July 22nd, 2014
Interfaces de Neural-máquina (MNI) foram desenvolvidos para identificar o modo de locomoção do usuário. Estes NMIs são potencialmente úteis para o controle neural de pernas artificiais alimentados, mas não têm sido plenamente demonstrada. Este artigo apresentou (1) a nossa plataforma de engenharia projetada para fácil implementação e desenvolvimento do controle neural para próteses de membros inferiores com alimentação e (2) uma montagem experimental e protocolo em um ambiente de laboratório para avaliar pernas artifici
O objetivo geral deste procedimento é apresentar uma configuração experimental e um protocolo em um ambiente de biblioteca para avaliar pernas artificiais controladas neuralmente em pacientes com amputações de membros inferiores. Isso é feito preparando-se primeiro para a medição do sinal EMG de superfície dos músculos residuais dos membros inferiores do sujeito. Em seguida, a perna protética motorizada no sujeito recrutado é alinhada e calibrada.
Em seguida, os dados de treinamento são coletados e os classificadores na interface da máquina neural são treinados. A etapa final é testar o desempenho do controle neural da perna protética motorizada no sujeito amputado recrutado. Em última análise, a perna protética motorizada controlada neuralmente é usada para permitir que o sujeito execute várias atividades, como nível em pé, rampa de caminhada no solo, subida e descida de rampa com segurança e continuamente no laboratório.
A principal vantagem desta plataforma de engenharia de projeto é que cada bloco de função pode ser facilmente depurado, modificado e atualizado. Além disso, adicionar ou excluir funções ou alterar a conexão entre modelos pode ser feito facilmente no programa de computador. O novo design da interface do soquete do eletrodo pode fornecer uma gravação de sinal EMG de alta qualidade, suspensão de soquete apertado e bom conforto do usuário.
Portanto, este projeto pode ser usado para investigar a propriedade ou função muscular nos membros de repouso de amputados de membros inferiores. A demonstração do procedimento será considerada uma. William Boatwright e Aaron Fleming.
Os alunos do nosso laboratório Prepare o sujeito para o teste colocando um arnês anti-queda ajustado e prendendo-o ao sistema de trilhos do teto. Em seguida, selecione sete sensores EMG sem fio totalmente carregados. Insira o mon coloque os sensores EMG no soquete de sucção personalizado nos locais preparados.
Anote o número do pedido dos sensores e associe-os aos locais de EMG. Depois de limpar a pele do membro residual do sujeito com álcool isopropílico, conecte a prótese motorizada ao soquete de sucção com um adaptador de pirâmide. Ajude um sujeito a colocar a tomada de sucção e verifique se a cavidade está firmemente presa ao membro residual da pessoa.
Em seguida, ligue o software de streaming de dados analógicos EMG em tempo real. Em seguida, peça ao sujeito para realizar flexão e extensão do quadril, abdução e abdução do quadril e imaginar a flexão e extensão do joelho, e examine os sinais EMG para verificar o contato do eletrodo EMG e a transmissão de dados para alinhar e calibrar a prótese de potência. Comece com o assunto Em pé segurando um andador auxiliar, ajuste um conjunto de parafusos de rotação no adaptador até que a posição da prótese esteja geometricamente alinhada com o soquete.
Peça ao sujeito para levantar a prótese do chão e calibrar a célula de carga no poste protético. Instrua o sujeito a praticar a caminhada em diferentes terrenos, subida de rampa de solo nivelado e descida de rampa. Ao usar a perna protética motorizada, faça com que o sujeito continue até que ele se sinta confiante em andar com o dispositivo motorizado e produza um padrão de marcha consistente.
Em cada atividade, explique o caminho de caminhada predefinido para o sujeito e instrua-o a ficar de pé no local inicial do caminho de caminhada. Em seguida, ligue a prótese de potência e carregue os parâmetros no controlador intrínseco. Execute um programa de computador de coleta de dados de treinamento e defina o controle intrínseco para o modo de pé clicando no botão de pé na interface gráfica do usuário ou pegajoso.
Em seguida, instrua o sujeito a caminhar sobre terreno plano em sua velocidade de caminhada confortável e auto-selecionada. Ao mesmo tempo, clique no botão de caminhada no pegajoso antes de tirar o dedo do pé da perna dianteira do assunto, que define automaticamente o controle intrínseco para o modo de caminhada nivelado do solo. Quando o sujeito se aproximar da borda da rampa, clique no botão de subida da rampa no pegajoso antes do dedo do pé da perna protética, pisando na rampa, que muda o controle intrínseco para rampa como modo de cheiro para segurança.
Permita que o sujeito use um corrimão ao caminhar na rampa. Quando o assunto chegar à borda da rampa, clique no botão de caminhada novamente. Antes que o calcanhar da perna protética atinja a plataforma nivelada, que muda o controle intrínseco protético para o modo de caminhada em solo nivelado.
No final do caminho de caminhada, instrua o sujeito a parar e permanecer em pé ao mesmo tempo. Clique no botão de pé antes da fase de postura dupla, que alterna o controle intrínseco de volta para o modo de pé. Após aproximadamente cinco segundos, encerre a coleta de dados clicando no botão Parar.
Repita o procedimento enquanto o sujeito caminha em uma rota reversa de volta ao local de partida. A única diferença é mudar o controle intrínseco para o modo de descida de rampa. Quando o sujeito caminhar na rampa de descida, repita a caminhada para cima e para baixo da rampa 10 vezes e, em seguida, examine a qualidade do sinal do conjunto de dados de treinamento coletado.
Em seguida, treine os classificadores de reconhecimento de padrões na interface do computador neural por meio de um módulo de treinamento offline. Use os sinais EMG e mecânicos coletados, os modos de atividade rotulados durante o procedimento de treinamento e as fases detectadas para construir um padrão dependente de fase. Os classificadores salvam os parâmetros dos classificadores automaticamente para posterior sessão de teste online.
Comece o próximo conjunto de testes instruindo o sujeito a ficar no ponto de partida do caminho de caminhada. Depois de ligar a prótese motorizada, carregue o classificador treinado no módulo de teste on-line e os parâmetros no controlador intrínseco. Em seguida, instrua o sujeito a iniciar os testes em pé.
Em seguida, faça a transição contínua para caminhada em terreno nivelado, nível de caminhada em rampa, caminhada em solo novamente e, finalmente, parando. No final da trilha, instrua o sujeito a realizar cada atividade em um ritmo confortável. Permita períodos de descanso entre as tentativas para evitar fadiga durante cada tentativa de teste.
Exiba os modos de atividade das leituras da prótese e do ângulo da articulação do joelho em um monitor, salve todas as medições e saídas de controle para fins de avaliação posterior. Os sinais EMG brutos registrados dos músculos da coxa do membro residual do sujeito exibem um padrão característico quando o sujeito alterna entre flexão e extensão do quadril. Os sinais brutos de EMG registrados quando o sujeito caminhou em um caminho de caminhada em solo nivelado são mostrados aqui a partir dessas figuras, pode-se ver que a interface do soquete do eletrodo EMG pode fornecer uma interface de boa qualidade.
Medições de sinal EMG. O sujeito foi solicitado a começar em pé, transição para nível, rampa de caminhada no solo, nível de subida, caminhada no solo e, em seguida, parar no final do caminho de caminhada. O sujeito então para o ponto de partida original ao longo da rota inversa, o sujeito foi capaz de alternar suavemente o modo de controle da prótese transfemoral de potência com base nos modos de atividade pretendidos.
A linha tracejada vermelha indica o tempo crítico definido de cada transição do modo de atividade para transições de terreno nivelado, caminhada para rampa, subida ou descida e de pé para caminhada. O tempo crítico foi o início da fase de balanço que é o dedo do pé para as transições de rampa, subida ou descida para caminhada em terreno nivelado e de caminhada para ficar em pé. O momento crítico foi o início da aceitação do peso, ou seja, o contato do calcanhar no nível do solo.
Cerca de 18 segundos após o início deste teste, a prótese mudou incorretamente para o modo de subida em rampa quando o sujeito caminhou em terreno plano devido ao reconhecimento errôneo da intenção do usuário pela interface da máquina neural. Erros como esse não provocaram mudança significativa na cinemática de caminhada do sujeito e não foram percebidos pelo sujeito. No entanto, alguns erros que perturbaram a estabilidade da marcha do sujeito foram observados em alguns testes, mas nenhum causou a queda do sujeito.
Nossa configuração e protocolo experimental da plataforma de prova de conceito pode fornecer ferramentas convenientes para otimizar ainda mais o controle neurológico e o controle intrínseco da prótese de membro inferior em pó e pode ajudar a desenvolver uma verdadeira prótese biônica de membro inferior que pode ser operada pelos usuários de forma fácil, confiável e intuitiva. Depois de assistir a este vídeo, você deve ter uma boa compreensão de como aplicar a plataforma de engenharia desenvolvida para avaliar pacientes de perna artificial neurocontrolados com amputação de membros inferiores com segurança e eficiência em um ambiente de laboratório.
View the full transcript and gain access to thousands of scientific videos
Este estudo apresenta um setup e protocolo experimental para avaliar pernas artificiais controladas neuralmente para pacientes com amputações de membros inferiores. A pesquisa visa melhorar a funcionalidade de dispositivos protéticos alimentados por interfaces neural-máquina (NMI).
This work establishes a flexible engineering platform for evaluating neurally-controlled powered lower limb prostheses, addressing a critical gap in translating neural-machine interface (NMI) research into functional prosthetic systems. By integrating NMI with intrinsic prosthetic control and validating performance in amputee subjects during ambulation tasks, the platform enables mechanistic de-risking of neural control strategies prior to preclinical and clinical development. The approach supports predictive confidence in target validation for motor intent decoding and informs portfolio decisions on neuroprosthetic investments by providing a reproducible, scalable system for early-stage functional assessment.
The platform bridges discovery biology (neural signal interpretation) to lead identification (control algorithm optimization) and preclinical work (safety and reproducibility testing), positioning it as a reusable capability in the neuroprosthetic development continuum.