Method Article

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

DOI:

10.3791/52968

⸱

November 6th, 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

In This Article

Summary

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

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.

Abstract

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

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.

Introduction

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

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.

Access restricted. Please log in or start a trial to view this content.

Protocol

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

To badanie zostało przeprowadzone zgodnie z Deklaracją Helsińską, zatwierdzoną przez lokalną komisję etyki badań. Badanie zostało szczegółowo wyjaśnione uczestnikowi przed jego rozpoczęciem, dając uczestnikowi czas na rozważenie decyzji o dobrowolnym udziale w badaniu i potwierdzenie swojego udziału poprzez świadomą, pisemną zgodę.

Uwaga: Jeden mężczyzna, w wieku 27 lat, wziął udział w badaniu. Uczestnik miał normalne widzenie, był osobą po amputacji lewego łokcia i był doświadczonym użytkownikiem (4 lata całkowitego użytkowania protezy). Przed rozpoczęciem tego badania proteza, której używał na co dzień, była 4-kanałową mioelektryczną protezą ręki z rotacją nadgarstka przez 12-15 godzin dziennie przez 15 miesięcy. Prawa ręka uczestnika została wcześniej zrekonstruowana chirurgicznie, ale nie miała innych zaburzeń fizycznych ani neurologicznych.

1. Projekt badania

  1. Podziel badanie na dwie sesje: naiwne użycie i użycie po ustrukturyzowanym szkoleniu.
    Uwaga: Ma to na celu umożliwienie porównania wewnątrz obiektu odpowiednio przed i po treningu.
  2. Upewnij się, że te dwie sesje są oddalone od siebie o co najmniej trzy miesiące, aby były traktowane jako niezależne od siebie.
  3. Na początku obu sesji należy dopasować do uczestnika niestandardowy lej i protezę. Upewnij się, że sprzęt protetyczny i algorytmy sterowania są zgodne z tymi wyszczególnionymi w sekcji Materiały niniejszego protokołu. Upewnij się, że uczestnik nie jest w stanie korzystać z dostosowanej protezy w czasie między sesjami.
  4. Przeszkol pacjenta zgodnie z krokami opisanymi w sekcjach Sesja naiwna i Ustrukturyzowana sesja treningowa niniejszego protokołu. Na początku każdej z tych sesji należy skalibrować osprzęt protezowy. Wykorzystaj zebrane dane kalibracyjne do kontroli protezy w czasie rzeczywistym.
  5. Po zakończeniu sesji naiwnej i ustrukturyzowanej sesji szkoleniowej oceń wyniki uczestnika za pomocą miary wyników Southampton Hand Assessment Procedure (SHAP). 23 Porównaj wyniki SHAP z pomiarem wyjściowym przy użyciu standardowej protezy uczestnika (uzyskanej przed sesjami treningowymi).

2. Materiały

  1. Dopasuj uczestnika do specjalnie skonstruowanego gniazda. Zamocuj dostępną na rynku protezę zgodnie z instrukcjami producenta. Wyposaż protezę ręki w prototypowe komponenty, które umożliwiają aktywowane zginanie, prostowanie i obracanie nadgarstka. Dzięki temu uczestnik może kontrolować rękę z 3,5 stopniem swobody (DoFs) (Tabela 1).
    Uwaga: W tym eksperymencie użyto ręki Michała Anioła (patrz lista materiałów). Odpowiednie byłyby również inne urządzenia końcowe zdolne do obracania, zginania i prostowania nadgarstka, wraz ze standardowymi funkcjami chwytania.
  2. Nagrywaj sygnały EMG za pomocą ośmiu równo oddalonych od siebie surowych elektrod sygnałowych wokół kikuta oraz wbudowanego systemu dekodowania z częstotliwością próbkowania 1,000 Hz i digitalizowaną z 10-bitową głębią. Wykonaj wstępne filtrowanie i amplifikację w samych elektrodach zgodnie ze specyfikacją dostawcy. Użyj komputera osobistego (PC) do przeprowadzenia głównego przetwarzania, który komunikuje się ze sprzętem do akwizycji i steruje protezą za pośrednictwem połączenia bezprzewodowego.
    Uwaga: W tym badaniu użyto powierzchniowych elektrod EMG i pokładowego systemu dekodowania (AxonBus) firmy Otto Bock. Inni producenci podobnych urządzeń również byliby odpowiedni. Połączenie bezprzewodowe odbywało się przez Bluetooth, a także można było zastosować inne modalności.

3. Algorytm sterowania

  1. Użyj algorytmu sterowania, który zapewnia jednoczesną i proporcjonalną kontrolę protetyczną w wielu obszarach swobody. 21 Algorytm zastosowany w tym badaniu był dwuetapowym paradygmatem podejmowania decyzji, dzięki czemu możliwa była szacowanie ruchu w zależności od kontekstu.
  2. Po treningu systemu, który zawiera wszystkie kontrolowane pojedyncze ruchy DoF, zarejestruj przychodzący elektromiogram (EMG).
  3. W pierwszym etapie oceń wewnętrzne informacje wymiarowe zamierzonego ruchu w oparciu o odległość Mahalanobisa nowo obliczonego wektora cech EMG od danych treningowych. Podejmij decyzję, czy intencją użytkownika było wykonanie precyzyjnego ruchu 1-DoF, czy bardziej zgrubnego jednoczesnego ruchu 2-DoF.
    Uwaga: Odległość Mahalanobisa wektora cech x do klasy i z wektorem średniej klasy μ i i macierzą kowariancji Σi oblicza się jako:
    figure-protocol-1
    Jak opisano w Amsuess i wsp., nowo obliczony wektor cech jest odwzorowywany na przestrzeń wysokowymiarową, a odległość Mahalanobisa przekształconego punktu do dowolnego z wytrenowanych punktów klasy jest traktowana jako miara nowości. 21 Empirycznie wyznaczony próg tej odległości pozwala zdecydować o nowości (2-DOF) lub jej braku (1-DOF).
  4. W drugim etapie, w oparciu o poprzednią decyzję, należy użyć jednego z dwóch estymatorów równoległych — jednego zajmującego się ruchami sekwencyjnymi (SEQ-E), a drugiego obsługującego ruchy równoczesne (SIM-E) — w celu dostarczenia sygnałów sterujących dla protezy.
    Uwaga: SEQ-E jest w istocie estymatorem proporcjonalnym (tj. siłą skurczów mięśniowych) opartym na wspólnych wzorcach przestrzennych (CSP)21, podczas gdy SIM-E jest regresorem liniowym, który jednocześnie steruje 2 DoF nadgarstka.

4. Struktura oprogramowania

Uwaga: Struktura oprogramowania użyta w tym badaniu pozwoliła na obsługę komunikacji między sprzętem protetycznym a wbudowanym algorytmem sterowania. Zaoferowano również narzędzia szkoleniowe wspierające wizualnie, które są niezbędne do maksymalizacji szkolenia uczestników.

  1. Wyświetla średnią kwadratową (RMS) sygnałów EMG zebranych z 8 równo rozmieszczonych elektrod w postaci wykresu biegunowego amplitudy EMG w funkcji położenia elektrody. Ta wizualna informacja zwrotna umożliwia łatwe monitorowanie rozkładu przestrzennego EMG w płaszczyźnie poprzecznej przedramienia. Korzystając z takiej konfiguracji, każdy z ruchów użytkownika może w ten sposób wywołać wyraźny wzór22 na wykresie biegunowym, który można następnie zapisać i wykorzystać do treningu powtarzalności określonego gestu.
    Uwaga: Framework umożliwia zbieranie danych EMG w standardowy sposób rozpoznawania wzorców. 23 Dla każdego z kanałów EMG wartość RMS powyżej 40 ms jest obliczana jako
    figure-protocol-2
    co skutkuje obserwacjami dla każdego okna zespołu.
  2. Aby uzyskać wstępną kalibrację, należy zebrać maksymalne wartości długoterminowego dobrowolnego skurczu (MLVC) dla każdego zamierzonego ruchu. Podpowiedz uczestnikowi, używając ręki demonstratora, aby wykonać żądany ruch, jednocześnie udzielając instrukcji głosowych i wizualnych przez 5 sekund.
  3. Po kalibracji przedstaw uczestnikowi zestaw wskazówek trapezowych. Te profile sił zawierają płaskowyże ustawione na poziomie 30%, 60% i 90% skalibrowanego maksimum.
  4. W ramach każdej próby poinstruuj uczestnika, aby kierował czerwoną wskazówką wzdłuż wskazówki, modulując poziom siły podpowiadanego ruchu (Rysunek 1). Pozycja pionowa wskaźnika odpowiada zsumowanym wartościom RMS we wszystkich ośmiu kanałach. Ustaw czas trwania próby na 5 sekund z interwałem plateau odpowiadającym środkowym 3 sekundom.

5. Naiwna sesja

Uwaga: Podczas naiwnej sesji treningowej, uczestnik nie miał wcześniejszego doświadczenia ze schematem kontroli protetycznej używanym w tym badaniu.

  1. Nie należy udzielać uczestnikowi żadnego formalnego szkolenia klinicznego, a jedynie poinstruować, że 8 czynności kikuta, z których jedna to stan spoczynku, pozwoli na kontrolę celu wizualnego na ekranie komputera. Zadania te są podobne do tych stosowanych w klasycznych podejściach do rozpoznawania wzorców w kontroli protetycznej23, a w przypadku tych metod uczestnik tego badania miał około 60 godzin wcześniejszego doświadczenia.
  2. Wyświetlaj wymagane ruchy na ekranie za pomocą tekstu i statycznego obrazu, postępując zgodnie ze wskazówkami wizualnymi (Rysunek 1).
  3. Pokaż uczestnikowi jego wzorce aktywacji EMG, które odpowiadają ośmiu specyficznym i unikalnym wykresom biegunowym (ryc. 2).
  4. Użyj instrukcji dźwiękowych, aby zachęcić uczestnika do podążania za wskazówką wizualną. Te instrukcje dźwiękowe muszą być identyczne, jeśli są używane w ustrukturyzowanej sesji szkoleniowej.
  5. Powtórz zadania trzy razy z różnymi pozycjami ramion (zrelaksowane, sięgające do przodu, sięgające w poprzek), aby usprawnić trening systemu. Należy pamiętać, że istnieje 8 różnych działań i trzy poziomy siły, po pokryciu wszystkich pozycji ramion, dane wejściowe treningu systemu sumują się do łącznej liczby 72 pojedynczych próbek.
  6. Po zakończeniu należy umożliwić uczestnikowi przećwiczenie kontroli w czasie rzeczywistym przed zakończeniem oceny wyników SHAP.
  7. Upewnij się, że uczestnik nie ma dostępu do dostosowanej protezy i algorytmów kontrolnych po zakończeniu wcześniejszej sesji.

6. Ustrukturyzowana sesja szkoleniowa

  1. Trzy miesiące po naiwnej sesji przeprowadź ustrukturyzowaną sesję treningową.
  2. Uporządkuj sesję w następujących kolejności kroków (Rysunek 3):
    1. W celu naśladowania poinstruuj uczestnika, aby bezpośrednio naśladował pożądane osiem czynności (Tabela 1) wykonywanych przez demonstratora w czasie rzeczywistym. Wykonuj każdą czynność przez 3 sekundy.
    2. W celu powtórzenia poproś uczestnika o powtórzenie czynności, która została naśladowana 10 razy, tak aby każda czynność była wykonywana przez 30 sekund.
    3. W przypadku treningu ze wzmocnieniem i systemem komputerowym poproś uczestnika, aby teraz zaangażował się w wizualną informację zwrotną komputera, która jest dokładnie taka sama, jak w sesji naiwnej. Upewnij się, że nie ma różnicy między tymi dwiema sekcjami.
    4. W przypadku kontroli protetycznej poproś uczestnika, aby przećwiczył kontrolę w czasie rzeczywistym nad dostosowaną protezą przed zakończeniem oceny wyników.
  3. Podczas imitacji należy posadzić uczestnika pod kątem 45° od demonstratora i zapewnić pełny i niezakłócony widok ręki demonstratora, dopasowującej się do dotkniętej strony uczestnika podczas wszystkich czynności (Rysunek 4). W tym momencie uczestnik nie powinien mieć dostępu do żadnych wskazówek wizualnych z ekranu komputera.
  4. W celu powtórzenia, podczas działań uczestnika, poproś demonstratora o obserwację odpowiedniej aktywności EMG, reprezentowanej przez wykresy biegunowe każdego ruchu (ryc. 4). Gdy demonstrator stwierdzi, że uczestnik jest w stanie wytworzyć unikalne i powtarzalne wzorce aktywacji EMG dla każdego ruchu, poproś uczestnika o powtarzanie czynności przez 30 sekund bez żadnych wskazówek wizualnych.
    Uwaga: Istnieje w sumie 8 unikalnych działań - siedem z nich (pronacja/supinacja nadgarstka, zgięcie/wyprost nadgarstka, otwarta dłoń, chwyt i delikatne szczypanie) wymagających aktywacji mięśni, a ósma to brak działania, który reprezentuje stały stan relaksu.
  5. Po treningu ze wzmocnieniem i systemem komputerowym, przedstaw uczestnikowi wizualną informację zwrotną na temat jego ośmiu działań, dokładnie tak, jak to było widziane podczas sesji naiwnej, które odpowiadają ośmiu unikalnym i specyficznym wykresom biegunowym na ekranie komputera (Rysunek 3). Aby dostroić wydajność, poproś uczestnika o wykonanie czynności podczas oglądania wykresów biegunowych w czasie rzeczywistym z nagranymi nakładkami ruchu, aby wzmocnić naukę, zwykle od 2 do 4 prób na każdy ruch. Po upewnieniu się, że uczestnik jest pewny siebie, może wykonać dokładnie te same zadania, które zostały wykonane podczas naiwnej sesji.

7. Kontrola protetyczna

  1. Korzystaj z zestawów danych treningowych z każdej sesji, aby skalibrować i dostosować protezę w celu kontroli w czasie rzeczywistym.
  2. Początkowo pozwól uczestnikowi kontrolować protezy tylko poprzez sekwencyjną kontrolę proporcjonalną, tj. jeden ruch na raz, z prędkością urządzenia proporcjonalną do poziomów skurczów mięśni.
  3. Gdy każda z ośmiu czynności zostanie wykonana w sposób powtarzalny i niezawodny, przełącz schemat sterowania na sterowanie proporcjonalne i jednoczesne, umożliwiając więcej niż jeden ruch nadgarstka na raz.
  4. Poproś uczestnika, aby przećwiczył proste zadania, takie jak podniesienie butelki i położenie jej na boku (wystarczą 2 próby). Poczekaj na okres odpoczynku przed przeprowadzeniem oceny wyników. W przypadku tego badania 2 godziny odpoczynku w przypadku sesji naiwnej i 24 godziny odpoczynku w przypadku sesji ustrukturyzowanej.

8. Pomiar wyników

  1. Oceń globalną funkcję kończyny górnej zarówno w naiwnych, jak i ustrukturyzowanych sesjach treningowych za pomocą SHAP, który monitoruje funkcję ręki i kończyny górnej ściśle związaną z czynnościami życia codziennego (ADL). Zadania wykonywane w SHAP obejmują manipulowanie lekkimi i ciężkimi przedmiotami, a także zadania ADL, takie jak cięcie obiektu nożem lub odkręcanie przycisków. SHAP został zwalidowany do oceny patologicznej i protetycznej funkcji ręki. 24
    Uwaga: Ten pomiar został wybrany, ponieważ uczestnik tego badania był rutynowo monitorowany za pomocą tego pomiaru wyniku przez swój zespół kliniczny.

Access restricted. Please log in or start a trial to view this content.

Results

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

Podstawowa wydajność SHAP uczestnika z jego codzienną protezą wynosiła 81 punktów w pomiarze przez personel kliniczny 8 miesięcy przed testem. Wynik SHAP równy 100 reprezentuje sprawność ręki w pełnej sprawności. 24 Uczestnik uzyskał ogólny wynik SHAP wynoszący 58 podczas naiwnej sesji z bardziej zaawansowanym systemem kontroli protezy. Jednak 3 miesiące później i bez dalszej interakcji z nowym systemem, poza ustrukturyzowanym szkoleniem, uczestnik osiągnął wynik SHAP na poziomie 71 przy użyciu tego samego zaa...

Access restricted. Please log in or start a trial to view this content.

Discussion

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

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 ...

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Autorzy deklarują brak sprzecznych interesów finansowych.

Acknowledgements

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

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.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
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

References

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

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Prosthetic ControlRehabilitation ProtocolImitation TrainingRepetition LearningReinforcement LearningMultifunctional ProsthesisMichelangelo HandWrist FlexionWrist ExtensionSouthampton Hand Assessment

Related Articles