Name: Platforma inżynieryjna i protokół eksperymentalny do projektowania i oceny protezy przezudowej sterowanej neuronalnie (Wideo) | JoVE Journal
Uploaded: 2014-07-22T15:00:00.000+00:00
Duration: 11 min 16 s
Description: Poznaj platformę inżynieryjną do oceny protezy przezudowej sterowanej neuronalnie u pacjentów po amputacji kończyn dolnych. Metoda obejmuje pomiar sygnałów EMG, kalibrację urządzenia oraz testowanie interfejsu nerwowo-maszynowego.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Ta praca była częściowo wspierana przez National Institutes of Health w ramach Grantu RHD064968A, częściowo przez National Science Foundation w ramach Grantu 0931820, Grant 1149385 i Grant 1361549, a częściowo przez National Institute on Disability and Rehabilitation Research w ramach Grantu H133G120165. Autorzy dziękują Lin Du, Ding Wangowi i Geraldowi Heffermanowi z University of Rhode Island oraz Michaelowi J. Nunnery'emu z Nunnery Orthotic and Prosthetic Technology, LLC za ich wspaniałe sugestie i pomoc w tym badaniu.

1. Platforma do implementacji kontroli neuronalnej zasilanych protez przezudowych
W tym badaniu opracowano platformę inżynieryjną do implementacji i oceny kontroli neuronalnej napędzanych sztucznych nóg. Sprzęt obejmował komputer stacjonarny z procesorem 2,8 GHz i 4 GB pamięci RAM, wielofunkcyjną płytkę do akwizycji danych z przetwornikami analogowo-cyfrowymi (ADC) i przetwornikami cyfrowo-analogowymi (DAC), sterownik silnika, cyfrowe wejścia/wyjścia oraz prototypową zasilaną protezę przezudową zaprojektowaną w naszej grupie12. Wejścia czujników analogowych zostały najpierw zdigitalizowane przez przetworniki ADC i przesłane strumieniowo do komputera stacjonarnego w celu przetworzenia sygnału. Przetwornik cyfrowo-analogowy został wykorzystany jako wyjście sterujące do napędzania silnika prądu stałego w protezie poprzez sterownik silnika. Cyfrowe wejścia/wyjścia zostały wykorzystane do włączania/wyłączania sterownika silnika. Zasilana proteza była podłączona do komputera stacjonarnego i zasilana z zasilacza 24 V.
Oprogramowanie zostało zaprogramowane w środowisku programistycznym odpowiednim do wirtualnego oprzyrządowania działającego na komputerze stacjonarnym. Środowisko programistyczne zostało oparte na wirtualnym oprzyrządowaniu, które skutecznie łączy zarówno oprogramowanie zdefiniowane przez użytkownika, jak i sprzęt w celu wdrożenia dostosowanej platformy. Wykorzystując strukturę graficznego schematu blokowego, można łatwo i efektywnie wdrażać i aktualizować różne modułowe węzły funkcyjne. W celu zademonstrowania funkcji platformy do sterowania online zmechanizowanymi sztucznymi nogami, na tej platformie zaimplementowano wstępnie zaprojektowane sterowanie protezami. System sterowania składał się z kontrolera neuronowego i kontrolera wewnętrznego. Kontroler neuronowy składał się z naszego poprzednio zaprojektowanego NMI opartego na fuzji nerwowo-mięśniowo-mechanicznej, który rozpoznawał tryb aktywności użytkownika. Kontroler neuronowy jako kontroler wysokiego poziomu był hierarchicznie połączony z wewnętrznym sterowaniem za zasilaną protezą kończyny dolnej.
Architektura oprogramowania sterującego na platformie jest zilustrowana na rysunku 1. NMI składa się z dwóch części: modułu szkoleniowego offline i modułu testowania online. Moduł szkolenia offline został zaprojektowany do zbierania danych treningowych i budowania klasyfikatorów w NMI. Zebrane wielokanałowe sygnały EMG powierzchni i pomiary mechaniczne zostały najpierw wstępnie przetworzone i podzielone na ciągłe okna przesuwne. W każdym oknie wyodrębniono cechy charakteryzujące wzorce sygnałów, a następnie połączono je w jeden wektor cech. Wektor cech w każdym oknie został oznaczony trybami aktywności (klasami) i indeksem fazowym w oparciu o czynności wykonywane przez użytkownika protezy i stany protezy podczas zbierania danych treningowych. Oznaczone wektory cech zostały następnie wykorzystane do zbudowania klasyfikatora wzorca zależnego od fazy, który zawiera wiele podklasyfikatorów skorelowanych z poszczególnymi fazami. Utworzony klasyfikator został zapisany i przeniesiony do modułu testów online w celu późniejszej oceny online.
Moduł testowania online był używany do rozpoznawania intencji ruchu użytkownika i przełączania trybów aktywności w kontrolerze wewnętrznym. Wielokanałowe pomiary nerwowo-mięśniowe i mechaniczne zostały jednocześnie przesłane do modułu testowego online i przekształcone w wektory cech. Następnie wektory cech zostały wprowadzone do klasyfikatora zależnego od fazy, który był już wbudowany w moduł trenowania offline. Na podstawie bieżącej fazy w kontrolerze wewnętrznym włączono odpowiedni podklasyfikator i użyto go do rozpoznania intencji użytkownika. Dane wyjściowe klasyfikacji były dalej przetwarzane i wysyłane do wewnętrznego kontrolera w celu przełączenia trybów aktywności.
Kontroler impedancji oparty na maszynie skończonego stanu (FSM) został zaimplementowany do wewnętrznej kontroli zasilanych sztucznych nóg. Regulator impedancji generował pożądany moment obrotowy na stawach kolanowych. Maszyna skończona dostosowała impedancję złącza do aktualnego stanu wykonywanej czynności. W przypadku czynności lokomocyjnych (tj. chodzenia po płaskim podłożu i wchodzenia/schodzenia po rampie) FSM składał się z pięciu stanów odpowiadających pięciu fazom chodu: zgięcie w postawie (STF), wyprostowanie postawy (STE), wymachy przed wymachem (PSW), zgięcie wymachu (SWF) i wyprostowanie wymachu (SWE); w przypadku stania statycznego FSM obejmował dwie fazy: nośną (WB) i nienośną (NWB). Przejścia między stanami były wywoływane przez siłę reakcji podłoża i pozycję stawu kolanowego. Przejście między trybami aktywności było kontrolowane przez dane wyjściowe z modułu testów online. Dla wszystkich trzech modułów omówionych powyżej zbudowano graficzny interfejs użytkownika (GUI), który pozwolił eksperymentatorom w laboratorium łatwo dostosować parametry kontrolne, monitorować wydajność systemu i przeprowadzać eksperymenty ewaluacyjne.
2. Konfiguracja eksperymentalna
<ol>
	<li>Elektromiografia powierzchniowa (sEMG) 
	Powierzchniowe sygnały EMG z mięśni ud kikuta osoby po amputacji są rejestrowane przez bezprzewodowy system akwizycji EMG. Docelowe mięśnie ud obejmowały mięsień prosty uda (RF), obszerny laeralis (VL), obszerny przyśrodkowy (VM), dwugłowy udowy długi (BFL), sartorius (SAR), półścięgnisty (SEM) i przywodziciel wielki (ADM). Warto zauważyć, że precyzyjne celowanie w konkretny mięsień nie jest konieczne8 , ponieważ zastosowany algorytm rozpoznawania wzorców w NMI wyszukuje wzorce aktywacji wielu mięśni w celu rozpoznania trybu aktywności. Tak długo, jak zmierzone informacje o kontroli nerwowo-mięśniowej dla kontroli bioder i kolan są wystarczające, przesłuchy między zapisami EMG mają niewielki wpływ na wydajność NMI.
	<ol>
		<li>Poproś badanego, aby wykonał zgięcie/wyprost biodra, przywodzenie/odwodzenie biodra i próbę zgięcia/wyprostowania amputowanego stawu kolanowego, gdy jest w pozycji stojącej.</li>
		<li>Przybliżyć i określić lokalizacje umieszczenia elektrod poprzez badanie palpacyjne mięśni i badanie zapisów EMG.</li>
		<li>Umieść elektrody w nowo zaprojektowanym interfejsie elektroda-gniazdo EMG, jak pokazano na rysunku 2, zarówno dla komfortu pacjenta, jak i niezawodnego kontaktu elektroda ze skórą. </li>
	</ol>
	</li>
	<li>Pomiary mechaniczne z protezy z napędem 
	Mechaniczne siły i momenty reakcji gruntu mierzone przez ogniwo obciążnikowe o głębokości 6 stopni swobody z pylonu protetycznego są łączone z sygnałami EMG w celu rozpoznania intencji ruchu obiektu. Ponadto na stawie kolanowym znajduje się potencjometr do pomiaru kąta stawu kolanowego, a do silnika prądu stałego podłączono enkoder w celu obliczenia prędkości kątowej kolana. Pomiary te są wykorzystywane jako sygnały sprzężenia zwrotnego dla kontroli wewnętrznej.
	<ol>
		<li>Zamontuj czujnik wagowy o sześciostopniowej swobodzie na pylonie protezowym.</li>
		<li>Wyrównaj oś X, oś Y i oś Z ogniwa obciążnikowego odpowiednio z kierunkiem przyśrodkowo-bocznym, przednio-tylnym i nadbocznym protezy. </li>
	</ol>
	</li>
	<li>Konfiguracja środowiska laboratoryjnego 
	W celu oceny kontroli neuronalnej sztucznych nóg z napędem elektrycznym u osób po amputacji udowej w laboratorium zbudowano tor przeszkód, jak pokazano na rycinie 3. Środowisko testowe obejmowało prosty chodnik o długości 5 m, rampę o długości 4 m i kącie nachylenia 8° oraz płaską platformę z bezpiecznie przymocowaną rampą. Wzdłuż rampy zamontowano poręcze, aby zwiększyć bezpieczeństwo obiektu. Ponadto zapewniono system szyn sufitowych z uprzężą zabezpieczającą przed upadkiem, aby chronić badanego przed upadkiem podczas eksperymentu.</li>
</ol>
3. Protokół eksperymentalny
To badanie zostało przeprowadzone za zgodą Institutional Review Board (IRB) na Uniwersytecie Rhode Island i za świadomą zgodą rekrutowanego podmiotu. Do badania włączono jednego mężczyznę po jednostronnej amputacji udowej (przyczyna amputacji: uraz; wiek: 57 lat; czas trwania amputacji: 32 lata). Stosunek długości kikuta (mierzonej od guzowatości kulszowej do dystalnego końca kikuta) do długości strony nieuszkodzonej (mierzonej od guzowatości kulszowej do nadkłykcia kości udowej) wynosił 51%. Pacjent nosi sterowaną mikroprocesorem protezę kolana przez lej do zawieszania ssania w swoim codziennym życiu. Przed eksperymentem w tym badaniu, pacjent ten przeszedł kilka sesji treningowych prowadzonych przez fizjoterapeutę, aby umożliwić mu dostosowanie się do zasilanego urządzenia i skalibrowanie pożądanej impedancji w każdym trybie aktywności.
<ol>
	<li>Przygotowanie tematu
	<ol>
		<li>Zmierz wagę, wzrost osoby oraz zapisz jej płeć i wiek.</li>
		<li>Poproś badanego, aby założył własne szorty w prywatnym pokoju przygotowawczym.</li>
		<li>Załóż dopasowaną do rozmiaru uprząż zabezpieczającą przed upadkiem z wysokości na przedmiot i przymocuj ją do systemu szyn sufitowych. </li>
	</ol>
	</li>
	<li>Przygotowanie do zapisu EMG
	<ol>
		<li>Wybierz siedem w pełni naładowanych bezprzewodowych czujników EMG i włącz je.</li>
		<li>Umieść czujniki EMG w niestandardowym gnieździe ssącym w przygotowanych miejscach. Zapisz numer porządkowy czujników i skojarz je z lokalizacjami EMG.</li>
		<li>Oczyść skórę kikuta badanego za pomocą wacików nasączonych alkoholem izopropylowym.</li>
		<li>Pomóż testerowi w założeniu gniazda ssącego i sprawdź, czy lej jest mocno przymocowany do kikuta pacjenta.</li>
		<li>Włącz oprogramowanie do strumieniowego przesyłania danych analogowych EMG w czasie rzeczywistym.</li>
		<li>Poproś osobę badaną o wykonanie zgięcia/wyprostu biodra, przywodzenia/odwodzenia stawu biodrowego i zgięcia/wyprostu kolana, a także zbadaj sygnały EMG w celu sprawdzenia kontaktu z elektrodą EMG i transmisji danych.</li>
	</ol>
	</li>
	<li>Wyrównanie i wstępna kalibracja protezy nogi z napędem
	<ol>
		<li>Poinstruuj testera, aby pozostał w pozycji stojącej, trzymając wspomagający chodzik.</li>
		<li>Przymocuj zasilaną protezę do leja ssącego za pomocą adaptera w kształcie piramidy. Wyreguluj zestaw obrotowych na adapterze, aż pozycja protezy zostanie geometrycznie wyrównana z lejem. Zabieg ten został wykonany przez protetyka.</li>
		<li>Poproś pacjenta, aby podniósł protezę z ziemi i skalibrował ogniwo obciążnikowe na pylonie protezowym.</li>
		<li>Poinstruuj pacjenta, aby ćwiczył chodzenie po różnych terenach (np. równym terenie, wchodzeniu na rampę i schodzeniu z rampy) podczas noszenia zasilanej protezy nogi. Ta procedura jest kontynuowana do momentu, gdy badany poczuje się pewnie w chodzeniu z zasilanym urządzeniem i uzyska spójny wzorzec chodu podczas każdej aktywności. </li>
	</ol>
	</li>
	<li>Gromadzenie danych treningowych do trenowania klasyfikatorów w NMI
	<ol>
		<li>Poinstruuj badanego, aby stanął w miejscu początkowym wstępnie zdefiniowanej ścieżki spacerowej, jak pokazano na rysunku 3.</li>
		<li>Włącz zasilaną protezę i załaduj parametry do sterownika wewnętrznego.</li>
		<li>Uruchom program komputerowy do zbierania danych treningowych i ustaw sterowanie wewnętrzne w trybie stojącym, klikając przycisk "Stanie" w graficznym interfejsie użytkownika (GUI).</li>
		<li>Rozpocznij zbieranie danych, klikając przycisk "Rozpocznij nagrywanie" w graficznym interfejsie użytkownika. Poinstruuj badanego, aby pozostał w pozycji stojącej przez 5 sekund.</li>
		<li>Poinstruuj badanego, aby szedł po równym terenie z wybraną przez siebie wygodną prędkością chodu; w tym samym czasie kliknij przycisk "Chodzenie" w graficznym interfejsie użytkownika przed oderwaniem się od przedniej nogi obiektu i ustaw wewnętrzną kontrolę na tryb chodzenia po równym terenie.</li>
		<li>Gdy obiekt zbliżał się do krawędzi wzniesienia po rampie, kliknij przycisk "Ramp Ascent" w graficznym interfejsie użytkownika przed oderwaniem palca protezy nogi od rampy i przełącz kontrolę wewnętrzną na tryb wznoszenia po rampie. Ze względów bezpieczeństwa pozwól testerowi korzystać z poręczy podczas chodzenia po rampie.</li>
		<li>Gdy obiekt dotrze do końca rampy, kliknij ponownie przycisk "Chodzenie" przed uderzeniem piętą protezy nogi wchodzącej na płaską platformę i przełącz wewnętrzną kontrolę protezy na tryb chodzenia po równym podłożu.</li>
		<li>Na końcu ścieżki spacerowej poinstruuj badanego, aby zatrzymał się i pozostał w pozycji stojącej. W tym samym czasie kliknij przycisk "Stojąc" przed fazą podwójnej postawy i przełącz wewnętrzną kontrolę z powrotem na tryb stania.</li>
		<li>Po około 5 sekundach zakończ zbieranie danych, klikając przycisk "Zatrzymaj". Oznacz zebrane dane jako "zestaw danych treningowych 1".</li>
		<li>Powtórz procedurę 3.4.4-3.4.9, gdy tester idzie odwrotną trasą z powrotem do miejsca startu; jedyną różnicą jest przełączenie wewnętrznej kontroli w tryb zjazdu z rampy, gdy tester idzie po rampie zjazdowej.</li>
		<li>Powtarzaj 3.4.4-3.4.10, aż zbierze się dziesięć kompletnych zestawów danych treningowych. Zbadaj jakość sygnału zebranego zestawu danych treningowych.</li>
		<li>Pozwól uczestnikowi na okres odpoczynku po sesji zbierania danych.</li>
		<li>Trenowanie klasyfikatorów rozpoznawania wzorców w NMI za pomocą modułu szkoleniowego offline (rysunek 1). Wykorzystaj zebrane sygnały EMG i mechaniczne, tryby aktywności (klasy) oznaczone podczas procedury treningowej oraz wykryte fazy, aby zbudować klasyfikatory wzorców zależnych od fazy. Automatycznie zapisuj parametry klasyfikatorów do późniejszej sesji testowej online.</li>
	</ol>
	</li>
	<li>Testowanie online kontroli neuronalnej zasilanej protezy przezudowej
	<ol>
		<li>Poinstruuj osobę, aby stanęła w punkcie początkowym ścieżki spacerowej.</li>
		<li>Włącz zasilaną protezę. Załaduj wytrenowany klasyfikator do modułu testowania online, a parametry do wewnętrznego kontrolera.</li>
		<li>Poinstruuj badanego, aby rozpoczął próby testowe w pozycji stojącej, a następnie w sposób ciągły przechodził do chodzenia po równym podłożu, chodzenia po rampie, chodzenia po równym terenie, a na koniec zatrzymał się i zakończył tę próbę na końcu ścieżki spacerowej. Poinstruuj badanego, aby wykonywał każdą czynność w wygodnym tempie. Pozwól na okresy odpoczynku między próbami, aby uniknąć zmęczenia.</li>
		<li>Podczas każdej próby testowej wyświetlaj tryby aktywności protezy i odczyty kąta nachylenia stawu kolanowego na monitorze telewizyjnym. Zapisz wszystkie pomiary i wyniki sterujące do późniejszej oceny.</li>
		<li>Powtarzaj kroki 3.5.1-3.5.4, aż do zakończenia dziesięciu pełnych prób testowych. </li>
	</ol>
	</li>
</ol>

<ol><li>The POWER KNEE. , 
	 <a target="_blank" href="http://www.ossur.com/prosthetic-solutions/products/knees-and-legs/bionic-knees/power-knee">http://www.ossur.com/prosthetic-solutions/products/knees-and-legs/bionic-knees/power-knee</a> (2014).</li>
<li>Walk. BiOM Ankle System. , 
	 <a target="_blank" href="http://www.biom.com">http://www.biom.com</a> (2014).</li>
<li>Martinez-Villalpando, E. C., Herr, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Agonist-antagonist+active+knee+prosthesis%3A+a+preliminary+study+in+level-ground+walking%5BTitle%5D)+AND+%22J+Rehabil+Res+Dev%22%5BJournal%5D)">Agonist-antagonist active knee prosthesis: a preliminary study in level-ground walking.</a> J Rehabil Res Dev. 46, 361-373 (2009).</li>
<li>Sup, F., Bohara, A., Goldfarb, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Design+and+Control+of+a+Powered+Transfemoral+Prosthesis%5BTitle%5D)+AND+%22Int+J+Rob+Res%22%5BJournal%5D)">Design and Control of a Powered Transfemoral Prosthesis.</a> Int J Rob Res. 27, 263-273 (2008).</li>
<li>Au, S., Berniker, M., Herr, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Powered+ankle-foot+prosthesis+to+assist+level-ground+and+stair-descent+gaits%5BTitle%5D)+AND+%22Neural+Netw%22%5BJournal%5D)">Powered ankle-foot prosthesis to assist level-ground and stair-descent gaits.</a> Neural Netw. 21, 654-666 (2008).</li>
<li>Hargrove, L. J., Simon, A. M., Lipschutz, R. D., Finucane, S. B., Kuiken, T. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+myoelectric+control+of+knee+and+ankle+motions+for+transfemoral+amputees%5BTitle%5D)+AND+%22JAMA%22%5BJournal%5D)">Real-time myoelectric control of knee and ankle motions for transfemoral amputees.</a> JAMA. 305, 1542-1544 (2011).</li>
<li>Ha, K. H., Varol, H. A., Goldfarb, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Volitional+control+of+a+prosthetic+knee+using+surface+electromyography%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">Volitional control of a prosthetic knee using surface electromyography.</a> IEEE Trans Biomed Eng. 58, 144-151 (2011).</li>
<li>Huang, H., Kuiken, T. A., Lipschutz, R. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+strategy+for+identifying+locomotion+modes+using+surface+electromyography%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">A strategy for identifying locomotion modes using surface electromyography.</a> IEEE Trans Biomed Eng. 56, 65-73 (2009).</li>
<li>Huang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Continuous+Locomotion+Mode+Identification+for+Prosthetic+Legs+based+on+Neuromuscular-Mechanical+Fusion%5BTitle%5D)+AND+%22IEEE+Trans+Biomed+Eng%22%5BJournal%5D)">Continuous Locomotion Mode Identification for Prosthetic Legs based on Neuromuscular-Mechanical Fusion.</a> IEEE Trans Biomed Eng. 58, 2867-2875 (2011).</li>
<li>Zhang, F., Dou, Z., Nunnery, M., Huang, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real-time+implementation+of+an+intent+recognition+system+for+artificial+legs%5BTitle%5D)+AND+%22Conf+Proc+IEEE+Eng+Med+Biol+Soc%22%5BJournal%5D)">Real-time implementation of an intent recognition system for artificial legs.</a> Conf Proc IEEE Eng Med Biol Soc. 2011, 2997-3000 (2011).</li>
<li>Zhang, F., Huang, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Source+Selection+for+Real-time+User+Intent+Recognition+towards+Volitional%5BTitle%5D)+AND+%22Control+of+Artificial+Legs+IEEE+Journal+of+Biomedical+and+Health+Informatics%22%5BJournal%5D)">Source Selection for Real-time User Intent Recognition towards Volitional.</a> Control of Artificial Legs IEEE Journal of Biomedical and Health Informatics. PP, (2013).</li>
<li>Liu, M., Datseris, P., Huang, H. A prototype for smart prosthetic legs: analysis and mechanical design. Proceedings of the International Conference on Control, Robotics and Cybernetics. March 21-23, New Delhi, India, , 139-143 (2011).</li>
</ol>

Nie stwierdzono konfliktu interesów.

W ramach tego badania opracowano platformę inżynieryjną w celu łatwego wdrażania, optymalizacji i rozwijania prawdziwej kontroli neuronalnej protez z napędem. Cała platforma została zaprogramowana w środowisku programistycznym opartym na wirtualnym oprzyrządowaniu i zaimplementowana na komputerze stacjonarnym. Oprogramowanie sterujące składało się z kilku niezależnych i wymiennych modułów, w każdym z których realizowana była określona funkcjonalność (tj. rozpoznawanie intencji NMI oraz sterowanie wewnętrzne). Za...

Protezy kończyn dolnych z napędem zyskują coraz większą uwagę zarówno na rynku komercyjnym1,2, jak i w społeczności badawczej3-5. W porównaniu z tradycyjnymi pasywnymi protezami nóg, zmotoryzowane stawy protetyczne mają tę zaletę, że umożliwiają osobom po amputacji kończyn dolnych bardziej efektywne wykonywanie czynności, które są trudne lub niemożliwe podczas noszenia urządzeń pasywnych. Jednak obecnie płynne i bezproblemowe przejście aktywności (np. od chodzenia po równym terenie do wchodzenia po schodach) nadal stanowi wyzwanie dla użytkowników protez nóg z napędem. Trudność ta wynika głównie z braku interfejsu użytkownik-maszyna, który mógłby "odczytać" intencję ruchu użytkownika i szybko dostosować parametry sterowania protezą, aby umożliwić użytkownikom płynne przełączanie trybu aktywności.
Aby sprostać tym wyzwaniom, zbadano różne podejścia do projektowania interfejsu użytkownik-maszyna. W którym NMI oparty na sygnałach elektromiograficznych (EMG) wykazał ogromny potencjał, aby umożliwić intuicyjne sterowanie zasilanymi protezami kończyn dolnych. W dwóch ostatnich badaniach6,7 opisano dekodowanie zamierzonego ruchu brakującego kolana u osób po amputacji udowej poprzez monitorowanie sygnałów EMG zarejestrowanych z pozostałych mięśni podczas pozycji siedzącej. Au i wsp. W 5 przypadkach wykorzystano sygnały EMG mierzone z resztkowych mięśni podudzia w celu zidentyfikowania dwóch trybów lokomocji (chodzenie po równym podłożu i schodzenie po schodach) jednej osoby po amputacji piszczelowej. Huang i wsp. W ramach projektu 8 zaproponowano metodę rozpoznawania wzorca EMG w zależności od fazy, która może rozpoznać siedem trybów aktywności z około 90% dokładnością, jak wykazano na dwóch osobach po amputacji udowej. Aby lepiej poprawić wydajność rozpoznawania intencji, NMI oparty na fuzji nerwowo-mięśniowo-mechanicznej został zaprojektowany w naszej grupie9 i oceniany online na osobach po amputacji udowej noszących pasywne protezy nóg do rozpoznawania intencji10,11. Ten NMI może dokładnie identyfikować zamierzone działania użytkownika i przewidywać przejścia aktywności9, co było potencjalnie przydatne do kontroli neuronalnej napędzanych sztucznych nóg.
Aktualne pytanie, przed którym stoimy, brzmi: jak zintegrować nasz NMI z systemem sterowania protezą, aby umożliwić intuicyjną obsługę protezy i zapewnić bezpieczeństwo użytkownika. Opracowanie prawdziwie sterowanych neuronalnie sztucznych nóg wymaga elastycznej platformy w laboratorium, która ułatwia wdrażanie i optymalizację algorytmów sterowania protezami. Dlatego celem tego badania jest przedstawienie opracowanej w naszym laboratorium elastycznej platformy inżynierskiej do testowania i optymalizacji algorytmów sterowania protezami. Ponadto przedstawiono nowy układ eksperymentalny i protokół do bezpiecznej i skutecznej oceny sterowanych neuronalnie zasilanych protez przezudowych u pacjentów po amputacji kończyn dolnych. Platforma i projekt eksperymentalny przedstawione w tym badaniu mogą przynieść korzyści w przyszłym rozwoju prawdziwie sterowanych neuronalnie, napędzanych sztucznych nóg.

<table><tbody><tr><td>Bezprzewodowe czujniki EMG Trigno</td><td>Delsys, Inc.</td><td></td><td></td>7</tr><tr><td>Bezprzewodowa stacja bazowa EMG Trigno</td><td>Delsys, Inc.</td><td></td><td></td>1</tr><tr><td>wielofunkcyjna karta DAQ (PCI-6259)</td> <td>firmy National Instruments, Inc.</td><td></td><td></td>1</tr><tr><td>Potencjometr (RDC503013A)</td><td>ALPS Electric CO., LTD</td><td>1</td><td></td></tr><tr><td>Enkoder (seria MR)</td><td>Maxon Precision Motors, Inc.</td><td></td><td></td>1</tr><tr><td>Sterownik silnika (ADS50/10)&nbsp;</td><td>Maxon Silniki precyzyjne, Inc.</td><td></td><td></td>1</tr><tr><td>Zasilacz 24 V (DPP480)</td><td>TDK-Lambda Americas, Inc.</td><td></td><td></td>1</tr><tr><td>Ogniwo obciążnikowe o 6 stopniach swobody (Mini58)</td><td>ATI Automatyka przemysłowa</td><td>1</td><td></td></tr><tr><td>System szyn sufitowych</td><td>RoMedic, Inc.</td><td></td><td></td>1</tr><tr><td>NI LabView 2011</td><td>National Instruments, Inc.</td><td></td><td></td>1</tr></tbody></table>

platforma inżynieryjna i protokół eksperymentalny do projektowania i oceny protezy przezudowej sterowanej neuronalnie

Engineering Platform and Experimental Protocol for Design and Evaluation of a Neurally-controlled Powered Transfemoral Prosthesis

Aby umożliwić intuicyjną obsługę sztucznych nóg z napędem, pożądany jest interfejs między użytkownikiem a protezą, który rozpoznaje intencje ruchu użytkownika. Nowatorski interfejs neuron-maszyna (NMI) oparty na fuzji nerwowo-mięśniowo-mechanicznej, opracowany w naszym poprzednim badaniu, wykazał ogromny potencjał do dokładnej identyfikacji zamierzonego ruchu osób po amputacji udowej. Jednak ten interfejs nie został jeszcze zintegrowany z zasilaną protezą nogi w celu uzyskania prawdziwej kontroli neuronalnej. Badanie to miało na celu przedstawienie (1) elastycznej platformy do wdrażania i optymalizacji kontroli neuronalnej zasilanej protezy kończyny dolnej oraz (2) eksperymentalnej konfiguracji i protokołu do oceny kontroli protez nerwowych u pacjentów po amputacji kończyn dolnych. W pierwszej kolejności opracowano platformę opartą na komputerze PC i środowisku programowania wizualnego w celu implementacji algorytmów sterowania protezami, w tym algorytmu szkolenia NMI, algorytmu testowania online NMI i algorytmu kontroli wewnętrznej. Aby zademonstrować funkcję tej platformy, w tym badaniu NMI oparty na fuzji nerwowo-mięśniowo-mechanicznej został hierarchicznie zintegrowany z wewnętrzną kontrolą prototypowej protezy udowej. Jeden pacjent z jednostronną amputacją kości udowej został zrekrutowany w celu oceny naszego wdrożonego kontrolera neuronowego podczas wykonywania czynności, takich jak stanie, chodzenie po równym podłożu, wchodzenie po rampie i ciągłe schodzenie z rampy w laboratorium. Opracowano nowatorską konfigurację eksperymentalną i protokół, aby bezpiecznie i skutecznie przetestować kontrolę nowej protezy. Zaprezentowana platforma potwierdzająca słuszność koncepcji oraz eksperymentalna konfiguracja i protokół mogą pomóc w przyszłym rozwoju i zastosowaniu sterowanych neuronalnie sztucznych nóg.

Rysunek 4a przedstawia siedem kanałów sygnałów sEMG zmierzonych z mięśni uda kikuta badanej osoby podczas wykonywania zgięcia/wyprostu w stawie biodrowym, zgodnie z opisem w Protokole 3.2.6. Rysunek 4b przedstawia sześć cykli chodu sygnałów EMG zarejestrowanych podczas chodzenia badanej osoby po płaskiej ścieżce w trakcie Protokołu 3.3.4. Z rysunku wynika, że nowo zaprojektowany interfejs elektroda EMG-lej zapewnia wysoką jakość pomiarów sygnałów sEMG.
<strong...

Interfejsy neuronowe (NMI) zostały opracowane w celu identyfikacji trybu lokomocji użytkownika. Te NMI są potencjalnie przydatne do neuronalnej kontroli napędzanych sztucznych nóg, ale nie zostały w pełni zademonstrowane. W tym artykule przedstawiono (1) zaprojektowaną przez nas platformę inżynieryjną do łatwego wdrażania i rozwoju sterowania neuronowego dla zasilanych protez kończyn dolnych oraz (2) eksperymentalną konfigurację i protokół w środowisku laboratoryjnym do bezpiecznej i efektywnej oceny sterowanych neuronalnie sztucznych nóg u pacjentów po amputacji kończyn dolnych.

Platforma inżynieryjna i protokół eksperymentalny do projektowania i oceny protezy przezudowej sterowanej neuronalnie

To enable intuitive operation of powered artificial legs, an interface between user and prosthesis that can recognize the user's movement intent is ...

Ogólnym celem niniejszej procedury jest przedstawienie układu eksperymentalnego i protokołu w warunkach laboratoryjnych do oceny sterowanych neuronalnie sztucznych nóg u pacjentów z amputacjami kończyn dolnych. Realizowane jest to poprzez przygotowanie do pomiaru sygnału powierzchniowego EMG z mięśni pozostałej części kończyny dolnej badanego, a następnie poprzez wyrównanie i kalibrację zasilanej protezy nogi u zakwalifikowanego uczestnika.Następnie zbierane są dane treningowe, a klasyfikatory w neuronowym interfejsie maszynowym zostają wytrenowane. Ostatnim krokiem jest przetestowanie wydajności neuronowego sterowania napędzaną protezą nogi u zrekrutowanego badanego z amputacją. Ostatecznie neuronowo sterowana napędzana proteza nogi jest wykorzystywana, aby umożliwić badanemu bezpieczne i ciągłe wykonywanie w laboratorium różnych czynności, takich jak stanie na płaskim podłożu, chodzenie po płaskim terenie, wchodzenie po rampie oraz schodzenie z rampy.Główną zaletą tej platformy inżynierii projektowej jest fakt, że każdy blok funkcjonalny można łatwo debugować, modyfikować i aktualizować. Ponadto w programie komputerowym można z łatwością dodawać lub usuwać funkcje oraz zmieniać p

engineering-platform-experimental-protocol-for-design-evaluation

Research

JoVE Journal

Bioengineering

Bioinżynieria

Platforma inżynieryjna i protokół eksperymentalny do projektowania i oceny neurologicznie sterowanej, zasilanej protezy udostępniającej przełyk

Istnieje potrzeba opracowania alternatywnych metod mocowania protez w związku z utratą kończyn spowodowaną naczyniowymi chorobami zatorowymi oraz urazami. Celem niniejszych prac jest wprowadzenie inteligentnego systemu projektowania implantów osseointegracyjnych w celu zwiększenia stabilności kostnej oraz zmniejszenia częstości występowania infekcji okołoimplantacyjnych u pacjentów wymagających zastosowania technologii osseointegracji.

Analizy bioelektryczne inteligentnego systemu projektowania implantów osseointegracyjnych dla osób po amputacjach

Wykorzystujemy interfejs maszyna-mucha w pętli zamkniętej do badania ogólnych zasad kontroli neuronalnej.

Platforma eksperymentalna do badania wydajności interfejsów mózg-maszyna w pętli zamkniętej

Właściwości inercyjne segmentu ciała są wymagane do modelowania dynamiki odwrotnej. Za pomocą techniki płytki oscylacyjnej i reakcyjnej zmierzono właściwości inercyjne protez poniżej kolana. Zastosowanie bezpośrednich pomiarów bezwładności protezy w modelu dynamiki odwrotnej protezy nogi skutkowało mniejszymi wielkościami wypadkowych sił i momentów stawowych.

Techniki oscylacji i reakcji do szacowania właściwości bezwładności protezy poniżej kolana

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.

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

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.

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

Szkolenie osoby z paraliżem w poruszaniu się za pomocą zasilanego egzoszkieletu może stanowić wyzwanie. Celem jest przedstawienie kryteriów wyboru kandydatów i procedur szkoleniowych w zakresie chodzenia wspomaganego egzoszkieletem i innych umiejętności ruchowych, które można rozwijać wraz z poprawą poziomu umiejętności uczestnika.

Szkolenie osób z urazem rdzenia kręgowego w poruszaniu się przy użyciu zasilanego egzoszkieletu

Uraz rdzenia kręgowego jest poważnym stanem chorobowym, który może powodować podwyższone ryzyko przewlekłych wtórnych zaburzeń metabolicznych. Tutaj przedstawiliśmy protokół wykorzystujący powierzchniową stymulację elektryczną nerwowo-mięśniową - trening oporowy w połączeniu z funkcjonalną stymulacją elektryczną - jazda na rowerze kończyn dolnych jako strategia poprawy kilku z tych problemów medycznych.

Paradygmaty treningu stymulacji elektrycznej kończyn dolnych po urazie rdzenia kręgowego

Poniższy manuskrypt opisuje nowatorską metodę rozwoju biologicznego, zamkniętego systemu neuronowego sprzężenia zwrotnego, zwanego kompozytowym regeneracyjnym interfejsem nerwów obwodowych (C-RPNI). Konstrukt ten ma zdolność integracji z nerwami obwodowymi w celu wzmocnienia odprowadzających sygnałów motorycznych, jednocześnie zapewniając aferentne sensoryczne sprzężenie zwrotne.

Wytwarzanie kompozytowego regeneracyjnego interfejsu nerwów obwodowych (C-RPNI) u dorosłego szczura

Ta praca przedstawia protokół poprawy funkcji protetycznych po selektywnej operacji transferu nerwów. Interwencje rehabilitacyjne obejmują informowanie i selekcję pacjenta, wspomaganie gojenia się ran, reaktywację korową obszarów czuciowo-motorycznych kończyny górnej, trening selektywnej aktywacji mięśni, obsługę protez w życiu codziennym oraz regularne oceny kontrolne.

Interwencje terapeutyczne dla osób po amputacji kończyny górnej poddawanych selektywnym transferom nerwów

Rehabilitacja ubezpieczona pacjentów z przewlekłym udarem mózgu jest na ogół ograniczona w czasie. Oparte na obrazowaniu badanie aktywności mózgu związane z zadaniami motorycznymi związanymi z chodzeniem może prowadzić do ustanowienia biomarkerów do pomiaru lepszych wyników i uzasadnić rozszerzenie terapii dostosowanej do indywidualnych potrzeb. Zaprezentowano nowatorskie, kompatybilne z rezonansem magnetycznym urządzenie do ruchu stopy o zmiennym oporze oraz protokół do stosowania podczas...

Zastosowanie indukowanego stopą cyfrowo sterowanego urządzenia oporowego do oceny funkcjonalnego rezonansu magnetycznego u pacjentów z niedowładem stopy

Poznaj platformę inżynieryjną do oceny protezy przezudowej sterowanej neuronalnie u pacjentów po amputacji kończyn dolnych. Metoda obejmuje pomiar sygnałów EMG, kalibrację urządzenia oraz testowanie interfejsu nerwowo-maszynowego.

Platforma inżynieryjna i protokół eksperymentalny do projektowania i oceny protezy przezudowej sterowanej neuronalnie

Przeglądaj więcej filmów