustrukturyzowany protokół treningowy polegający na naśladowaniu, powtarzaniu i wzmacnianiu może odgrywać rolę w nauce kontrolowania nowej protezy ręki. Konieczne jest jednak większe badanie kliniczne, aby potwierdzić te ustalenia.

Wprowadzenie

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

Zastąpienie funkcji ręki u osób po amputacji jest trudnym przedsięwzięciem. Koordynacja wysoce wykwalifikowanych ruchów rąk nie jest wrodzoną zdolnością i wymaga od ludzi wielu lat nauki, aby się rozwinąć. 1–5 Po traumatycznej utracie ręki odtworzenie tej zdolności za pomocą środków protetycznych nie jest trywialnym zadaniem i może wymagać okresu ciągłej nauki.

Projektowanie protez i metody ich łączenia do ich kontroli podlegają szybkim innowacjom technologicznym, których celem jest wielofunkcyjna kontrola w naturalny sposób. 6 Złożoność tych systemów kontroli znacznie wzrasta, aby zapewnić więcej funkcji osobom po amputacji. Aby zapewnić dokładną kontrolę nad tymi systemami i ograniczyć porzucanie nowych technologii, należy ustanowić odpowiednie szkolenia. Prawdopodobnie będzie to bardziej skuteczne, jeśli będzie oparte na wrodzonych strategiach uczenia się osób po amputacji.

Wizja może odgrywać ważną rolę podczas nauki ruchów rąk. Badania behawioralne wykazały, że obserwując działania innych7 lub używając wskazówek wizualnych8, osoby pełnosprawne uczą się i koordynują nowe ruchy. Poprzez proces obserwacji, rozumienia i wykonywania obserwowanego działania, jednostki są w stanie naśladować działania innych. Uważa się, że specyficzne sieci korowe, które mogą obejmować system neuronów lustrzanych (MNS), leżą u podstaw tej zdolności i mogą odgrywać rolę w kontrolowaniu protez kończyn. 9–11

Rola imitacji może nie ograniczać się tylko do wykonywania działań, które już zostały zaobserwowane, ale razem z MNS umożliwić wykonywanie ruchów, które nie zostały jeszcze zaobserwowane, ale ekstrapolowane z repertuaru motorycznego obserwatora. 12 Rzeczywiście, naśladownictwo niekoniecznie musi być wrodzoną zdolnością, ale nagromadzeniem umiejętności motorycznych w czasie, które prowadzą do doświadczonych i wyrafinowanych działań. 13 Wykazano, że obserwowanie czynów jest silniejsze niż zwykłe ich wyobrażanie sobie, co ułatwia poznawanie nowych zadań. 14 W związku z tym naśladownictwo może być pragmatycznym podejściem do szkolenia osób po amputacji, ponieważ dowody wskazują, że jest to proces ukierunkowany na cel15, którego celem w warunkach rehabilitacji jest umożliwienie użytecznej funkcji protetycznej ręki.

Badania rehabilitacyjne wykazały oddzielnie, że wizualne wskazówki, takie jak wirtualne symulacje protezy ręki, zachęcają osoby po amputacji podczas treningu rehabilitacyjnego. 16 Ponadto wykazano, że stosowanie powtórzeń przeprowadzanych w paradygmacie zablokowanym umożliwia szybkie uczenie się kontroli protetycznej kończyn górnych. 17 Chociaż udowodniono, że symulacje wirtualne są równie skuteczne jak rzeczywista kontrola protez rąk w umożliwianiu użytkownikom pełnosprawnych ciał sterowania urządzeniami mioelektrycznymi, ich wpływ na osoby po amputacji przy użyciu standaryzowanych miar wyników nie jest jasny. Wreszcie, tam, gdzie istnieją protokoły treningu amputacji kończyn górnych, rola naśladownictwa w nauce kontroli protetycznej nie jest wyraźnie omówiona. 19,20

To badanie ma na celu zrozumienie, czy stosowanie imitacji, w połączeniu z powtarzaniem i wzmacnianiem, ma pozytywny wpływ na naukę wielofunkcyjnej kontroli protetycznej jako część ustrukturyzowanego programu szkoleniowego.

Przedstawione tutaj jest opisem przypadku osoby po amputacji transradialnej, która została przeszkolona w zakresie korzystania z wielofunkcyjnej protezy ręki. Uczestnik już wcześniej przyzwyczaił się do operowania tradycyjnymi protezami mioelektrycznymi. Korzystając ze wskazówek wizualnych, zarówno w formie imitacji zdrowego demonstratora, jak i jako prosta komputerowa wizualna informacja zwrotna, osoba po amputacji szybko poprawiła obsługę swojego nowego urządzenia.

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

Protokół

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

Badanie to zostało przeprowadzone zgodnie z Deklaracją Helsińską, po uzyskaniu zatwierdzenia lokalnej komisji etyki badań. Przed rozpoczęciem badania uczestnikowi szczegółowo wyjaśniono jego przebieg, dając mu czas na rozważenie decyzji o dobrowolnym udziale w badaniu i potwierdzenie go poprzez świadomą, pisemną zgodę.

Uwaga: W badaniu wzięła udział jedna osoba, mężczyzna w wieku 27 lat. Uczestnik miał prawidłowy wzrok, był amputantem lewej kończyny w obrębie przedramienia (poniżej łokcia) i był doświadczonym użytkownikiem (łącznie 4 lata korzystania z protezy). Przed rozpoczęciem niniejszego badania protezą, której używał on na co dzień, była 4-kanałowa myoelektryczna proteza dłoni z rotacją nadgarstka, stosowana przez 12-15 h dziennie przez 15 miesięcy. Prawa dłoń uczestnika została wcześniej poddana rekonstrukcji chirurgicznej, jednak nie stwierdzono u niego innych dysfunkcji fizycznych ani neurologicznych.

1. Projekt badania

  1. Podziel badanie na dwie sesje: użytkowanie bez wcześniejszego przygotowania (naïve use) oraz użytkowanie po ustrukturyzowanym treningu.
    Uwaga: Ma to na celu umożliwienie porównania wewnątrzpodmiotowego odpowiednio przed i po treningu.
  2. Upewnij się, że obie sesje są oddzielone odstępem co najmniej trzech miesięcy, aby można było uznać je za niezależne od siebie.
  3. Na początku obu sesji dopasuj do uczestnika spersonalizowany lejek oraz protezę. Upewnij się, że sprzęt protezy i algorytmy sterowania są zgodne z tymi, które szczegółowo opisano w sekcji Materiały niniejszego protokołu. Dopilnuj, aby uczestnik nie miał możliwości korzystania ze spersonalizowanej protezy w czasie pomiędzy sesjami.
  4. Przeszkol pacjenta zgodnie z krokami opisanymi w sekcjach Sesja bez przygotowania (Naïve Session) oraz Sesja treningu ustrukturyzowanego (Structured Training Session) niniejszego protokołu. Na początku każdej z tych sesji skalibruj sprzęt protezy. Wykorzystaj zebrane dane kalibracyjne do sterowania protezą w czasie rzeczywistym.
  5. Po zakończeniu Sesji bez przygotowania i Sesji treningu ustrukturyzowanego oceń wyniki uczestnika, korzystając z miary efektów Southampton Hand Assessment Procedure (SHAP).23 Porównaj wyniki SHAP z pomiarem bazowym uzyskanym przy użyciu standardowej protezy uczestnika (przeprowadzonym przed obiema sesjami treningowymi).

2. Materiały

  1. Dopasuj do uczestnika specjalnie wykonany lej. Zamocuj dostępną w handlu protezę zgodnie z instrukcjami producenta. Wyposaż dłoń protezy w komponenty prototypowe, które umożliwiają aktywne zgięcie, wyprost i rotację nadgarstka. Pozwala to uczestnikowi na sterowanie dłonią w 3,5 stopniach swobody (DoFs) (Tabela 1).
    Uwaga: W tym eksperymencie zastosowano dłoń Michaelangelo (patrz Lista Materiałów). Odpowiednie byłyby również inne urządzenia końcowe zdolne do rotacji, zgięcia i wyprostu nadgarstka, wraz ze standardowymi funkcjami chwytu.
  2. Rejestruj sygnały EMG za pomocą ośmiu równomiernie rozmieszczonych elektrod sygnałowych wokół kikuta oraz pokładowego systemu dekodującego z częstotliwością próbkowania 1 000 Hz i cyfryzacją o głębokości 10 bitów. Wykonaj wstępne filtrowanie i wzmacnianie w samych elektrodach zgodnie ze specyfikacją dostawcy. Do głównego przetwarzania danych wykorzystaj komputer osobisty (PC), który komunikuje się ze sprzętem akwizycyjnym i steruje protezą za pomocą połączenia bezprzewodowego.
    Uwaga: W niniejszym badaniu zastosowano powierzchniowe elektrody EMG oraz pokładowy system dekodujący (AxonBus) firmy Otto Bock. Odpowiedni byłoby wykorzystanie urządzeń podobnych innych producentów. Połączenie bezprzewodowe odbywało się poprzez Bluetooth; analogicznie można zastosować inne modalności.

3. Algorytm sterowania

  1. Zastosuj algorytm sterowania, który zapewnia jednoczesne i proporcjonalne sterowanie protezą w wielu stopniach swobody (DoF).21 Algorytm wykorzystany w niniejszym badaniu stanowił dwuetapowy paradygmat podejmowania decyzji, co umożliwiło szacowanie ruchu zależne od kontekstu.
  2. Po przeprowadzeniu treningu systemu, obejmującego wszystkie sterowalne ruchy w jednym stopniu swobody (single DoF), zarejestruj przychodzący sygnał elektromiograficzny (EMG).
  3. W pierwszym etapie oceń wewnętrzne informacje wymiarowe zamierzonego ruchu na podstawie odległości Mahalanobisa nowo obliczonego wektora cech EMG od danych treningowych. Podejmij decyzję, czy intencją użytkownika było wykonanie precyzyjnego ruchu w 1-DoF, czy bardziej ogólnego, jednoczesnego ruchu w 2-DoF.
    Uwaga: Odległość Mahalanobisa wektora cech x od klasy i z wektorem średniej klasy µi i macierzą kowariancji Σi oblicza się następująco:
    Równanie odległości Mahalanobisa, \(D_{Mahal}=(x-\mu_i)^T\Sigma_i^{-1}(x-\mu_i)\), analiza wzoru.
    Jak opisano w pracy Amsuess et al, nowo obliczony wektor cech jest rzutowany na przestrzeń wielowymiarową, a odległość Mahalanobisa przekształconego punktu od dowolnego z wyuczonych punktów klas jest przyjmowana jako miara nowości.21 Empirycznie wyznaczony próg tej odległości pozwala na podjęcie decyzji o nowości (2-DOF) lub jej braku (1-DOF).
  4. W drugim etapie, w oparciu o poprzednią decyzję, wykorzystaj jeden z dwóch równoległych estymatorów — jeden obsługujący ruchy sekwencyjne (SEQ-E), a drugi ruchy jednoczesne (SIM-E) — w celu wygenerowania sygnałów sterujących dla protezy.
    Uwaga: SEQ-E jest w istocie estymatorem proporcjonalnym (t.j. siły skurczów mięśniowych) opartym na wspólnych wzorcach przestrzennych (CSP)21, podczas gdy SIM-E jest regresorem liniowym, który jednocześnie steruje 2 DoF nadgarstka.

4. Framework oprogramowania

Uwaga: Rama programowa wykorzystana w tym badaniu umożliwiła obsługę komunikacji pomiędzy sprzętem protetycznym a wbudowanym algorytmem sterującym. Zapewniła ona również narzędzia wspomagające wizualnie proces szkolenia, niezbędne do maksymalizacji efektów treningu uczestników.

  1. Wyświetl wartość średnia kwadratowa (RMS) sygnałów EMG zebranych z 8 równomiernie rozmieszczonych elektrod w formie wykresu polarnego amplitudy EMG w funkcji położenia elektrod. Taka informacja zwrotna umożliwia łatwe monitorowanie przestrzennego rozkładu EMG w płaszczyźnie poprzecznej przedramienia. Dzięki takiemu układowi każdy ruch użytkownika może generować charakterystyczny wzorzec22 na wykresie polarnym, który można następnie zapisać i wykorzystać do treningu powtarzalności konkretnego gestu.
    Uwaga: Struktura ta umożliwia zbieranie danych EMG w standardowy sposób rozpoznawania wzorców.23 Dla każdego z kanałów EMG wartość RMS z okresu 40 msec jest obliczana jako
    Wzór na wartość średnią kwadratową, \(x_{\text{rms}}=\sqrt{\frac{1}{n}(x_1^2+x_2^2+\cdots+x_n^2)}\).
    co daje obserwacje dla każdego okna zespołu danych.
  2. W celu wstępnej kalibracji zbierz wartości maksymalnego długotrwałego skurczu dobrowolnego (MLVC) dla każdego zamierzonego ruchu. Poproś uczestnika o wykonanie pożądanego ruchu, posługując się dłonią demonstratora, przekazując jednocześnie instrukcje głosowe i wizualne przez 5 sec.
  3. Po kalibracji przedstaw uczestnikowi zestaw sygnałów trapezoidalnych. Profile siły te zawierają plateau ustawione na poziomie 30%, 60% i 90% skalibrowanego maksimum.
  4. W każdej próbie poleć uczestnikowi prowadzenie czerwonego wskaźnika wzdłuż sygnału poprzez modulowanie poziomu siły wskazanego ruchu (Rysunek 1). Pionowa pozycja wskaźnika odpowiada sumarycznym wartościom RMS ze wszystkich ośmiu kanałów. Ustaw czas trwania próby na 5 sec, przy czym przedział plateau powinien odpowiadać środkowym 3 sec.

5. Sesja naiwna

Uwaga: Podczas sesji treningowej dla osób początkujących uczestnik nie posiadał wcześniejszego doświadczenia w obsłudze schematu sterowania protezą zastosowanego w niniejszym badaniu.

  1. Nie należy przeprowadzać formalnego szkolenia klinicznego uczestnika; należy go jedynie poinformować, że 8 ruchów kikuta, z czego jeden jest stanem spoczynku, umożliwi sterowanie wizualnym celem na ekranie komputera. Zadania te są podobne do tych stosowanych w klasycznych podejściach do rozpoznawania wzorców w sterowaniu protezami23, a w przypadku tych metod uczestnik w niniejszym badaniu posiadał około 60 h wcześniejszego doświadczenia.
  2. Wyświetlić na ekranie wymagane ruchy w formie tekstu i statycznego obrazu, postępując zgodnie z sygnałem wizualnym (Rysunek 1).
  3. Pokazać uczestnikowi jego wzorce aktywacji EMG, które odpowiadają ośmiu specyficznym i unikalnym wykresom polarnym (Rysunek 2).
  4. Stosować instrukcje dźwiękowe, aby zachęcić uczestnika do postępowania zgodnie z sygnałem wizualnym. Instrukcje dźwiękowe muszą być identyczne, jeśli są używane w ustrukturyzowanej sesji treningowej.
  5. Powtórzyć zadania trzy razy przy różnych pozycjach ramienia (rozluźnione, wyciągnięte przed siebie, wyciągnięte w poprzek), aby usprawnić trening systemu. Należy pamiętać, że istnieje 8 różnych działań i trzy poziomy siły; po uwzględnieniu wszystkich pozycji ramienia dane wejściowe treningu systemu sumują się do łącznie 72 pojedynczych próbek.
  6. Po zakończeniu umożliwić uczestnikowi możliwość ćwiczenia sterowania w czasie rzeczywistym przed przeprowadzeniem oceny wyników SHAP.
  7. Upewnić się, że uczestnik nie ma dostępu do spersonalizowanej protezy i algorytmów sterowania po zakończeniu sesji naiwnej.

6. Ustrukturyzowana sesja treningowa

  1. Trzy miesiące po sesji naiwnej przeprowadź ustrukturyzowaną sesję treningową.
  2. Ustrukturyzuj sesję w następujących uporządkowanych krokach (Rysunek 3):
    1. W ramach imitacji poleć uczestnikowi bezpośrednie naśladowanie w czasie rzeczywistym ośmiu pożądanych czynności (Tabela 1) wykonywanych przez demonstratora. Każdą czynność wykonuj przez 3 s.
    2. W ramach powtarzania poproś uczestnika o powtórzenie naśladowanej czynności 10 razy, tak aby każda czynność była wykonywana przez 30 s.
    3. W ramach wzmocnienia i treningu systemu komputerowego poproś uczestnika o interakcję z wizualną informacją zwrotną komputera; konfiguracja musi być dokładnie taka sama jak w sesji naiwnej. Upewnij się, że między tymi dwiema sekcjami nie ma żadnej różnicy.
    4. W ramach sterowania protezą poproś uczestnika o przećwiczenie sterowania w czasie rzeczywistym spersonalizowaną protezą przed dokonaniem oceny końcowej.
  3. Podczas imitacji posadź uczestnika pod kątem 45° względem demonstratora i zapewnij mu pełny i niezakłócony widok dłoni demonstratora, odpowiadającej stronie objętej dysfunkcją u uczestnika, podczas wszystkich czynności (Rysunek 4). W tym czasie uczestnik nie powinien mieć dostępu do żadnych wskazówek wizualnych z ekranu komputera.
  4. W ramach powtarzania, podczas wykonywania czynności przez uczestnika, demonstrator powinien obserwować odpowiadającą aktywność EMG reprezentowaną przez wykresy polarne każdego ruchu (Rysunek 4). Gdy demonstrator stwierdzi, że uczestnik potrafi wytworzyć unikalne i powtarzalne wzorce aktywacji EMG dla każdego ruchu, poproś uczestnika o powtarzanie czynności przez 30 s bez żadnych wskazówek wizualnych.
    Uwaga: Jest łącznie 8 unikalnych czynności — siedem z nich (pronacja/supinacja nadgarstka, zgięcie/wyprost nadgarstka, otwarcie dłoni, chwyt kluczowy i precyzyjny chwyt pęsetowy) wymaga aktywacji mięśniowej, a ósmą jest brak czynności, co reprezentuje stabilny stan rozluźnienia.
  5. Po wzmocnieniu i treningu systemu komputerowego przedstaw uczestnikowi wizualną informację zwrotną dotyczącą jego ośmiu czynności, dokładnie tak jak w sesji naiwnej, co odpowiada ośmiu unikalnym i specyficznym wykresom polarnym na ekranie komputera (Rysunek 3). Aby dostroić wyniki, poproś uczestnika o wykonywanie czynności podczas oglądania w czasie rzeczywistym wykresów polarnych z nałożonymi zapisami ruchu w celu wzmocnienia uczenia się, zazwyczaj od 2 do 4 prób dla każdego ruchu. Po uzyskaniu pewności uczestnik może następnie wykonać dokładnie te same zadania, które zostały zrealizowane w sesji naiwnej.

7. Sterowanie protezą

  1. Wykorzystaj zestawy danych treningowych z każdej sesji, aby skalibrować i dostosować protezę do sterowania w czasie rzeczywistym.
  2. Początkowo pozwól uczestnikowi sterować protezami wyłącznie za pomocą sekwencyjnego sterowania proporcjonalnego, tzn. wykonując jeden ruch naraz, przy czym prędkość urządzenia jest proporcjonalna do poziomu skurczów mięśni.
  3. Gdy każda z ośmiu czynności będzie wykonywana w sposób powtarzalny i niezawodny, zmień schemat sterowania na proporcjonalne i jednoczesne, umożliwiając wykonywanie więcej niż jednego ruchu nadgarstka w tym samym czasie.
  4. Poleć uczestnikowi przećwiczenie prostych zadań, takich jak podniesienie butelki i położenie jej na boku (wystarczą 2 próby). Przewidź okres odpoczynku przed przeprowadzeniem oceny wyników. W przypadku niniejszego badania jest to 2 hr odpoczynku dla sesji naiwnej oraz 24 hr odpoczynku dla sesji ustrukturyzowanej.

8. Pomiar wyników

  1. Ocenić globalną funkcję kończyny górnej zarówno w sesjach bez treningu (naïve), jak i w sesjach z treningiem ustrukturyzowanym, wykorzystując skalę SHAP, która monitoruje funkcję dłoni i kończyny górnej ściśle powiązaną z czynnościami życia codziennego (ADL). Zadania wykonywane w ramach SHAP obejmują manipulowanie lekkimi i ciężkimi przedmiotami, a także czynności ADL, takie jak krojenie przedmiotu nożem lub odpinanie guzików. Skala SHAP została zwalidowana do oceny patologicznej i protetycznej funkcji dłoni.24
    Uwaga: Pomiar ten wybrano, ponieważ uczestnik badania był rutynowo monitorowany pod kątem tego wskaźnika przez swój zespół kliniczny.

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

Wyniki

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

Bazowy wynik SHAP uczestnika przy użyciu jego codziennej protezy wynosił 81, co zostało zmierzone przez personel kliniczny na 8 miesięcy przed testami. Wynik SHAP równy 100 reprezentuje sprawność dłoni osoby zdrowej.24 Podczas sesji naiwnej z zastosowaniem bardziej zaawansowanego systemu sterowania protezą uczestnik uzyskał całkowity wynik SHAP wynoszący 58. Jednakże 3 miesiące później, bez dalszych interakcji z nowym systemem poza ustrukturyzowanym treningiem, uczestnik osiągnął wynik SHAP równy 71 przy użyci...

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

Dyskusja

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

Nasze odkrycia sugerują uczestnikowi tego badania, że ustrukturyzowany trening pomógł poprawić kontrolę nad wielofunkcyjną protezą ręki podczas jednej sesji. Zastosowany tutaj ustrukturyzowany program polegał na połączeniu imitacji, powtarzania i wzmacniania ruchów ręki, których uczestnik nie był w stanie wykonać za pomocą swojej tradycyjnej protezy ręki.

Chociaż uczestnik uzyskał wyższy wynik ze swoją tradycyjną protezą w teście SHAP, warto zauważyć, że zazwyczaj nosił to urządzenie od 12 do ...

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

Oświadczenia

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

Autorzy deklarują brak sprzecznych interesów finansowych.

Podziękowania

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

Autorzy pragną podziękować panu Hansowi Oppelowi i jego technikom protetycznym z Otto Bock Healthcare Products GmbH za wyprodukowanie leja używanego przez uczestnika tego badania. Badanie było wspierane finansowo przez Europejską Radę ds. Badań Naukowych (ERBN) za pośrednictwem ERBN Advanced Grant DEMOVE (nr 267888), Austriacką Radę ds. Badań i Rozwoju Technologii oraz austriackie Federalne Ministerstwo Nauki, Badań i Gospodarki.

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Michelangelo HandOtto Bock Healthcare Products GmbH, A8E500=L-M
AxonRotationOtto Bock Healthcare Products GmbH, A9S503
Zginacz nadgarstkaOtto Bock Healthcare Products GmbH, prototyp
jednostki AxonMasterOtto Bock Healthcare Products GmbH, ElektrodaA 13E500
Otto Bock Healthcare Products GmbH, A13E200=50AC
ScissorFenceElectrodeCarrierOtto Bock Healthcare Products GmbH, Jednostkaprototypowa
Oprogramowanie do akwizycjiOtto Bock Healthcare Products GmbH, Jednostkaprototypowa
Wał węglowyOtto Bock Healthcare Products GmbH, Jednostkaprototypowa

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Forssberg, H., Eliasson, A. C., Kinoshita, H., Johansson, R. S., Westling, G. Development of human precision grip. I: Basic coordination of force. Experimental Brain Research. 85 (2), 451-457 (1991).
  2. Forssberg, H., Kinoshita, H., Eliasson, A. C., Johansson, R. S., Westling, G., Gordon, A. M. Development of human precision grip. II. Anticipatory control of isometric forces targeted for object’s weight. Experimental Brain Research. 90 (2), 393-398 (1992).
  3. Gordon, A. M., Forssberg, H., Johansson, R. S., Eliasson, A. C., Westling, G. Development of human precision grip. III. Integration of visual size cues during the programming of isometric forces. Experimental Brain Research. 90 (2), 399-403 (1992).
  4. Forssberg, H., Eliasson, A. C., Kinoshita, H., Westling, G., Johansson, R. S. Development of human precision grip. IV. Tactile adaptation of isometric finger forces to the frictional condition. Experimental Brain Research. 104 (2), 323-330 (1995).
  5. Eliasson, A. C., et al. Development of human precision grip. V. anticipatory and triggered grip actions during sudden loading. Experimental Brain Research. 106 (3), 425-433 (1995).
  6. Roche, A. D., Rehbaum, H., Farina, D., Aszmann, O. C. Prosthetic Myoelectric Control Strategies A Clinical Perspective. Current Surgery Reports. 2 (44), (2014).
  7. Buccino, G., et al. Neural circuits underlying imitation learning of hand actions: An event-related fMRI study. Neuron. 42 (2), 323-334 (2004).
  8. Saunders, J. A., Knill, D. C. Humans use continuous visual feedback from the hand to control fast reaching movements. Experimental Brain Research. 152 (3), 341-352 (2003).
  9. Rizzolatti, G., Craighero, L. The mirror-neuron system. Annual Review of Neuroscience. 27, 169-192 (2004).
  10. Maruishi, M., et al. Brain activation during manipulation of the myoelectric prosthetic hand: a functional magnetic resonance imaging study. NeuroImage. 21 (4), 1604-1611 (2004).
  11. Cusack, W. F., et al. A Neural activation differences in amputees during imitation of intact versus amputee movements. Frontiers in Human Neuroscience. 6 (June), 182(2012).
  12. Vogt, S., Buccino, G., Wohlschläger, A. M., Canessa, N., Shah, J. N., Zilles, K., Eickhoff, S. B., Freund, H. J., Rizzolatti, G., Fink, G. R. Prefrontal involvement in imitation learning of hand actions: Effects and expertise. Neuroimage. 37 (4), 1371-1383 (2007).
  13. Gonzalez-Rosa, J. J., Natali, F., Tettamanti, A., Cursi, M., Velikova, S., Comi, G., Gatti, R., Leocani, L. Action observation and motor imagery in performance of complex movements: Evidence from EEG and kinematics analysis. Behavioural Brain Research. 281, 290-300 (2015).
  14. Bekkering, H., Wohlschläger, A. M., Gattis, M. Imitation of gestures in children is goal-directed. The Quarterly Journal of Experimental Psychology. 53 (1), 153-164 (2000).
  15. Catmur, C., Walsh, V., Heyes, C. Associative sequence learning: the role of experience in the development of imitation and the mirror system. Philosophical Transactions of the Royal Society B. 364 (1528), 2369-2380 (2009).
  16. Resnik, L., Etter, K., Klinger, S. L., Kambe, C. Using virtual reality environment to facilitate training with advanced upper-limb prosthesis. Journal of Rehabilitation Research and Development. 48 (6), 707-718 (2011).
  17. Bouwsema, H., van der Sluis, C. K., Bongers, R. M. The role of order of practice in learning to handle an upper-limb prosthesis. Archives of Physical Medicine and Rehabilitation. 89 (9), 1759-1764 (2008).
  18. Bouwsema, H., vander Sluis, C. K., Bongers, R. M. Learning to control opening and closing a myoelectric hand. Archives of Physical Medicine and Rehabilitation. 91 (9), 1442-1446 (2010).
  19. Simon, A. M., Lock, B. A., Stubblefield, K. A. Patient training for functional use of pattern recognition-controlled prostheses. Journal of Prosthetics and Orthotics JPO. 24 (2), 56-64 (2012).
  20. Stubblefield, K. A., Miller, L. A., Lipschutz, R. D., Kuiken, T. A. Occupational therapy protocol for amputees with targeted muscle reinnervation. The Journal of Rehabilitation Research and Development. 46 (4), 481(2009).
  21. Amsüss, S., Roche, A. D., Göbel, P., Graimann, B., Farina, D., Aszmann, O. C. Regaining high functional, multiple degrees of freedom hand control following bionic reconstruction. , MyoElectric Controls Symposium. (2014).
  22. Dosen, S., Muller, K. -R., Farina, D. Myoelectric Control of Artificial Limbs—Is There a Need to Change Focus [In the Spotlight]. IEEE Signal Processing Magazine. 29 (5), (2012).
  23. Amsuess, S., Gobel, P., Graimann, B., Farina, D. A Multi-Class Proportional Myocontrol Algorithm for Upper Limb Prosthesis Control: Validation in Real-Life Scenarios on Amputees. IEEE Transactions on Neural Systems and Rehabilitation Engineering : A Publication of the IEEE Engineering in Medicine and Biology Society. 4320(c), 1-11 (2014).
  24. Light, C. M., Chappell, P. H., Kyberd, P. J. Establishing a Standardized Clinical Assessment Tool of Pathologic and Prosthetic Hand Function: Normative Data, Reliability, and Validity. Archives of Physical Medicine and Rehabilitation. 83 (6), 776-783 (2002).
  25. Wolpert, D. M., Ghahramani, Z., Jordan, M. I. An internal model for sensorimotor integration. Science (New York, N.Y). 269 (5232), 1880-1882 (1995).
  26. Shadmehr, R., Mussa-Ivaldi, F. A. Adaptive representation of dynamics during learning of a motor task. The Journal of Neuroscience the Official Journal of the Society for Neuroscience. 14 (5 Pt 2), (1994).
  27. Hogervorst, T., Brand, R. A. Mechanoreceptors in joint function. The Journal of Bone and Joint Surgery. American Volume. 80 (9), 1365-1378 (1998).
  28. Bosco, G., Poppele, R. E. Proprioception from a spinocerebellar perspective. Physiological Reviews. 81 (2), 539-568 (2001).
  29. Iacoboni, M., Molnar-Szakacs, I., Gallese, V., Buccino, G., Mazziotta, J. C. Grasping the intentions of others with one’s own mirror neuron system. PLoS Biology. 3 (3), 0529-0535 (2005).
  30. Williams, J. H. G., Whiten, A., Waiter, G. D., Pechey, S., Perrett, D. I. Cortical and subcortical mechanisms at the core of imitation. Social Neuroscience. 2 (1), 66-78 (2007).
  31. Allison, T., Puce, A., McCarthy, G. Social perception from visual cues: Role of the STS region. Trends in Cognitive Sciences. 4 (7), 267-278 (2000).
  32. Thompson, J. C., Hardee, J. E., Panayiotou, A., Crewther, D., Puce, A. Common and distinct brain activation to viewing dynamic sequences of face and hand movements. NeuroImage. 37 (3), 966-973 (2007).
  33. Binkofski, F., et al. A fronto-parietal circuit for object manipulation in man: Evidence from an fMRI-study. European Journal of Neuroscience. 11 (9), 3276-3286 (1999).
  34. Iacoboni, M. Cortical Mechanisms of Human Imitation. Science. 286 (5449), 2526-2528 (1999).

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

Trening na laduj cyuczenie przez powtarzanieuczenie przez wzmocnieniewielofunkcyjna protezad o Michelangelozgi cie nadgarstkawyprost nadgarstkaSouthampton Hand Assessment

Powiązane artykuły