Методическая статья

Роботизированная система верхних конечностей, управляемая интерфейсом мозг-компьютер, для улучшения повседневной деятельности пациентов с инсультом

2.4K просмотров

⸱

DOI:

10.3791/67601

⸱

18 апреля 2025 г.

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Department of Health Science and Technology, Graduate School of Convergence Science and Technology, Seoul National University, 2Department of Rehabilitation Medicine, Seoul National University College of Medicine, Seoul National University Bundang Hospital, 3Clinical Neurotechnology Laboratory, Dept. of Psychiatry and Neurosciences, Charité Campus Mitte (CCM), Charité – Universitätsmedizin Berlin, 4SRH Gesundheitszentrum Bad Wimpfen GmbH

В этой статье

Краткое содержание

В этом исследовании представлена система интерфейса мозг-компьютер (ИМК) для пациентов с инсультом, которая сочетает в себе сигналы электроэнцефалографии и электроокулографии для управления роботизированной рукой верхней конечности, улучшая повседневную деятельность. Для оценки использовался Берлинский бимануальный тест на инсульт (BeBiTS).

Аннотация

В этом исследовании представлен робот для реабилитации верхних конечностей, управляемый интерфейсом мозг-компьютер (BCI). Система использует сигналы электроэнцефалограммы (ЭЭГ) и электроокулограммы (ЭОГ), чтобы помочь пользователям помочь функции верхних конечностей в повседневных задачах при взаимодействии с роботизированной рукой. Мы оценили эффективность этой роботизированной системы BCI с помощью Берлинского бимануального теста на инсульт (BeBiTS), набора из 10 повседневных задач с участием обеих рук. В этом исследовании приняли участие восемь пациентов с инсультом, но только четыре участника смогли адаптироваться к обучению роботизированной системе BCI и выполнить postBeBiTS. Примечательно, что когда оценка preBeBiTS для каждого элемента составляла четыре или меньше, роботизированная система BCI показала большую вспомогательную эффективность в оценке после BeBiTS. Кроме того, наша нынешняя роботизированная рука не помогает с функциями руки и запястья, что ограничивает ее использование в задачах, требующих сложных движений руки. Требуется больше участников, чтобы подтвердить эффективность обучения роботизированной системы BCI, и будущие исследования должны рассмотреть возможность использования роботов, которые могут помочь с более широким спектром функций верхних конечностей. Данное исследование было направлено на определение способности роботизированной системы BCI помогать пациентам в выполнении повседневных жизненных задач.

Введение

Нарушение функции верхних конечностей вследствие инсульта ограничивает способность выполнять повседневную деятельность, особенно бимануальные задачи1. Таким образом, реабилитация кисти является ключевым компонентом реабилитации после инсульта, а также хорошо известными подходами являются зеркальная терапия2 и двигательная терапия, вызванная ограничениями (CIMT)3. Недавние исследования показывают, что роботизированные системы на основе ЭЭГ с интерфейсом мозг-компьютер (ИМК) могут быть эффективной вспомогательной терапией для улучшения восстановления функции кисти у пациентов с инсультом 4,5,6. Роботизированные системы BCI сосредоточены на соединении активного намерения пациента совершить двигательное движение с его выполнением. Активно проводятся исследования для определения эффективности данного подхода для реабилитации 7,8,9,10,11,12,13.

В этом исследовании мы представляем вспомогательную роботизированную систему верхних конечностей, управляемую BCI, предназначенную для помощи пациентам с инсультом в выполнении бимануальных действий. Система использует электроэнцефалограммы (ЭЭГ) для обнаружения и интерпретации сигналов мозга, связанных с моторными образами, и объединяет их с электроокулограммами (ЭОГ) для дополнительных входных данных управления. Эти нейрофизиологические сигналы позволяют пациентам управлять роботизированной рукой, котораяпомогает движениями пальцев. Такой подход устраняет разрыв между желанием пациента двигаться и физическими способностями, потенциально способствуя восстановлению моторики и повышению самостоятельности в выполнении повседневных задач.

Исследователи из Медицинского университета Шарите в Берлине разработали Берлинский бимануальный тест на инсульт (BeBiTS), комплексный инструмент оценки, чтобы оценить эффективность этой роботизированной системы BCI15. BeBiTS обеспечивает количественную меру функционального улучшения путем оценки способности выполнять десять бимануальных действий, необходимых для повседневной жизни. Оценка каждой задачи оценивается индивидуально и оценивает пять компонентов функции руки: дотягивание, хватание, стабилизация, манипулирование и подъем. Он позволяет всесторонне оценить функциональные улучшения пациентов, уделяя особое внимание повседневной деятельности. Кроме того, это позволяет нам количественно оценить вклад роботизированной системы BCI в улучшение конкретных функций руки. Таким образом, данное исследование направлено на разработку эффективной вспомогательной роботизированной системы BCI путем сравнения показателей BeBiTS до и после тренировок у пациентов с инсультом.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Наблюдательный совет больницы Бундан Сеульского национального университета рассмотрел и одобрил все экспериментальные процедуры (IRB No B-2205-756-003). Мы набрали восемь пациентов с инсультом и подробно объяснили соответствующие детали, прежде чем получить их согласие. После получения информированного согласия протокол действует следующим образом: мы проводим оценку BeBiTS перед тренировкой ИМК, за которой следует тренировка ИМК с использованием ЭОГ и ЭЭГ. После этого участники надевают робота для выполнения еще одной оценки BeBiTS (Рисунок 1).

1. Настройка системы обучения BCI-роботов

  1. Набор пациентов
    1. Выполняйте процесс скрининга с использованием следующих критериев включения.
      1. Отбираются пациенты в возрасте от 20 до 68 лет с нарушениями функции верхних конечностей.
      2. Отбирают пациентов, которые не в состоянии согнуть или разгибать пальцы парализованной руки.
      3. Отбирают пациентов с одним подкорковым инсультом (включая как ишемический, так и геморрагический инсульт).
      4. Отбирайте пациентов, у которых прошло более 6 месяцев после черепно-мозговой травмы.
      5. Выберите пациентов с нарушением шкалы Фугля-Мейера менее 31.
    2. Предоставить всем отобранным пациентам подробную информацию об экспериментальной процедуре и получить подписанное информированное согласие.
      ПРИМЕЧАНИЕ: Законный представитель должен предоставить подписанное информированное согласие, если пациент соответствует критериям, но не может подписать согласие.
  2. Система ИМК: аппарат ЭЭГ
    1. Для записи данных используйте систему просмотра ЭЭГ (см. Таблицу материалов).
    2. Используйте персональный компьютер (ПК) с пользовательским программным обеспечением BCI и подключите ПК к устройству ЭЭГ.
  3. Роботизированная рука для помощи верхним конечностям
    1. Вспомогательная роботизированная рука16 , которая поддерживает три пальца, используется на поврежденной верхней конечности пациента. Этот робот представляет собой мягкую, похожую на кожу перчатку, предназначенную для покрытия только трех пальцев: большого, указательного и среднего. Подключите робота к компьютеру по беспроводной сети с помощью USB-ключа.
    2. При подключении к компьютеру через ключ исходное состояние робота нейтральное, что означает, что его рука полностью открыта. Разработанная система ИМК настраивает робота таким образом, что его рука может сомкнуться только тогда, когда он распознает намерение сжать кулак, основываясь на том, соответствует ли измеренное значение ЭЭГ пороговому значению. На рисунке 2 показана схема этой роботизированной системы BCI.

2. Оценка BCI-робота

  1. Берлинский бимануальный тест на инсульт (BeBiTS)
    ПРИМЕЧАНИЕ: Оценка BeBiTS является инструментом для оценки выполнения 10 бимануальных действий в повседневной жизни у пациентов с инсультом.
    1. Расположите пациента удобно в кресле лицом к письменному столу. Убедитесь, что пациент расположен близко к столу, примерно в 30 см от предметов, используемых в оценке, чтобы выполнять задачи по оценке как руками, так и кистями рук.
    2. Сохраните следующие 10 предметов для оценки бимануальных занятий: Откройте банку; открыть пластиковый пакет; открыть бутылку с водой; налить стакан воды; нарезать мясную замазку; вымыть посуду; поднять горшок; открыть тюбик зубной пасты; нанести зубную пасту на зубную щетку; Застегните молнию куртки.
      ПРИМЕЧАНИЕ: В 10 заданиях на оценку используются элементы оценки, все из которых выполняются сидя за столом. Каждое действие оценивается по 10-балльной шкале, а общий балл составляет 100.
    3. Оценивайте и оценивайте пять компонентов функций рук наряду с оценками отдельных предметов. Этими компонентами и соответствующими баллами являются достижение (20), хватание (20), стабилизация (10), манипулирование (33) и подъем (17), при этом общая сумма баллов составляет 100 баллов (рис. 3).

3. BCI-роботизированная система обучения

  1. Настройка ЭЭГ
    1. Откройте систему BCI. На рисунке 4 показан весь экран при открытии системы BCI.
    2. Надеваем колпачок и подключаем усилитель.
    3. В модуле Источник выберите режим импеданса EegoModule |. Нажмите кнопку «Пуск» в модуле источника, на котором отображается синий свет (рис. 5A).
    4. Убедитесь, что импеданс ниже 10 кОм, затем нажмите Стоп в модуле источника.
    5. Измените режим на ЭЭГ для потоковой передачи данных и нажмите «Пуск». Проверьте сигнал с помощью данного программного обеспечения (рисунок 5B).
  2. Калибровка EOG
    1. В модуле предварительной обработки выберите конвейер , специфичный для монтажа EOG (например, SMR-EOGleft для электрода EOG на левом глазу; Рисунок 6А).
    2. В модуле «Задача» установите Количество реплик (например, 10). Модуль «Задача» задает направления перпоратерально роботизированной руке (рис. 6B).
    3. Попросите участника выполнить короткие боковые движения глаз в направлении 10 появляющихся стрелок (рисунок 6C).
    4. Проверьте график результатов сразу после тренировки. Серые линии обозначают каждую попытку движения глаз; Подтвердите, что оранжевая линия, которая является средним значением, касается базовой линии, указывая на успешное обучение (рис. 7).
    5. Если обучение прошло успешно, запишите пороговое значение параметра.
      ПРИМЕЧАНИЕ: Постоянное повторение движений глаз имеет важное значение. Несмотря на то, что обучение EOG варьируется от участника к участнику, оно обычно практично после примерно трех попыток и обычно улучшается при повторном обучении.
  3. Калибровка ЭЭГ
    1. В модуле Task выберите EEGCalibrationTaskModule (рис. 8A). Установите Количество подсказок в модуле «Задача» равным 5.
    2. В модуле «Обратная связь» установите параметр «Латеральность » сбоку от роботизированной руки и убедитесь, что параметр «Display Pac-Man » не выбран (рис. 8B).
    3. Попросите участника представить, как он сжимает кулак, когда на черном экране появится подсказка «Представьте сжатие кулака» (рисунок 8C). Попросите участника расслабиться, когда экран погаснет. Повторите этот процесс, при этом сжатое воображение длится 5 с, а период отдыха случайным образом варьируется от 10 до 15 с.
    4. Просмотрите график результатов после калибровки ЭЭГ и используйте характерный шаблон ЭРК в мю-диапазоне 8-12 Гц во время моторной визуализации, чтобы определить подходящий частотный диапазон участника. Запишите значение параметра 11 Гц с левого графика на рисунке 9, который показывает реакцию ERD во время визуализации мотора по сравнению с состоянием покоя. На правом графике рисунка 9 выделите четкую красную линию, которая представляет образы, сжимающие кулаки, и синюю линию, обозначающую расслабленное состояние, по отношению к горизонтальной пунктирной пороговой линии.
    5. Если калибровка ЭЭГ выполнена адекватно, запишите эталонное значение и порог под графиком справа.
      ПРИМЕЧАНИЕ: Тем не менее, могут быть случаи, когда краткосрочное обучение калибровке затруднено из-за таких проблем, как непонимание предоставленных инструкций или неграмотность в ИМК.
  4. Обучение с обратной связью
    1. После завершения тренировки ЭОГ и ЭЭГ установите значения параметров, которые различают намерение сделать кулак для конкретной целевой частоты, представляющей интерес, эталонное значение и порог , определенные на графике результатов в предыдущем обучении.
    2. Используя настроенные параметры, перейдите к обучению обратной связи с помощью Pac-Man. Если параметры правильно установлены после тренировки, обратите внимание, что рот Pac-Man будет постепенно закрываться, когда участник представляет, как сжимает кулак. Если рот Pac-Man не закрывается должным образом, повторите тренировку калибровки ЭЭГ, регулируя эталонное значение и порог (рис. 10).
  5. Эксперимент: оценка BeBiTS с помощью роботизированной системы BCI
    1. После завершения всего обучения обратной связи (примерно 30 минут) попросите участника надеть робота и проведите оценку после BeBiTS с использованием обученной системы BCI.
      ПРИМЕЧАНИЕ: Если у пациента сильная спастичность руки, необходимо соблюдать особую осторожность при ношении робота. Кроме того, для некоторых пациентов может быть недостаточно трехпальцевой помощи, обеспечиваемой роботом, что затрудняет выполнение всех движений, необходимых для оценки BeBiTS. В таких случаях оцениваются только те движения, которые можно выполнить.
    2. Подождите, пока на экране не появится белый свет, указывающий на состояние готовности и запуска, как показано на рисунке 11A. После подтверждения белого света участники перемещают глаза в одну сторону, чтобы изменить свет на зеленый (рис. 11B). Когда появляется зеленый свет, участники представляют, как сжимают кулак.
      ПРИМЕЧАНИЕ: Если система хорошо распознает намерение участника, она активирует робота, который носит участник, чтобы сжать его кулак.
    3. Пусть участник сожмет кулак с помощью робота, а затем выполнит действие, показанное на рисунке 11C.
    4. На рисунке 11D показан красный свет, указывающий на то, что робот сохраняет положение сжатого кулака. Завершив действие, участник наблюдает за этим красным светом на экране, как показано на рисунке 11D. На этом этапе, если участник хочет снова открыть свою руку с помощью робота, он может двигать глазами, чтобы изменить цвет света обратно на белый.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

На рисунке 12 представлены результаты тренировки ЭОГ и ЭЭГ. На рисунке 12А представлены результаты хорошо обученного участника. Обучающие значения EOG согласуются, при этом среднее значение (оранжевая жирная линия) правильно достигает пороговой линии. Результаты тренировки ЭЭГ также четко различают синюю (состояние покоя) и красную (моторные образы) линии.

В отличие от этого, на рисунке 12B показаны резул...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

В этом исследовании была представлена вспомогательная роботизированная система BCI для поддержки пациентов с инсультом в выполнении повседневных задач. Мы оценили эффективность бимануальных заданий с помощью теста BeBiTS15 и провели обучение работе с роботом-помощником для верхних конечностей с помощью системы BCI14. Такой подход, в отличие от обычных реабилитационных процедур, позволяет пациентам активно заниматься своим восстановлением, у...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

У авторов нет конфликта интересов, о котором можно было бы заявить.

Благодарности

Эта работа была поддержана Германо-корейской программой международного сотрудничества между академическими кругами и промышленностью в области робототехники и легких конструкций/углерода, финансируемой Федеральным министерством образования и исследований Федеративной Республики Германия и Министерством науки и ИКТ Кореи (грант No P0017226)

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
BCI2000открытым исходным кодомдля исследования интерфейса мозг-компьютер (ИМК), который является бесплатным для некоммерческого использования
BrainVision LSL Viewer Brain Products GmbH— удобный инструмент для мониторинга LSL, ЭЭГ и маркерных потоков.
eego mini усилитель с 8-канальными (F3, F4, C3, Cz, C4, P3, P4, EOG) оригинальными колпачками waveguard;Ant Neuro, НидерландыКомпактная и легкая конструкция: Мини-усилитель eego небольшой и легкий, обеспечивает отличную портативность и пригодность для записи ЭЭГ в различных условиях.
Neomano neofect, КореяПерчатка Материал: Кожа, липучка, нескользящая ткань<бр/> Материал проволоки: Синтетическая нить<бр/> Вес: 65 г (без бата)
охватывают три пальца: большой, указательный и средний пальцы
персонального компьютера ( ПК) с пользовательским программным обеспечением BCI окно для ноутбука
программный комплекс общего назначения с

Ссылки

  1. Ekstrand, E., Rylander, L., Lexell, J., Brogårdh, C. Perceived ability to perform daily hand activities after stroke and associated factors: a cross-sectional study. BMC Neurol. 16, 208(2016).
  2. Angerhöfer, C., Colucci, A., Vermehren, M., Hömberg, V., Soekadar, S. R. Post-stroke rehabilitation of severe upper limb paresis in Germany-toward long-term treatment with brain-computer interfaces. Front. Neurol. 12, 772199(2021).
  3. Corbetta, D., Sirtori, V., Castellini, G., Moja, L., Gatti, R. Constraint-induced movement therapy for upper extremities in people with stroke. Cochrane Database Syst Rev. 2015 (10), CD004433(2015).
  4. Kutner, N. G., Zhang, R., Butler, A. J., Wolf, S. L., Alberts, J. L. Quality-of-life change associated with robotic-assisted therapy to improve hand motor function in patients with subacute stroke: a randomized clinical trial. Phys Ther. 90 (4), 493-504 (2010).
  5. Baniqued, P. D. E., et al. Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review. J Neuroeng Rehabil. 18 (1), 15(2021).
  6. Yang, S., et al. Exploring the use of brain-computer interfaces in stroke neurorehabilitation. BioMed Res Int. 2021, 9967348(2021).
  7. Wolpaw, J. R. Brain-computer interfaces. Handb Clin Neurol. 110, 67-74 (2013).
  8. Teo, W. P., Chew, E. Is motor-imagery brain-computer interface feasible in stroke rehabilitation. PM R. 6 (8), 723-728 (2014).
  9. Gomez-Rodriguez, M., et al. Towards brain-robot interfaces in stroke rehabilitation. IEEE Int Conf Rehabil Robot. 2011, 5975385(2011).
  10. Silvoni, S., et al. Brain-computer interface in stroke: a review of progress. Clin EEG Neurosci. 42 (4), 245-252 (2011).
  11. Soekadar, S. R., Birbaumer, N., Cohen, L. G. Brain-computer interfaces in the rehabilitation of stroke and neurotrauma. Systems Neuroscience and Rehabiliation. Kansaku, K., Cohen, L. G. , Springer. Tokyo. 3-18 (2011).
  12. Said, R. R., Heyat, M. B. B., Song, K., Tian, C., Wu, Z. A systematic review of virtual reality and robot therapy as recent rehabilitation technologies using EEG-brain-computer interface based on movement-related cortical potentials. Biosensors. 12 (12), 1134(2022).
  13. Daly, J. J., Huggins, J. E. Brain-computer interface: current and emerging rehabilitation applications. Arch Phys Med Rehabil. 96 (3 Suppl), S1-S7 (2015).
  14. Soekadar, S. R., Witkowski, M., Vitiello, N., Birbaumer, N. An EEG/EOG-based hybrid brain-neural computer interaction (BNCI) system to control an exoskeleton for the paralyzed hand. Biomed Tech (Berl). 60 (3), 199-205 (2015).
  15. Angerhöfer, C., et al. The Berlin Bimanual Test for Tetraplegia (BeBiTT) to assess the impact of assistive hand exoskeletons on bimanual task performance. J NeuroEng Rehabil. 20, 17(2023).
  16. Neofect. Neomano. Wearable Robot Hand Assistance. , https://www.neofect.com/kr/neomano (2024).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

BeBiTS

Похожие статьи