Name: Haptic / Reabilitação Graphic: Integrando um robô em um ambiente virtual Biblioteca e aplicando-a Terapia curso (Vídeo) | JoVE Journal
Uploaded: 2011-08-08T13:00:00.000+00:00
Duration: 13 min 44 s
Description: Aprenda a integrar um robô em ambiente virtual para reabilitação de pacientes com AVC usando a biblioteca H3D API. Este método padroniza terapias robóticas e melhora resultados de recuperação motora.

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

Gostaria de agradecer a ajuda técnica de Brian Zenowich, Evestedt Daniel e Lin Winsean.

Introdução Há uma necessidade crescente em todos interação homem-máquina (HMI) para intuitiva e eficiente ambientes interativos. Numerosas indústrias continuam a depender mais fortemente de HMI, tais como: robótica de reabilitação, a indústria automotiva, fabricação de metais, máquinas de embalagem, produtos farmacêuticos, alimentos, bebidas, e utilitários. Tecnologias empregadas nestas indústrias incluem: terminais de exposição, computadores pessoais, software e HMI. Essas tecnologias podem ser combinadas para executar funções ilimitado. Robôs podem ser utilizados para facilitar a interação direta com os usuários, tais como servir como instrutor de música. Por exemplo, pesquisadores da Waseda University criaram um robô que toca saxofone para ensinar as pessoas como jogar e entender a interação entre aluno e professor 1. Outros pesquisadores em robótica têm feito um robô baseado em visão voando a fim de determinar como a inteligência artificial pode evoluir para interações inteligentes com o meio ambiente 2. A concentração específica deste trabalho reside dentro de robótica de reabilitação. Dentro da esfera da investigação e da indústria, o ritmo rápido da mudança para novos produtos e as necessidades dos utilizadores continua a crescer. Estas demandas impõem desafios maiores em termos de escalabilidade. Portanto, projeto do código tornou-se integrante no atendimento das necessidades dessas entidades em tempo hábil. Assim, a qualidade de um forte candidato arquitetônico deve incluir facilmente intercambiáveis ​​graphic-robô sistemas que incluem suporte de driver. A arquitetura H3DAPI satisfaz estas necessidades e, assim, uma classe wrapper foi criado. Além disso, H3D é projetado para ambientes de realidade virtual, tais como aqueles necessários na área da robótica de reabilitação. Neurais reabilitação robótica procura utilizar robôs para a finalidade de auxiliar os profissionais de reabilitação. A assistência que estes robôs fornecem vem na forma de um campo de força. Pesquisadores do motor passou de comando, como Shadmehr e Mussa-Ivaldi, utilizados campos de força para promover a adaptação do motor, e de ter encontrado 1) de adaptação a um campo de força aplicada externamente ocorre com classes diferentes de movimentos, incluindo mas não limitados a movimentos chegando, e 2) adaptação generaliza em diferentes movimentos que visitam as mesmas regiões dos 3 campo externo. Pesquisa de engenheiros biomecânicos da terapia baseada em desempenho Robot-Assisted Progressive mostra que repetitivas, tarefas específicas dirigidas a objetivos, robô-ajudada terapia é eficaz na redução deficiências motoras no braço afetado após 4 tempos, mas os efeitos terapêuticos e parâmetros exatos continuar a ser um campo de pesquisa. Feedback sensorial afeta o aprendizado e adaptação. Portanto, a próxima questão lógica seria a de pedir ou não artificialmente aumentar a magnitude de tais comentários promoveria mais rápido ou mais completo de aprendizagem / adaptação. Alguns pesquisadores descobriram que a aplicação de forças maior feedback sensorial ou pistas visuais para melhorar os erros podem fornecer um estímulo adequado neurológicas para promover níveis mais elevados de adaptação / aprendizagem 5,6. Isto é conhecido como "aumento do erro". Este fenómeno pode ser devido ao fato de que os resultados uma vez de uma ação de controle de motor desviar do ideal, o nosso modelo interno de auto-ajusta de acordo com a magnitude do erro. Por conseguinte, como o nosso modelo interno se aproxima do ambiente externo, erro na execução de uma tarefa diminui. A investigação continua a apoiar a prática prolongada de funcionalmente actividades relevantes para a restauração da função, apesar de muitas políticas de saúde na atualidade limitar a quantidade de pacientes o tempo pode passar mais tempo com os terapeutas. A questão interessante é saber se estas novas aplicações da tecnologia pode ir mais longe do que simplesmente dar uma dose mais alta do estado atual do atendimento. Estudos de interação homem-máquina têm revelado novas perspectivas nas áreas de aprendizagem motora, e pode em alguns casos, oferecer valor acrescentado para o processo terapêutico. Especializados dispositivos robóticos combinado com computador exibe pode aumentar o feedback de erro, a fim de acelerar, aumentar, ou acionar reaprendizagem motora. Este trabalho irá apresentar uma metodologia de utilização de um sistema desenvolvido para uma intervenção clínica como um exemplo da aplicação desta tecnologia. 1. Estabelecer HAPI classe wrapper para um robô <ol><li> Criar um wrapper para a biblioteca HAPI haptics, criando o seu próprio. Cpp e arquivo de cabeçalho. Por exemplo, vamos utilizar o nome e HAPIWAM.cpp HAPIWAM.h. </li><li> HAPIWAM.cpp lugar para o diretório fonte: HAPI / src </li><li> HAPIWAM.h lugar para o diretório do arquivo de cabeçalho: HAPI / include / HAPI </li><li> No topo da HAPIWAM.h, inclua o arquivo de cabeçalho principal (s) de seu robô, no caso do Barrett WAM, que seriam: </li></ol> &lt;em&gt; extern "C" { # Include &lt;include/btwam.h&gt; } # Include &lt;HAPI/HAPIHapticsDevice.h&gt; Nota: extern "C" é necessário para resolver mangling compilador, porque a biblioteca está incluído escrito em 'C' eo H3DAPI é escrito em C + +. <ol start="5"><li> Em HAPIWAM.h, crie a sua classe e incluem os seguintes 4 funções </li></ol> bool initHapticsDevice (int); bool releaseHapticsDevice (); updateDeviceValues ​​void (DeviceValues ​​&amp; dv, HAPITime dt); vazio sendOutput (HAPIHapticsDevice:: DeviceOutput &amp; d, HAPITime t); <ol start="6"><li> Certifique-se que a classe herda publicamente a partir da classe HAPIhapticsdevice. </li><li> Criar um guarda de cabeçalho para sua classe. </li><li> Criar DeviceOutput estática e atributos HapticsDeviceRegistration estática sob a classe HAPIWAM. </li><li> Crie suas funções de membro estático para callbacks. </li><li> Definir o seu construtor e destruidor em HAPIWAM.cpp. </li><li> Registre seu aparelho em HAPIWAM.cpp. </li><li> Definir o seu 4 funções herdadas e callbacks em HAPIWAM.cpp. </li></ol> 2. HAPI biblioteca de criação <ol><li> Agora que criamos a classe wrapper HAPI, precisamos construir o seu wrapper para a biblioteca de HAPI. O WAM depende de algumas bibliotecas que H3DAPI não depende em sua forma bruta, portanto, estas bibliotecas precisam ser adicionados a HAPI. Ir para HAPI / HAPI / build e editar CMakeLists.txt. Adicionar as bibliotecas dependentes após a linha que diz 'SET (OptionalLibs). </li><li> Abra um console de comando e navegue até: HAPI / HAPI / build e digite o seguinte 3 comandos nesta ordem: </li></ol> cmake. sudo make sudo make install 3. Classe wrapper H3D <ol><li> Para criar a classe wrapper para a biblioteca com o seu H3D HAPIWAM, primeiro crie WAMDevice.cpp no ​​diretório de origem: H3DAPI/src </li><li> WAMDevice.h lugar para o diretório do arquivo de cabeçalho: H3DAPI/include/H3D </li><li> WAMDevice.h deve conter o arquivo de cabeçalho padrão para todos os dispositivos H3DAPI, com o nome substituído para o que quiser. </li><li> WAMDevice.cpp deve conter a fonte padrão para todos os dispositivos H3DAPI, com o nome substituído para o que quiser. </li><li> Agora que a classe wrapper foi criado, reconstruir a biblioteca H3DAPI. Fazer isso editando CMakeLists.txt da mesma forma que foi realizada no passo 2.1, apenas no diretório: H3DAPI/build. </li><li> Reconstruir a biblioteca H3DAPI sob o diretório H3DAPI/build </li></ol> cmake. sudo make sudo make install 4. Máquina de estado finito <ol><li> Todos os programas direcionados atingindo requer a criação de uma máquina de estados finitos para controlar o protocolo experimental ou regime prática. Máquinas de estado típicas incluem: Início do julgamento, Launch, Contact Target, e End of Trial. Um exemplo da função de cada Estado, e critérios para a transferência entre os estados é listado abaixo. </li><li> O início do julgamento requer a alocação de um alvo. Locais alvos podem ser definidas de forma aleatória para cada teste ou pode ser definido a partir de um arquivo. O início do julgamento termina quando o usuário lançou em direção ao alvo acima do limite de velocidade, tipicamente 0,06 metros por segundo. </li><li> O estado de Lançamento ocorre após o início do julgamento. Este estado termina ou quando o usuário toca o alvo ou fica dentro da meta por um período de tempo. Uma vez que o alvo é tocada, isso permite que o estado do contato Target. </li><li> Contate-alvo ocorre durante o estado de Lançamento. Pode acabar assim que o alvo é tocado ou após o sujeito reside dentro da meta por um período de tempo específico. Uma vez que este tempo passou, o fim do estado de teste está ativado. </li><li> O Fim do Estado de julgamento deve sinalizar o software de coleta de dados para marcar o arquivo de dados, independentemente da análise do desenvolvedor de software tem utilizado, para delimitar o final do julgamento cada um. A menos que o julgamento final tenha sido completado, o fim do Fim do estado de teste permite que o início do estado Trial. </li></ol> 5. Aplicação: reabilitação do paciente de derrame <ol><li> A interface robótica foi projetada para envolver as competências terapeuta durante a utilização do robô para permitir que algo que não poderiam ser feitas. A aplicação da tecnologia habilitada (descrito em mais detalhes abaixo) de aumento de erro, que ampliou os erros percebidos pelo paciente, que por várias razões bem conhecidas melhora o processo de reaprendizagem (fig. 1). </li><li> A haptics tridimensional / sistema gráfico chamado de Realidade Virtual e Robótica Máquina Operações Optical (VRROOM). Este sistema, apresentado anteriormente 6, combinado um aparelho de som projetado, cabeça-tracked renderização em uma tela de sobreposição semi-prateado espelho com um sistema robótico que a posição de pulso gravado e gerou um vetor de força (fig. 2). </li><li> A di cinema de qualidadegital projector (Christie Mirage 3000 DLP) exibido as imagens que se estendeu por um período de cinco metros de largura 1280x1024 pixéis, resultando em um ângulo de visão 110 ° de largura. Emissores de infravermelho sincronizadas separar imagens do olho esquerdo e direito através de Display de Cristal Líquido (LCD) óculos (Stereographics, Inc). Ascension Flock of Birds elementos magnéticos rastreados movimento da cabeça de modo que a exibição visual foi rendida com a perspectiva cabeça centrada apropriado. </li><li> Após a qualificação para o estudo, a capacidade funcional de cada participante foi avaliado por um avaliador cego no início e no fim de cada paradigma do tratamento com uma semana de follow-up após cada e um total de 45 dias de avaliação follow-up. Cada avaliação consistiu de uma série de avaliação de movimento (ADM), realizado na VRROOM bem como as medidas clínicas, incluindo: a avaliação Caixa e Blocos, Wolf Teste da Função Motora (WMFT), Seção Braço Motor da Fugl-Meyer (AMFM), e avaliação do alcance funcional simples (TEF). </li><li> Uma luva exotendon com tala de pulso foi utilizada para auxiliar no pulso neutro e alinhamento mão. O centro do punho do robô foi anexado ao antebraço foi colocado posterior à articulação radiocarpal para que suas forças agiram no pulso, mas permitiu o movimento da mão. </li><li> Peso do braço do paciente foi reduzido usando uma mola-powered Wilmington Robotic Exoskeleton (Wrex) gravidade equilibrado órtese. Objetivo instruiu o paciente foi para perseguir um cursor apresentado na frente deles movidos por meio de um dispositivo de rastreamento na mão do terapeuta (teleoperação terapeuta). </li><li> Pacientes prática três dias por semana por aproximadamente 40-60 minutos, com o paciente, o terapeuta, eo robô trabalhando juntos em um trio. Assunto e terapeuta sentaram-se lado a lado, eo tema foi ligado ao robô no pulso. </li><li> Cada sessão começou com cinco minutos de intervalo passivo de exercícios de movimento (PROM) com o terapeuta, seguido por cerca de dez minutos para situar o paciente na máquina. O assunto em seguida, completou seis quadras de treinamento movimento com duração de cinco minutos cada, com períodos de dois minutos de descanso entre cada bloco. </li><li> Durante o treinamento, os participantes viu dois cursores no visor estéreo. O terapeuta tratar manipulado um cursor, enquanto o participante controlava o outro. Os pacientes foram orientados a seguir o caminho exato do cursor do terapeuta enquanto se movia em todo o espaço de trabalho. </li><li> Aumento do erro foi fornecido tanto visualmente quanto por forças geradas pelo robô. Quando os participantes se desviaram cursor terapeuta, um vetor e instantânea de erro foi estabelecida como a diferença de posição entre o cursor do terapeuta e da mão do participante. Erro foi visualmente ampliada por um fator de 1,5 e (m) como parte do aumento do erro. Além disso, uma força de erro aumentando de 100 e (N / m) também foi aplicado, o que foi programado para saturar a um máximo de 4 N por razões de segurança. </li><li> Cada bloco de outro tratamento consistiu em específico, os movimentos padronizados que foram os mesmos para cada sessão. Os outros blocos permitido o terapeuta para personalizar a formação em áreas específicas de fraqueza com base na expertise terapeuta e as suas observações. O protocolo de tratamento incluiu a prática de movimentos específicos para todos os participantes, incluindo a frente eo lado alcançando, ombro, cotovelo de acoplamento, e diagonal atingindo todo o corpo. </li><li> Enquanto pratica, dia-a-dia de erro médio foi medido como um resultado da prática. Especial atenção foi dada aos blocos de movimentos padronizados que foram os mesmos para cada sessão. Estes foram comparados aos dias anteriores para determinar se qualquer melhoria incremental pode ser observado no dia-a-dia, que pode ser relatado para o paciente, o terapeuta, e os cuidadores (fig. 3). </li><li> Medidas primárias de desfecho foram medidos semanalmente, uma semana após o término do tratamento, e 45 dias pós para determinar a retenção dos benefícios. Principais resultados foram os Fugl-Meyer valor de habilidade motora e alcançar o nosso teste personalizado braço que medida a amplitude de movimento. </li></ol> 6. Resultados representativos: Quando o protocolo é feito corretamente, então uma vez que o nó &lt;AnyDevice&gt; é carregado no H3DViewer ou H3DLoad, o dispositivo WAM devem ser reconhecidos e iniciados. Se a WAM foram substituídos por outro robô, o código em si não teria necessidade de ser alterado. <img src="/files/ftp_upload/3007/3007fig1.jpg" alt="Figura 1" data-altupdatedat="1787634011000" data-alt="Figura 1"> Figura 1. Assunto sentado à haptic / aparato gráfico. <img src="/files/ftp_upload/3007/3007fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. Assunto sentado à haptic / aparelho gráfico com fisioterapeuta. <img src="/files/ftp_upload/3007/3007fig3.jpg" alt="Figura 3" data-altupdatedat="1787634011000" data-alt="Figura 3"> Figura 3. Configuração de reabilitação of o paciente acidente vascular cerebral. A) sujeito eo terapeuta trabalhando juntos, sentados e usando o haptic grande espaço de trabalho / display gráfico para a prática de movimento. O terapeuta fornece uma pista para o sujeito, e pode condicionado sob medida para as necessidades do paciente. O robô fornece forças que empurram o membro longe do alvo e do sistema de feedback visual aumenta o erro do cursor. B) melhora do paciente típico acidente vascular cerebral crônica de dia para dia. Cada ponto representa o erro médio medido para um bloco de 2 minutos de movimento funcional estereotipado. Enquanto o paciente mostra o progresso em todo o período de 2 semanas e benefício global, esta pessoa nem sempre melhorar a cada dia.

<ol><li>Solis, J., Takeshi, N., Petersen, K., Takeuchi, M., Takanishi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+the+anthropomorphic+saxophonist+robot+WAS-1%3A+Mechanical+design+of+the+simulated+organs+and+implementation+of+air+pressure%5BTitle%5D)+AND+%22Advanced+Robotics+Journal%22%5BJournal%5D)">Development of the anthropomorphic saxophonist robot WAS-1: Mechanical design of the simulated organs and implementation of air pressure.</a> Advanced Robotics Journal. 24, 629-650 (2010).</li>
<li>Evolving Won-Based Flying Robots. Zufferey, J. C., Floreano, D. Proceedings of the 2nd International Workshop on Biologically Motivated Computer Vision, 2002 November, Berlin, , Springer-Verlag. 592-600 (2002).</li>
<li>Conditt, M. A., Gandolfo, F., Mussa-Ivaldi, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+motor+system+does+not+learn+the+dynamics+of+the+arm+by+rote+memorization+of+past+experience%5BTitle%5D)+AND+%22Journal+of+Neurophysiology%22%5BJournal%5D)">The motor system does not learn the dynamics of the arm by rote memorization of past experience.</a> Journal of Neurophysiology. 78, 554-554 (1997).</li>
<li>Krebs, H. I., Palazzolo, J. J., Dipietro, L., Ferraro, M., Krol, J., Rannekleiv, K., Volpe, B. T., Hogan, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Rehabilitation+robotics%3A+Performance-based+progressive+robot-assisted+therapy%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">Rehabilitation robotics: Performance-based progressive robot-assisted therapy.</a> Autonomous Robots. 15, 7-20 (2003).</li>
<li>Wei, K., Kording, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Relevance+of+error%3A+what+drives+motor+adaptation%5BTitle%5D)+AND+%22Journal+of+neurophysiology%22%5BJournal%5D)">Relevance of error: what drives motor adaptation.</a> Journal of neurophysiology. 101, 655-65 (2009).</li>
<li>Wei, Y., Bajaj, P., Scheidt, R., Patton, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Visual+error+augmentation+for+enhancing+motor+learning+and+rehabilitative+relearning%5BTitle%5D)+AND+%22IEEE+International+Conference+on+Rehabilitation+Robotics%22%5BJournal%5D)">Visual error augmentation for enhancing motor learning and rehabilitative relearning.</a> IEEE International Conference on Rehabilitation Robotics. , 505-510 (2005).</li>
</ol>

As classes wrapper neste tutorial estão sob copyright por Ian Sharp.

Este método de implementação da classe wrapper permite robôs diferentes para ser usado, sem alterar o código-fonte, ao usar o H3DAPI. Especificamente, os pesquisadores que escreveram suas haptic / ambiente gráfico em H3D e testou seu experimento com um robô fantasma seria capaz de realizar a experiência iguais ou semelhantes usando o Barrett WAM, e vice-versa. Este tipo de dispositivo independente cruz-comunicação traz implicações para a pesquisa internacional de robótica de reabilitação. Tais implicações facilitar haptic rápida / desenvolvimento gráfico, a colaboração na investigação internacional e inter-comunicação de pesquisa de laboratório. Reabilitação robótica ainda tem que descobrir os numerosos parâmetros envolvidos na aprendizagem motora. Um dos passos demorados durante haptic / desenvolvimento de gráficos inclui o tempo de compilação. Com parâmetros de reabilitação numerosos, agravado com o tempo de compilação para cada programa, o ciclo de vida de desenvolvimento para testar todas as permutações possíveis grupo sobe rapidamente. H3D, com a sua ausência de requisitos de compilação, permite o desenvolvimento rápido de inúmeras cenas de realidade virtual. Isso vem como uma vantagem para aqueles pesquisadores que aspiram a sonda os efeitos de vários cenários de treinamento. Limitações desta abordagem wrapper &#39;hard-coded &quot;integração da classe incluem o fato de que este procedimento deve ser repetido cada vez que há uma nova distribuição do H3DAPI. Possíveis modificações para integrar a classe wrapper em sua última distribuição do H3DAPI seria criar a classe wrapper separadamente do H3DAPI. Você, então, colocar a sua classe wrapper em um arquivo de biblioteca *. so. Isso seria isolar sua classe a partir da distribuição H3DAPI original.

<ol><li> A exibição chamada paris (pessoal aumentada sistema de imersão realidade), pode ser encontrada em <a href="http://www.evl.uic.edu">www.evl.uic.edu</a> </li><li> O grande robô cinza é o Barrett WAM: <a href="http://www.barrett.com">www.barrett.com</a> </li><li> O menor, mais magro robô preto é o Phantom: <a href="http://www.sensable.com">www.sensable.com</a> </li><li> A montagem do braço é o T-Wrex, desenvolvido na RIC: <a href="http://www.ric.org/research/centers/mars2/Projects/development/d3.aspx">http://www.ric.org/research/centers/mars2/Projects/development/d3.aspx</a> </li><li> Os óculos para 3D Vision: <a href="http://www.vrlogic.com">www.vrlogic.com</a> </li><li> Software de monitoramento cabeça. <a href="http://www.mechdyne.com">www.mechdyne.com</a> </li><li> O H3DAPI si: <a href="http://www.h3dapi.org">www.h3dapi.org</a> </li></ol>

haptic / reabilitação graphic: integrando um robô em um ambiente virtual biblioteca e aplicando-a terapia curso

Haptic/Graphic Rehabilitation: Integrating a Robot into a Virtual Environment Library and Applying it to Stroke Therapy

Pesquisas recentes que os testes de dispositivos interativos para a prática de terapia prolongada, revelou novas perspectivas para a robótica combinado com formas gráficas e outros de biofeedback. Anteriores entre humanos e robôs sistemas interativos têm exigido comandos de software diferentes a serem implementadas para cada robô levando à sobrecarga desnecessária de tempo de desenvolvimento cada vez que um novo sistema se torna disponível. Por exemplo, quando um haptic / ambiente de realidade virtual tem sido gráficos codificados para um robô específico para fornecer feedback tátil, o robô específico não seria capaz de ser trocados por outro robô, sem recodificação do programa. No entanto, os recentes esforços da comunidade de código aberto têm proposto uma abordagem de classe wrapper que pode provocar respostas quase idênticas, independentemente do robô utilizado. O resultado pode levar os investigadores em todo o mundo para realizar experimentos semelhantes utilizando o código compartilhado. Portanto, &quot;a mudança para fora&quot; modular de um robô para o outro não afetaria o tempo de desenvolvimento. Neste trabalho, destacamos o êxito da criação e implementação de uma classe wrapper para um robô no H3DAPI open-source, que integra o software comandos mais comumente utilizados por todos os robôs.

Recentemente, uma grande quantidade de perspectivas vieram disponível para humanos e robôs sistemas interativos. Neste artigo destacamos a integração de um novo dispositivo robótico com software de código aberto que pode rapidamente tornar uma biblioteca possível de funcionalidades interactivas. Em seguida, esboçar uma aplicação clínica para uma aplicação de reabilitação neurológica.

Haptic / Reabilitação Graphic: Integrando um robô em um ambiente virtual Biblioteca e aplicando-a Terapia curso

Pesquisas recentes que testam dispositivos interativos para a prática de terapia prolongada revelaram novas perspectivas para a robótica combinada com recursos gráficos e outros...

O objetivo geral deste procedimento é integrar um robô a uma biblioteca de ambiente virtual e, em seguida, utilizar o robô para terapia de acidente vascular cerebral. Isso é realizado primeiramente criando uma classe encapsuladora para estender a biblioteca de háptica e depois integrando a classe encapsuladora à biblioteca de háptica. O próximo passo é criar uma classe encapsuladora para estender a biblioteca de gráficos e, em seguida, integrar essa classe encapsuladora à biblioteca de gráficos, uma vez que as classes encapsuladoras estejam concluídas.A interface da API H 3D é usada para configurar uma máquina de estados finitos para testar pacientes com AVC. O robô integrado é então utilizado para ajudar na reabilitação de pacientes com AVC. A principal vantagem dessa técnica é que você não precisa mais escrever uma aplicação de software diferente para cada robô.Além disso, essas aplicações podem ser executadas por cientistas em todo o mundo, independentemente do robô utilizado em seu laboratório. Este método pode ajudar a responder perguntas fundamentais nas áreas de reabilitação, robótica e controle motor, como, por exemplo, até que ponto nosso sistema nervoso pode se beneficiar do aumento de erros. Este método pode fornecer insights sobre os déficits decorrentes de acidente vascular cerebral, bem como aprofundar nossa compreensão do funcionamento saudável.Em geral, pacientes com AVC novos na reabilitação com robótica precisam superar certos obstáculos, como aprender a segurar o manípulo. Tivemos pela primeira vez a ideia deste método quando percebemos a necessidade de um robô com uma área de operação ampla em compensação da gravidade. Também queríamos minimizar a reescrita de software para que estudantes de pós-graduação futuros pudessem se beneficiar do trabalho dos que os antecederam, sem precisar refazer o mesmo trabalho.Este vídeo fornece instruções para integrar um robô de manipulação de braço inteiro (WHAM) com o código aberto disponível em www.hthreedpi.org. Para integrar um novo robô à biblioteca de háptica, o primeiro passo é escrever uma classe wrapper para o HAP, o mecanismo de renderização háptica, que é usado para controlar o movimento do robô WHAM. Comece criando um arquivo CPP e um arquivo de cabeçalho.Os nomes de arquivo usados para este exemplo são happy, wham, cpp e happy wham h. Coloque o arquivo happy wham cpp no diretório de origem. Happy barra origem, depois coloque happy.Bata h no diretório do arquivo de cabeçalho. Barra feliz incluir barra feliz. No topo do arquivo feliz wham h, inclua os arquivos de cabeçalho principais do robô.Observe que o extern C é necessário para resolver o mangling do compilador, pois a biblioteca incluída é escrita em C e a API H 3D é escrita em C mais mais. No happy wham h, crie a classe para o robô e inclua nela as quatro funções: liberação do dispositivo háptico, dispositivo háptico, atualização dos valores do dispositivo e envio da saída. Certifique-se de que a classe herde publicamente da classe happy haptics device.Em seguida, crie uma proteção de cabeçalho para a classe. Depois, crie os atributos estáticos de saída do dispositivo e de registro do dispositivo háptico dentro da classe happy WHAM. Em seguida, crie as funções-membro estáticas para callbacks específicas ao seu robô.Para um robô WHAM, a função de retorno é utilizada no dispositivo háptico e na função de inicialização. Agora que os protótipos estão definidos no arquivo de cabeçalho, abra o happy wham.cpp e inclua os arquivos de cabeçalho e o namespace apropriados. Em seguida, defina o construtor e o destrutor em happy_wam.cpp.Em seguida, registre o dispositivo no Happy Wam cpp. Agora defina as quatro funções herdadas e os retornos de chamada no happy Wam cpp. A função update device values informa ao computador a posição do braço do robô e a quantidade de força que está sendo gerada pelo robô no ambiente.Após criar a classe Happy Wrapper, o próximo passo é integrar um wrap à biblioteca Happy. O WAM depende de algumas bibliotecas das quais a API H 3D não depende em sua forma original. Portanto, essas bibliotecas precisam ser adicionadas ao happy.Vá para o diretório H 3D 2.1 barra happy barra build e edite o arquivo C make lists texto. Adicione as bibliotecas dependentes após a linha que diz Definir bibliotecas opcionais. Abra um console de comando e navegue até H 3D 2.1 barra happy barra build e digite na ordem: make ponto pseudo make e pseudo make install para concluir a integração do novo robô com o código aberto H 3D.Escreva uma segunda classe de encapsulamento para o grafo de cena. API chamada H 3D API. Este exemplo utiliza uma classe de encapsulamento denominada wam device.Navegue até o diretório de origem, H 3D AP I barra source, e crie o dispositivo WAM, arquivo CPP e wam device.Cpp. Adicione a fonte padrão para todos os dispositivos H 3D PI. Em seguida, coloque Wam device H no diretório do arquivo de cabeçalho.O dispositivo Wam H deve conter o arquivo de cabeçalho padrão para todos os dispositivos H 3D API. Agora que a classe wrapper foi criada, reconstrua a biblioteca H 3D PI editando o texto C make lists no diretório H three DPI barra invertida build. Finalmente, no diretório H 3D PI barra invertida build.Reconstrua a biblioteca da API H 3D usando os comandos, CMake dot pseudo make e pseudo make install. As novas classes encapsuladoras agora estão prontas para uso com um robô. Uma vez que as classes encapsuladoras apropriadas sejam instaladas, cria-se uma máquina de estados finita para controlar o protocolo experimental da tarefa de alcance direcionado utilizada com o robô Barrett WHAM. Os estados da máquina de estados são início do ensaio, lançamento, contato com o alvo e fim do ensaio.O início do estado de tentativa começa com a alocação de um alvo. As posições dos alvos podem ser definidas aleatoriamente para cada tentativa ou podem ser definidas a partir de um arquivo. O estado de início da tentativa termina e o estado de lançamento começa.Uma vez que a mão do sujeito tenha iniciado o movimento em direção ao alvo acima do limite de velocidade, tipicamente 0,06 metros por segundo, o estado de lançamento termina e começa o estado de contato com o alvo, quando o cursor do paciente toca o alvo. Após o contato, o alvo desaparece e o estado de contato com o alvo termina, iniciando-se então o estado de fim da tentativa.O estado de fim do ensaio sinaliza ao software de coleta de dados para marcar o arquivo de dados com um delimitador indicando o fim do ensaio. A menos que o ensaio final tenha sido concluído, o término do estado de fim do ensaio ativa o estado de início do ensaio e um novo alvo é alocado. Esta seção demonstra um robô diferente chamado phantom, utilizado na reabilitação de pacientes com AVC.Substituindo o código da classe de envoltório do fantasma nas bibliotecas apropriadas, o novo robô pode ser integrado ao ambiente virtual, sendo utilizado aqui um sistema gráfico háptico tridimensional denominado máquina de operações robóticas e ópticas em realidade virtual ou ROOM. Este sistema combina uma renderização estéreo projetada com rastreamento de cabeça em um display sobreposto com espelho semiprateado a um sistema robótico capaz de registrar a posição do punho e gerar um vetor de força. Um projetor digital de qualidade cinematográfica exibe imagens que abrangem um display de cinco pés de largura, resultando em um ângulo de visão de 110 graus.Emissores de infravermelho sincronizam imagens separadas para os olhos esquerdo e direito por meio de óculos obturadores de LCD. O movimento da cabeça é rastreado com os elementos magnéticos do sistema Ascension Flock of Birds, de modo que a exibição visual seja renderizada com a perspectiva correta centrada na cabeça. Uma luva com tendão externo e um suporte para o punho auxilia no alinhamento neutro do punho e da mão.O centro do cabo do robô é posicionado no antebraço, posterior à articulação rádiocarpiana. Isso permite que as forças atuem no punho, mas permite movimento livre na mão. O peso do braço do paciente é reduzido utilizando uma órtese balanceada pela gravidade, exoesqueleto robótico Wilmington movido a mola.O terapeuta sentado ao lado do paciente utiliza um dispositivo de rastreamento para mover um cursor pela tela. À frente, o paciente recebe a instrução de usar o manípulo robótico para perseguir o cursor. A ampliação de erros é fornecida tanto visualmente quanto por meio de forças geradas pelo robô.Quando o cursor do paciente se desvia do cursor do terapeuta, um erro instantâneo, vetor E, é estabelecido como a diferença de posição entre o cursor do terapeuta e a mão do paciente. O erro é ampliado visualmente por um fator de 1,5 E como parte da ampliação do erro. Além disso, uma força de ampliação do erro de 100 E é aplicada ao braço do paciente, programada para saturar em um máximo de quatro newtons.Por razões de segurança, a ampliação de erros magnifica os erros percebidos pelo paciente, o que melhora o processo de reaprendizagem. O protocolo de tratamento exige que o paciente pratique vários movimentos específicos, incluindo alcance para frente e para o lado com acoplamento ombro-cotovelo e alcance diagonal através do corpo. Para a próxima demonstração, o código da classe superior é trocado e o robô Barrett WHAM é utilizado.O objetivo desta próxima tarefa é que sujeitos saudáveis ou pacientes pós-AVC capturem um projétil virtual dentro da esfera verde semitransparente. Se as mãos do paciente saírem da esfera, ela fica vermelha e o braço do paciente recebe um feedback de aumento de erro proveniente do robô. Quando o paciente consegue capturar com sucesso o projétil dentro do espaço definido, a esfera permanece verde.Esta figura mostra o erro mediano de alcance. Cada ponto representa o erro mediano medido em um bloco de dois minutos de movimentos funcionais estereotipados. Embora os pacientes demonstrem progresso ao longo do período de duas semanas, nem sempre houve melhora a cada dia.Esta figura mostra o benefício resultante da ampliação do erro na redução seletiva da variabilidade de movimento a movimento. Os gráficos superiores mostram os dados do grupo controle e os gráficos inferiores mostram os dados do grupo tratado. Cada cor representa um sujeito diferente.As duas linhas horizontais exibem a localização dos limites para a tarefa. O objetivo do sujeito era interceptar o projétil virtual dentro desses limites. A posição de um ponto indica onde um determinado sujeito chegou mais perto do contato. No projétil, os histogramas azuis semitransparentes sobrepostos aos dados brutos exibem a distribuição de movimento do grupo. Ao longo do eixo anterior, os pacientes com acidente vascular cerebral realizaram 600 tentativas da tarefa de captura, sendo as 200 tentativas iniciais sem feedback de aumento de erro, e nas 200 tentativas finais, nenhum feedback de aumento de erro foi fornecido entre as tentativas 201 e 400. O robô forneceu feedback de aumento de erro ao paciente, resultando em uma melhoria significativa na capacidade do paciente de capturar o alvo dentro dos limites especificados.Após seguir este procedimento, os métodos tradicionais de reabilitação ainda podem ser realizados, mas com o robô podemos quantificar a posição da mão do paciente em todos os momentos ao longo de muitas tentativas repetidas. Essa técnica abriu caminho para novas pesquisas na área da engenharia neural, onde podemos explorar movimentos de alcance simulados dentro de uma região com múltiplas soluções possíveis. Após assistir a este vídeo, você deverá compreender como estender a biblioteca de API H 3D para um robô de reabilitação de escolha e aplicar diversas interfaces hápticas gráficas para a avaliação e tratamento de pacientes com AVC.Trabalhar com robôs pode ser potencialmente perigoso, portanto, deve-se ter cuidado ao escolher um robô destinado a interações com humanos. Escolhemos o Barrett WHAM para nosso projeto mais recente porque é mais potente e reversível. Reversível significa que pode oferecer quase nenhuma resistência, se programado para isso, e ainda assim é uma das opções mais seguras disponíveis para a interação entre humanos e máquinas.É um computador separado que monitora o computador principal e pode desativar o sistema se algo sair errado, e a frenagem dinâmica garante que o sistema atue como um amortecedor sempre que estiver inativo. Embora muitos robôs tenham desempenhos diferentes, muitas de suas funções se sobrepõem. Assim, a portabilidade de nossas técnicas entre robôs pode fomentar novas colaborações entre laboratórios.O que é claro é que tratamentos de treinamento como os demonstrados neste estudo fornecem evidências encorajadoras para a restauração da função em pacientes, além de aprimorar o treinamento em esportes, teleoperação, execução musical, técnicas cirúrgicas e qualquer outra tarefa que exija prática repetitiva.

hapticgraphic-rehabilitation-integrating-robot-into-virtual

Research

JoVE Journal

Bioengineering

Bioengenharia

Nós desenvolvemos um sistema de espelho robô em tempo real para a recuperação funcional dos braços hemiplégicos utilizando tecnologia de controle automático, realizaram um estudo clínico em indivíduos saudáveis, e as tarefas determinadas por meio de feedback de médicos de reabilitação. Esta simples robô espelho pode ser aplicada de forma eficaz para a terapia ocupacional em pacientes com AVC com um braço hemiplégico.

Robotic Espelho Sistema de Terapia de recuperação funcional de hemiplégicos Braços

Nós descrevemos uma configuração baseado em romance de realidade virtual que explora o controle voluntário de uma mão para melhorar o desempenho do motor-habilidade na outra mão (não-treinadas). Isto é conseguido fornecendo feedback sensorial baseada em movimento em tempo real, como se a mão não-treinadas está se movendo. Esta nova abordagem pode ser usada para melhorar a reabilitação de pacientes com Hemiparesia unilateral.

Usando a realidade Virtual para transferir conhecimento habilidade motora de um lado para outro

Aqui, apresentamos um protocolo para desenvolver e aplicar um programa móvel baseado em jogo de realidade virtual para a recuperação da disfunção do membro superior em pacientes com acidente vascular cerebral. O presente estudo mostra que o programa móvel é viável e eficaz promove a recuperação do membro superior em pacientes com AVC.

Programa de móvel baseado em jogo de realidade Virtual para a reabilitação de derrame de extremidade superior

O uso combinado de transcraniana por corrente contínua estimulação e terapia robótica como um complemento para a terapia de reabilitação convencional pode resultar em resultados terapêuticos melhorados devido à modulação da plasticidade cerebral. Neste artigo, descrevemos os métodos combinados usados em nosso Instituto para melhorar o desempenho motor após acidente vascular cerebral.

O uso combinado de terapia robótica e atual estimulação transcraniana direto para o membro superior

O protocolo atual descreve como o sistema de treinamento ocupacional digital baseado em RV melhora a reabilitação de pacientes com comprometimento cognitivo e disfunção do membro superior após um acidente vascular cerebral.

Função cognitiva e treinamento de reabilitação do membro superior pós-acidente vascular cerebral utilizando um sistema de treinamento ocupacional digital

Estima-se que 1 em cada 6 indivíduos no mundo terá um acidente vascular cerebral ao longo da vida, causando incapacidade a longo prazo, cujos mecanismos de reabilitação ainda são pouco compreendidos. Este estudo propõe um protocolo para avaliar a ativação cerebral por espectroscopia funcional no infravermelho próximo (fNIRS) durante uma sessão de terapia robótica de membros inferiores.

Um experimento usando espectroscopia funcional no infravermelho próximo e movimentos de apontar multi-articulações assistidas por robô do membro inferior

Este protocolo descreve um robô de reabilitação de membros superiores que fornece feedback inteligente por meio de quatro modos. Esses modos melhoram a função e a flexibilidade dos membros superiores, melhorando assim a qualidade de vida dos pacientes.

Melhorando a função do membro superior e as habilidades motoras pós-AVC por meio de um robô de reabilitação de membros superiores

Este protocolo experimental descreve o uso de um sistema robótico orientado a tarefas de membros superiores duplos para pacientes com AVC com disfunção do membro superior. Os resultados indicam que esse sistema pode melhorar significativamente a função dos membros superiores e as atividades de vida diária dos pacientes com AVC.

Aplicação de um sistema robótico orientado a tarefas de membro superior duplo para a recuperação funcional do membro superior em pacientes com AVC

A eficácia da combinação de treinamento em esteira assistido por exoesqueleto e suporte de peso corporal com realidade virtual baseada em jogos na capacidade de dupla tarefa em sobreviventes de AVC ainda não foi estudada. Portanto, este programa de reabilitação visa investigar as funções e vantagens potenciais dessa combinação no aumento da capacidade de caminhar durante a recuperação do AVC.

Um programa de reabilitação de treinamento em esteira com suporte de peso corporal assistido por exoesqueleto com realidade virtual não imersiva para pacientes com AVC

Este estudo explora os efeitos de um robô pneumático macio configurável no aprimoramento da topologia da rede de todo o cérebro pós-AVC. A análise da teoria dos grafos indica melhorias significativas no coeficiente de agrupamento, comprimento do caminho e eficiência global. Os resultados destacam o potencial dos protocolos robóticos programáveis para modular a neuroplasticidade e otimizar a recuperação funcional na reabilitação do AVC.

Robô pneumático macio modula métricas da teoria dos grafos da rede cerebral para reabilitação das mãos após acidente vascular cerebral

Esse protocolo visa avaliar a eficácia clínica e o conforto do paciente ao utilizar robôs de reabilitação de membros inferiores ao lado do leito para a reabilitação de hemiplegia pós-AVC, comparando os resultados com os da terapia manual tradicional por meio de ensaios clínicos randomizados.

Aplicação de Robôs de Reabilitação de Membros Inferiores à Pé do Camo na Reabilitação de AVC: Um Ensaio Clínico Randomizado

Aprenda a integrar um robô em ambiente virtual para reabilitação de pacientes com AVC usando a biblioteca H3D API. Este método padroniza terapias robóticas e melhora resultados de recuperação motora.

Haptic / Reabilitação Graphic: Integrando um robô em um ambiente virtual Biblioteca e aplicando-a Terapia curso

Explorar mais vídeos