Abstract
Fortschritte in der Robotersysteme haben in Prothesen der oberen Extremität, die multifunktionelle Bewegungen erzeugen kann, geführt. Diese ausgeklügelte Systeme erfordern jedoch oberen Extremität Amputierten, um komplexe Steuersysteme zu lernen. Die Menschen haben die Fähigkeit, neue Bewegungen durch Nachahmung und andere Lernstrategien zu lernen. Dieses Protokoll beschreibt einen strukturierten Rehabilitationsmethode, die Nachahmung, Wiederholung und Reinforcement Learning umfasst, und zielt darauf ab, zu beurteilen, ob diese Methode können multifunktionale Prothesensteuerung zu verbessern. Ein links unten Ellbogen Amputierten, mit 4 Jahre Erfahrung in der prothetischen Verwendung, nahm an dieser Fallstudie. Das verwendete Prothese war Michelangelo Hand mit Handgelenk Rotation, und die zusätzlichen Features der Handgelenk Flexion und Extension, die mehr Kombinationen von Handbewegungen erlaubt. Des Teilnehmers Southampton Hand Bewertungsverfahren Punktzahl verbessert 58-71 folgenden strukturierten Ausbildung. Dies deutet darauf hin, dass eine strukturierte Ausbildung Protokoll imitation, Wiederholung und Verstärkung kann eine Rolle bei Lernen, um eine neue Handprothese steuern. Eine größere klinische Studie ist jedoch erforderlich, um diese Ergebnisse zu unterstützen.
Introduction
Austauschen von Handfunktion in Amputierte ist ein schwieriges Unterfangen. Koordinierende hoch qualifizierte Handbewegungen ist nicht eine angeborene Fähigkeit, und nimmt den Menschen Jahre des Lernens zu entwickeln. 1-5 Nach der traumatischen Verlust einer Hand, zu replizieren diese Fähigkeit durch prothetische Mittel ist keine triviale Aufgabe und kann eine Phase des anhaltenden Lernens erfordern .
Prothetische Design und Schnittstellen Verfahren zu deren Kontrolle unterliegen einem raschen technologischen Innovationen, mit dem Ziel der Multifunktionssteuerung auf natürliche Weise. 6 Die Komplexität dieser Kontrollsysteme wesentlich erhöht, um mehr Funktionen für Amputierte bieten. Um eine genaue Kontrolle dieser Systeme zu gewährleisten und Verzicht auf neue Technologien zu verringern, muss eine angemessene Ausbildung zu etablieren. Dies ist wahrscheinlich erfolgreicher sein, wenn sie auf inhärente Lernstrategien der Amputierten basiert.
Vision kann eine wichtige Rolle bei der le spielenArning von Handbewegungen. Verhaltensstudien haben gezeigt, dass durch die Beobachtung der Handlungen der anderen 7 oder mit visuellen Hinweisen 8, wehrfähigen Personen zu lernen und zu koordinieren, neue Bewegungen. Durch einen Prozess der Beobachtung, das Verständnis und die Ausführung von einer beobachteten Handlung, sind Individuen in der Lage, die Handlungen anderer zu imitieren. Spezifischen kortikalen Netzwerke, die eine spiegelNeuronenSystem (MNS) umfassen kann, wird angenommen, dass diese Funktion unterliegen, und kann eine Rolle bei der Steuerung Prothesen müssen. 9-11
Rolle aus Kunst könnte nicht nur auf die Ausführung von Verfahren, die bereits gesehen haben 12 tatsächlich beschränkt ist, sondern zusammen mit den MNS, ermöglichen den Ablauf der Bewegungen, die bisher nicht beobachtet wurden, aber von der Betrachtermotor repetoire extrapoliert., Kann nicht unter Nachahmung notwendigerweise ist eine angeborene Fähigkeit, sondern eine accruement der motorischen Fähigkeiten im Laufe der Zeit, die auf erfahrene und anspruchsvolle Handlungen führen. 13 Die strength beobachten Aktionen, über einfach nur vorzustellen, sie hat sich gezeigt, zu verbessern das Erlernen neuer Aufgaben. 14 So kann Nachahmung ein pragmatischer Ansatz bei der Ausbildung Amputierte sein, da Hinweise darauf, es ist ein Ziel gerichtet Prozess 15, mit dem Ziel in der Reha-Einstellung ermöglichen nützliche Handprothese Funktion.
Rehabilitation Studien separat gezeigt, dass visuelle Hinweise, wie virtuelle Simulationen eines Prothesenhand, ermutigen Amputierten während des Reha-Training. 16 Darüber hinaus hat die Verwendung von Wiederholung, wenn sie in einem blockierten Paradigma durchgeführt wurde gezeigt, schnelles Lernen der oberen Gliedmaßen prothetischen aktivieren Steuer. 17 Während virtuelle Simulationen haben sich als ebenso wirksam wie wirkliche Kontrolle der prothetischen Hände in ermöglicht abled-Körper-Nutzer myoelektrischen Geräte zu steuern, ist 18 ihre Wirkung auf die Amputierten mit standardisierten Ergebnismessungen nicht klar. Schließlich wird gegebenen Protokolle zur oberen Extremität AMPUtation Ausbildung vorhanden ist, die Rolle der Imitation im Lern von Prothesensteuerung nicht explizit diskutiert. 19,20
Diese Studie zielt darauf ab, das Verständnis, wenn die Verwendung von Nachahmung, in Kombination mit Wiederholung und Verstärkung, hat eine positive Auswirkung auf den Lern multifunktionaler Prothesensteuerung im Rahmen einer strukturierten Ausbildung.
Hier präsentiert wird, ist ein Fallbericht eines transradialen Amputierten, die ausgebildet wurde, um eine multifunktionale Handprothese zu verwenden. Der Teilnehmer hatte zuvor daran gewöhnt, arbeitet traditionellen myoelektrische Prothesen zu werden. Verwenden von visuellen Hinweisen, sowohl in Form von Imitation eines gesunden Demonstrator und so einfach Computer visuelle Rückmeldung, der Amputierte schnell verbesserte Handhabung von seinem neuen Gerät.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Diese Studie wurde in Übereinstimmung mit der Deklaration von Helsinki durchgeführt, sind die lokalen Forschungsethikkommission genehmigt. Die Studie wurde in allen Einzelheiten zu dem Teilnehmer vor Beginn erläutert, so dass die Teilnehmer die Zeit, um abzuwägen, die Entscheidung, freiwillig an der Studie teil und seine Beteiligung informiert, schriftliche Zustimmung bestätigen.
Hinweis: Ein Mann, der im Alter von 27 Jahre, nahmen an der Studie. Der Teilnehmer hatten normale Vision wurde ein links unten-Ellbogen Amputierten und war ein erfahrener Benutzer (4 Jahre Gesamtprothese die Anwendung). Vor Beginn dieser Studie die Prothese er auf einer täglichen Basis verwendet wurde, war ein 4-Kanal myoelektrischen Prothesenhand mit Handgelenkdrehung für 12-15 Stunden pro Tag für 15 Monate. Der Teilnehmer der rechten Hand hatte zuvor chirurgisch rekonstruiert, hatte aber keine andere physikalische oder neurologische Beeinträchtigung.
1. Studiendesign
- Teilen Sie die Studie über zwei Sitzungen: na39; ve Nutzung, und verwenden Sie folgenden strukturierten Ausbildung.
Hinweis: Dies ist, um intraindividuelle Vergleich vor und nach dem Training bzw. zu ermöglichen. - Sicherzustellen, dass diese zwei Sitzungen gibt mindestens drei Monate auseinander liegen, so dass sie als voneinander unabhängig behandelt werden.
- Am Anfang der beiden Sitzungen passen eine individuelle Schaftprothese und dem Teilnehmer. Stellen Sie sicher, dass die prothetische Hardware und Regelalgorithmen mit denen in den Materialien dieses Protokolls aufgeführt. Stellen Sie sicher, dass der Teilnehmer nicht in der Lage, um die maßgeschneiderte Prothese in der Zwischenzeit zwischen den Sitzungen zu verwenden.
- Trainieren Sie den Patienten nach den Schritten im Naive Session und Strukturierte Schulungssitzung Abschnitten dieses Protokolls aufgeführt. Zu Beginn eines jeden dieser Sitzungen, kalibrieren Sie den prothetischen Hardware. Mit den gesammelten Kalibrierdaten für Echtzeit-Prothesensteuerung.
- Sobald das Naive Session und Strukturierte Schulungssitzung abgeschlossen sind, beurteilen die participant Leistung mit der Southampton Hand Bewertungsverfahren (SHAP) Ergebnis Maßnahme. 23 Vergleichen Sie die SHAP Partituren zu einer Baseline-Messung unter Verwendung von Standard-Prothese des Teilnehmers (vor entweder Schulungen erhalten).
2. Materialien
- Montieren Sie den Teilnehmer mit einem speziell angefertigten Sockel. Bringen Sie einen handelsüblichen Prothese nach Herstellerangaben. Bestücken Sie die Handprothese mit Prototyp-Komponenten, die betätigt Handgelenk Flexion, Extension und Rotation zu ermöglichen. Dies ermöglicht es dem Teilnehmer, die Hand mit 3,5 Freiheitsgraden (DoFs) (Tabelle 1) zu steuern.
Hinweis: Bei diesem Experiment ein Michelangelo Hand (siehe Materialliste) verwendet wurde. Andere Endgeräte in der Lage Handgelenk Rotation, Flexion und Extension zusammen mit Standard-Griff-Funktionen wäre auch sinnvoll sein. - Nehmen EMG-Signale mit acht äquidistant platziert Rohsignal Elektroden um den Stumpf,und ein On-Board-Decodiersystem mit der Abtastrate von 1000 Hz digitalisiert und mit 10-Bit-Tiefe. Führen Sie die anfängliche Filterung und Verstärkung in den Elektroden selbst nach den Vorgaben des Herstellers. Verwenden Sie einen Personalcomputer (PC), um die Hauptverarbeitung, die mit Erfassungshardware kommuniziert und steuert die Prothese über eine drahtlose Verbindung durchzuführen.
Hinweis: In dieser Studie wurden von Otto Bock die Oberflächen EMG-Elektroden und On-Board-Entschlüsselungssystem (AxonBus) verwendet. Andere Hersteller von ähnlichen Geräten wäre auch sinnvoll sein. Die WLAN-Verbindung war über Bluetooth, und ebenso andere Modalitäten angewandt werden könnten.
3. Regelalgorithmus
- Verwenden Sie einen Steueralgorithmus, der gleichzeitige und proportional Prothesensteuerung über mehrere DoFs bietet. 21. Die in dieser Studie verwendeten Algorithmus wurde ein zweistufiger Entscheidungs Paradigma, so dass kontextabhängige Bewegungsschätzung nicht möglich war.
- Beim Systemtraining, das alle steuerbaren Einzel DoF Bewegungen enthält, notieren Sie einen eingehenden Elektromyogramm (EMG).
- In der ersten Stufe, zu bewerten intrinsische dreidimensionale Informationen des beabsichtigten Bewegung basierend auf der Mahalanobis-Distanz der neu berechnete EMG-Merkmalsvektor aus den Trainingsdaten. Machen Sie eine Entscheidung getroffen, ob die Absicht des Benutzers wurde zu einem feinen 1-DoF oder eine gröbere gleichzeitige 2-DoF Bewegung durchführen.
Hinweis: Mahalanobis-Distanz eines Merkmalsvektor x zu Klasse i mit dem Klassenmittelwertvektor μ i und Kovarianzmatrix Σ i wird wie folgt berechnet:
Wie in Amsuess et al beschrieben ist, wird der neu berechnete Merkmalsvektor zu der hochdimensionalen Raum und der Mahalanobis-Distanz von dem transformierten Punkt irgendeinem der ausgebildeten Punkte der Klasse zugeordnet ist, als Maß für die Neuheit entnommen. 21 eine empirischermittelten Schwellen diesem Abstand ergibt die Entscheidung für die Neuheit (2-DOF) oder nicht (1-DOF). - In der zweiten Stufe, auf der Grundlage der früheren Entscheidung, eine der zwei parallelen Schätzer - ein Umgang mit den aufeinanderfolgenden Bewegungen (SEQ-E) und den anderen Umgang gleichzeitige Bewegungen (SIM-E) - um die Steuersignale für die Prothese zu schaffen.
Anmerkung: SEQ-E ist im wesentlichen ein Proportional-Schätzer (dh die Stärke der Muskelkontraktion), die auf gemeinsamen räumlichen Muster (CSP) 21, während die SIM-E ist eine lineare Regressor, der gleichzeitig lenkt 2 DoFs des Handgelenks.
4. Software Framework
Hinweis: Die Software-Framework in dieser Studie erlaubt Handhabung der Kommunikation zwischen der prothetischen Hardware und der Embedded-Steuerungsalgorithmus verwendet. Es auch optisch unterstützenden Trainingswerkzeuge für die Maximierung der Teilnehmer Schulungsaufwand angeboten.
- Zeigen Sie den quadratischen Mittelwert (RMS) der EMG Signale von den 8 gleichmäßig beabstandeten Elektroden in Form einer Ortskurve der EMG-Amplitude als Funktion der Elektroden Stelle gesammelt. Diese visuelle Rückkopplung ermöglicht eine einfache Überwachung der räumlichen Verteilung der EMG in der Querebene des Unterarms. Verwendung einer derartigen Einrichtung kann jede der Bewegungen des Benutzers, wodurch ein bestimmtes Muster 22 hervorzurufen in der Ortskurve, die dann gespeichert und verwendet, um die Reproduzierbarkeit des spezifischen Geste ausbilden kann.
Anmerkung: Der Rahmen ermöglicht die Sammlung von EMG-Daten im Standardmustererkennungs Weise 23 für jeden der Kanäle die RMS-EMG als 40 msec berechnet.
was zu Beobachtungen für jedes Ensemble Fenster. - Für anfängliche Kalibrierung sammeln die maximale langfristige freiwillige Kontraktion Werte (MLVC) für jeden beabsichtigten Bewegung. Fordert den Teilnehmer unter Verwendung der Hand des Demonstrators zu erfüllendie gewünschte Bewegung und gibt Vokal- und visuelle Anweisungen für 5 Sekunden.
- Nach der Kalibrierung stellen die Teilnehmer mit einer Reihe von trapezförmigen Cues. Diese Kraftprofile enthalten Plateaus Satz bei 30%, 60% und 90% des kalibrierten Maximal.
- Innerhalb jeder Studie, weisen Sie den Teilnehmer, den roten Zeiger entlang der Cue durch Modulation der Kraftniveau der Aufforderung Bewegung (Abbildung 1) zu steuern. Die vertikale Position des Zeigers entspricht der aufsummierten Effektivwerte für alle acht Kanäle. Stellen Sie die Dauer des Verfahrens bis 5 s mit Plateau Intervall entsprechend der Mitte 3 Sek.
5. Naive Session
Hinweis: Während der naive Training hatte die Teilnehmer keine vorherige Erfahrung des Prothesensteuerungsschema in dieser Studie verwendet.
- Geben Sie nicht dem Teilnehmer eine formale klinische Ausbildung, sondern nur anzuweisen, dass 8 Maßnahmen des Stumpfes, eines davon ist ein Ruhezustand,die Steuerung eines visuellen Ziels auf einem Computer-Bildschirm zu ermöglichen. Diese Aufgaben sind ähnlich denen in der klassischen Mustererkennung verwendet Ansätze für Prothesensteuerung 23, und für die Methoden der Teilnehmer in dieser Studie hatten etwa 60 h der bisherigen Erfahrungen.
- Zeigen Sie die erforderlichen Bewegungen auf dem Bildschirm in Form von Text und ein statisches Bild, während nach einer visuellen Hinweis (Abbildung 1).
- Zeigen Sie der Teilnehmer seinen EMG Aktivierungsmuster, die zu acht spezifischen und einzigartigen Polardiagramme (Abbildung 2) entsprechen.
- Verwenden akustische Anweisungen, um die Teilnehmer zu ermutigen, die visuellen Hinweis zu folgen. Diese akustische Anweisungen müssen identisch sein, wenn in der strukturierten Trainingseinheit verwendet.
- Wiederholen Sie die Aufgaben dreimal mit verschiedenen Arm-Positionen (entspannt und erreichte vor und erreichte gegenüber), um die Systembildung. Denken Sie daran, dass es 8 verschiedene Aktionen und drei Kraftwerken, sobald alle arm Positionen gedeckt sind,System Trainingseingabe fasst an die insgesamt 72 Einzelproben.
- Wenn Sie fertig sind, ermöglichen dem Teilnehmer die Möglichkeit, Echtzeit-Kontrolle vor dem Abschluss der SHAP Erfolgskontrolle üben.
- Sicherstellen, dass die Teilnehmer keinen Zugriff auf die maßgeschneiderte Prothese und Regelalgorithmen über das Ende des naiv-Sitzung.
6. Strukturiertes Training Session
- Drei Monate nach dem naiv-Sitzung, führen einen strukturierten Trainingseinheit.
- Strukturieren Sie die Sitzung in den folgenden geordneten Schritten (Abbildung 3):
- Zur Nachahmung, weisen Sie den Teilnehmer direkt imitieren die gewünschten acht Aktionen (Tabelle 1) von der Demonstrator in Echtzeit durchgeführt. Führen Sie jede Aktion für 3 Sekunden.
- Für die Wiederholung, bitten Sie die Teilnehmer, um die Aktion, die 10 Mal nachgeahmt wurde wiederholt, so dass jede Aktion wird für 30 Sekunden durchgeführt.
- Zur Verstärkung & Computer system Training, fragen Sie die Teilnehmer nun eine visuelle Rückmeldung des Computers zu engagieren, das ist genau die gleiche Einstellung wie die Naive Sitzung. Sicherzustellen, dass es keinen Unterschied zwischen diesen beiden Abschnitten.
- Für Prothesensteuerung, bitten Sie den Teilnehmer, Echtzeit-Steuerung der Prothese angefertigt, bevor Sie die Erfolgskontrolle zu üben.
- Während Nachahmung, sitzen die Teilnehmer in einem 45 ° Winkel von der Demonstrator und bieten mit einem vollen und ungehinderten Blick auf die Hand des Demonstrators Anpassung der betroffenen Seite des Teilnehmers während aller Aktionen (Abbildung 4). Keine visuelle Hinweise von einem Computer-Bildschirm zur Verfügung stehen sollte dem Teilnehmer zu diesem Zeitpunkt.
- Für die Wiederholung, während der Aktionen der Teilnehmer, haben der Demonstrator beachten Sie die entsprechenden EMG-Aktivität, wie durch die Polardiagramme jeder Bewegung (Abbildung 4) vertreten. Sobald der Demonstrator hat, dass der TEILNEHMER bestimmtt können einzigartige und wiederholbare EMG Aktivierungsmuster für jede Bewegung zu erzeugen, bitten Sie den Teilnehmer, um die Aktionen für 30 s ohne visuelle Hinweise zu wiederholen.
Hinweis: Es gibt insgesamt 8 einzigartige Aktionen - sieben von ihnen (Handgelenk Pronation / Supination Handgelenk Flexion / Extension, Hand geöffnet, Schlüsselgriff und feine Prise) Muskelaktivierung erfordern, und der achte wobei keine Aktion, die einen stetigen entspannten Zustand darstellt. - Nach der Verstärkung & Computersystem Ausbildung, präsentieren die Teilnehmer mit visuellem Feedback seiner acht Aktionen, genau so, wie in der naiv-Sitzung, die zu den acht einzigartigen und spezifischen Polardiagramme auf dem Bildschirm entsprechen (Abbildung 3) zu sehen. Zur Optimierung der Leistung, fragen Sie die Teilnehmer, die Handlungen, während Sie die Echtzeit-Polardiagramme mit aufgezeichneten Bewegungsüberlagerungen zum Lernen zu stärken, in der Regel zwischen 2-4 Versuche für jede Bewegung durchzuführen. Einmal überzeugt, kann der Teilnehmer führen Sie die gleichen Aufgaben, die perf waren ORMED in der naiv-Sitzung.
7. Prothesensteuerung
- Nutzen Sie die Trainingsdatensätze aus jeder Sitzung zu kalibrieren und die Prothese für die Echtzeitsteuerung.
- Zunächst wird nur erlauben dem Teilnehmer, um die Prothese durch aufeinanderProportionalSteuerung, dh eine Bewegung in einer Zeit, mit der Geschwindigkeit der Vorrichtung im Verhältnis zu den Ebenen der Muskelkontraktion zu steuern.
- Sobald jeder der acht Aktionen werden in eine wiederholbare und zuverlässige Weise durchgeführt wird, schaltet das Steuersystem eine proportionale und gleichzeitige Steuerung, so dass mehr als eine Bewegung des Handgelenks zu einem Zeitpunkt.
- Haben die Teilnehmer der Praxis einfache Aufgaben wie Kommissionierung eine Flasche und legte sie auf die Seite (2 Versuche ist ausreichend). Lassen Sie eine Zeit der Ruhe, bevor die Erfolgskontrolle durchgeführt wird. Im Falle dieser Studie 2 h ruhen sollte die naive Sitzung und 24 h ruhen sollte die strukturierte Sitzung.
- Werten Sie globalen oberen Extremität Funktion sowohl in den naiven und strukturierte Schulungen mit dem SHAP, die Hand und der oberen Extremität Funktion eng mit Aktivitäten des täglichen Lebens (ADL) im Zusammenhang überwacht. Die in der SHAP ausgeführten Aufgaben zählen Manipulations leichten und schweren Gegenständen sowie Aufgaben der ADL, wie beispielsweise Schneiden eines Objekts mit einem Messer oder zum Verhängnis Tasten. Die SHAP hat zur Beurteilung der pathologischen und Handprothese Funktion validiert. 24
Hinweis: Diese Messung wurde gewählt, weil der Teilnehmer in dieser Studie war routinemäßig mit diesem Ergebnis Maßnahme von seiner klinischen Team folgte.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Die Baseline-SHAP Leistung der Teilnehmer mit seinem täglichen Prothese war 81, als durch die klinische Personal 8 Monate vor dem Test gemessen. Ein SHAP Score von 100 stellt fähigen Handfunktion. 24 der Teilnehmer während der naiv-Sitzung mit dem fortgeschritteneren Prothese Kontrollsystem hat eine Gesamtpunktzahl von 58 SHAP. Allerdings, 3 Monate später und ohne weitere Interaktion mit dem neuen System, abgesehen von der strukturierten Ausbildung, erreicht der Teilnehmer eine SHAP Punktzahl von 71 mit der gleichen fortschrittlichen System (Tabelle 2).
Wenn die Gesamt SHAP Partitur wurde nach unten in Funktionsprofil Beurteilung gebrochen wurde beobachtet, dass der Teilnehmer war auch in allen funktionellen Gruppen (sphärische, Macht, Spitze, seitlich und Verlängerungsgriff) durchgeführt, mit Ausnahme der Dreifingergriff. Allerdings war die größte beobachtete Verbesserung bei der Erweiterung, eine Funktion, die das neue Steuerschema und Prothese während seine Tradition bereitgestelltal Prothese nicht (5). Dies kann auch zu einer Verbesserung der sphärischen Griff, die besser nach dem strukturierten Trainingseinheit als die Baseline oder der naiven Session war beigetragen haben. Neben komplexen ADL Bewegungen, die kombinierten Bewegungen des Handgelenkes und der Hand, wie Krug und Karton beteiligt Gießen wurden am besten nach dem strukturierten Trainingseinheit mit Hilfe der erweiterten Prothesensystem ausgeführt.
Abbildung 1. Beispiel visuelle Hinweise für Teilnehmer Verstärkung und Systemschulung eingesetzt. Die blaue Zielprofil stellt das gewünschte Niveau der während einer bestimmten Bewegung produziert EMG Kontraktion. Die rote Linie stellt Tracking Bemühungen der Teilnehmer. Bitte klicken Sie hier, um eine größere Version dieses fi ansehenAbbildung.
Abbildung 2. Die Profile für die aktiven Bewegungen, die so genannte polare Plots, der einzelnen Sätze durch den Teilnehmer erzeugt während der Nachahmung Aufgabe. Diese wurden während des Systemausbildung verstärkt und schließlich verwendet, um die Handprothese steuern. Bitte beachten Sie, dass Ruhe oder no-Bewegung wird als eine einmalige Aktion, und als solche nicht ein Overlay zu erzeugen. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Abbildung 3. Diese schematische stellt die strukturierte Trainingseinheit. Der Teilnehmer zum ersten Mal beobachtet und imitiert die Aktionen des Demonstrators. Vor sehen Hallos Leistung als Graphen auf einem Computerbildschirm, wiederholte er die gelernten Bewegungen ohne visuelles Feedback. Die gelernten Bewegungen wurden von passenden Muskelkontraktionen aufgezeichnet EMG-Muster verstärkt und dann verwendet, um Steueralgorithmen des Systems, das multifunktionale Prothesensteuerung aktiviert trainieren.
Abbildung 4. Versuchsaufbau bei der strukturierten Trainingseinheit. Der Teilnehmer hatte einen vollen und ungehinderten Blick auf die linke Hand des Demonstrators während Nachahmung. Während der Wiederholungsphase würde der Demonstrator hörbare Anweisung, um sicherzustellen, Bewegungen der Teilnehmer abgestimmt, die während der Nachahmung Phase erzeugt Kontraktionen zu geben. Schließlich während der Systemausbildung, die Bewegungen wurden mit visuellen Hinweisen, die auf dem Computerbildschirm, um sowohl dem Teilnehmer und Demonstrator angezeigt wurden verstärkt.
Abbildung 5. Die Aufteilung der Gesamt SHAP Scores zwischen der Baseline (BL) der naive Sitzung (NS) und die strukturierte Trainingseinheit (STS). Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
| Prothetische Funktion | Phantom Limb Bewegungs |
| Pronation | Handgelenk-Drehung nach innen völlig entspannt Finger |
| Supination | Handgelenk-Drehung mit völlig entspannt Finger nach außen |
| Flexion | Ulnardeviation |
| Verlängerung | Handgelenk-Erweiterung |
| Palmar Griff | Thumb Adduction leicht überqueren nach hinten in Richtung der Rückseite der Hand |
| Feine Prise | Opposition von Daumen, um den ersten drei Fingern, leichte Erweiterung des kleinen Fingers |
| Hand geöffnet | Eröffnung der Hand mit Fokus auf dem Ausbau der mittleren drei Ziffern |
| Keine Bewegung | Volle Entspannung der Hand und des Handgelenks |
Tabelle 1 gewünschte prothetische Funktionen zu den Phantombewegungen, die der Teilnehmer in der Lage, die Visualisierung und die Ausführung mit der restlichen Anatomie war abgebildet.
| Abstrakte Objekte | |||||||
| BL | NS | STS | BL | NS | STS | ||
| Lichtkugel | 2.46 | 2.66 | 2.5 Schwere Sphere | 3.25 | 4.78 | 2.1 | |
| Lichtstativ | 2.35 | 3.56 | 2.78 | Schwerstativ | 2.44 | 3.53 | 2.5 |
| Light Power | 2.41 | 3.25 | 2.28 | Schwerkraft | 2.41 | 3.22 | 2.72 |
| Licht Lateral * | 4.72 | 2.81 | 4.97 | Schwere Lateral | 5.1 | 5.31 | 5.22 |
| Licht Tipp | 2.25 | 2.88 | 2.53 | Schwere Tipp | 3.1 | 4.47 | 2.22 |
| Leichte Erweiterung | 1.96 | 3.88 | 2.37 | Schwere Verlängerung | 2.9 | 4.88 | 2.59 |
| Aktivitäten des täglichen Lebens | |||||||
| BL | NS | STS | BL | NS | STS | ||
| Münzen | 17,81 | 22.25 | 21.53 | Voll Jar | 3.13 | 10,37 | 3.75 |
| Button Board | 8.25 | 35,2 | 27.06 | Leeres Zinn | 2.53 | 4.15 | 2.82 |
| Schnitt | 18.15 | 27.47 | 25.59 | Magazinanhubmotor | 3.97 | 7.25 | 5.5 |
| Umblättern | 8.18 | 11,97 | 5.19 | Schlüssel | 4.82 | 9.25 | 6.03 |
| Deckel Einmachglas | 2.93 | 3.3 | 2.38 | Zip | 4.83 | 10.59 | 7.31 |
| Krug Gießen | 10,16 | 8.93 | Schraubendreher | 10.1 | 25,31 | 15.31 | |
| Carton Gießen | 11 | 11,35 | 9.72 | Türgriff | 2.24 | 3.53 | 2.75 |
| SHAP Punktzahl | 81 | 58 | 71 | ||||
Tabelle 2. SHAP Ergebnisse für den Teilnehmer während der naiv-Sitzung (NS), gefolgt von der strukturierten Trainingseinheit (STS) nach 3 Monaten, im Vergleich zu den Baseline (BL). * Der Teilnehmer nur schlechter als der Licht seitlichen Aufgabe in der strukturierten Ausbildung Sitzung im Vergleich zum naiven Sitzung. Die Gesamt SHAP Score von 100.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Unsere Ergebnisse legen nahe, für den Teilnehmer in dieser Studie, dass strukturiertes Training geholfen Steuerung eines Multifunktionshandprothese zu verbessern während einer einzigen Sitzung. Das strukturierte Programm verwendet hier war eine Kombination von Nachahmung, Wiederholung und Verstärkung von Handbewegungen, dass der Teilnehmer nicht in der Lage, mit seinem traditionellen Handprothese zu vervollständigen.
Obwohl die Teilnehmer höher mit seinem traditionellen Prothese im SHAP Test erzielt, ist es erwähnenswert, dass er in der Regel trug dieses Gerät zwischen 12-15 Stunden pro Tag über einen Zeitraum von 15 Monaten. Wie von der Grundlinie SHAP Score dokumentiert, ist es klar, dass er gelernt hatte und sich nach einer sehr langen Lernphase daran gewöhnt, seine traditionellen Prothese. Die Schwierigkeit bei der Umstellung auf die Multifunktionshand, nachdem er so daran gewöhnt, seine traditionellen Prothese wurde durch den starken Rückgang der in der naiv-Sitzung beobachtet Leistung betont. Dies war zu erwarten, als Beweis suggests, dass als Individuum lernt neue motorische Fähigkeiten entwickeln sie ein internes Modell der Aktionen durchgeführt wird. 25 Wenn es irgendeine Form von Störung in diesem internen Modell, wie die Änderung zu einer neuen Prothese erfordern neue Steuereingänge, die Nachwirkungen von Lernen einige Zeit dauern, zu zerstreuen, während eine neue interne Modell wird erstellt. 26 Dennoch, eine einzelne Sitzung von strukturierten Ausbildung erlaubt den Teilnehmer zu seiner üblichen Gerät in einigen der von der SHAP Test geforderten Aufgaben zu übertreffen und sich auf Gesamt-Score in der Nähe zu erreichen daß mit der herkömmlichen Vorrichtung erhalten. Der Einsatz von strukturierten Ausbildung, wie in Abschnitt 6 des Protokolls dargelegt kann der entscheidende Schritt, der die Teilnehmer aktiviert haben könnte, um kompetente Steuer erreichen.
Erlernen einer neuen Aufgabe für Amputierte ist durch die Abwesenheit von Nervenrezeptoren im Bereich der Gelenke und der Muskulatur, die empfindlich auf Positions- und Bewegungsänderungen sind kompliziert. 27 These Propriozeptoren aktivieren Nichtbehinderte Menschen wissen, wo ihre Hände sind im Verhältnis zu ihrem Körper, ohne die Verwendung des Sehens. 28 Wenn ein Glied verloren geht, diese Propriozeptoren sind verloren, was Vision, eine stärkere Rolle bei der Kontrolle als unter normalen Bedingungen zu spielen. Amputierte muss nicht nur wieder lernen zu kontrollieren Handbewegungen, aber auch, dies zu tun mit einem Gerät, das keine Rückmeldung andere als die optisch erhalten bietet. Dies macht den Lernprozess erschwert.
Als solche müssen alle Bildungsstrategien, die Prothesen, die keine taktile oder propriozeptive Feedback zu geben verwenden einen Schwerpunkt auf die visuelle Rückmeldung zu platzieren. In unserem Fall haben wir versucht, dies mit Nachahmung der gewünschten Bewegungen. Die Komplexität der Nachahmung wird von der verteilten Natur des neuronalen Prozesses in der Frontalbeispielhaft dargestellt. 29,30 Separate Regionen werden zeitliche und Scheitellappen glaubte für die Wahrnehmung der Bewegung der anderen 31,32 und dann die Integration verantwortlich zu seindiese Informationen in eine entsprechende motorische Reaktion. 9,33,34 Es ist wahrscheinlich, dass während der Entwicklung des Teilnehmers in das Erwachsenenalter, und vor der Amputation, die neuronalen Schaltkreise erforderlich, um erlernte Handbewegungen auszuführen geworden war klar definiert, so sehr, dass natürliche Hand Bewegungen waren schnell und instinktiv. Die Verzerrung der Anatomie nach der Amputation erforderlich sind neue neuronale Schaltkreise zu bilden, um die Kontrolle über seinen traditionellen Prothese zu ermöglichen. Die Verbesserung der SHAP punkten folgenden strukturierten Trainingseinheit, legt nahe, dass diese neuronalen Schaltkreise waren formbar genug, um auf die neue Prothesensteuerungsstrategie anzupassen, trotz des Mangels an Erfahrung.
Es ist erwähnenswert, dass der Teilnehmer bemerkte, dass der Akt der Nachahmung ihm erlaubt, Handbewegungen intern sichtbar zu machen und die entsprechenden Muskelkontraktionen zu erzeugen. Er fand diese intuitiver als einzig passende seinen Kontraktionen, um visuelle Vertregen auf einem Computerbildschirm. Es ist auch bekannt, dass Amputierte lieber von anderen prothetischen Benutzer lernen. 11 Die Vorrichtung und Steuerungsalgorithmen in dieser Studie verwendet wurden, waren sowohl neu. Als solcher gab es keine vorherige erfahrenen Amputierte, die als Demonstranten handeln könnte. Künftige Verbesserungen dieses Protokolls wäre somit aus, die ein erfahrener Amputierten Nachweis der Maßnahmen zur nachgeahmt werden profitieren.
Während dieser Studie wurden die Vorteile der strukturierten Ausbildung, war die Entwicklung nicht ausreichend, um zu bestimmen, ob Nachahmung, Wiederholung, Verstärkung oder die Kombination aus allen drei Lernstrategien trugen zur endgültigen Endpunkt. Stattdessen Diese Fallstudie legt den Grundstein für die weitere Arbeit, um die neuronalen Schaltkreise im fortgeschrittenen prothetische Kontrolle beteiligt zu untersuchen.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Die Autoren erklären, keine konkurrierenden finanziellen Interessen ab.
Acknowledgments
Die Autoren danken Herrn Hans Oppel und seine Prothesentechniker der Otto Bock Healthcare Products GmbH zur Herstellung der Buchse durch den Teilnehmer in dieser Studie danken. Diese Studie wurde von der European Research Council (ERC) über den ERC Advanced Grant DEMOVE (No. 267888), der Rat für Forschung und Technologieentwicklung, und dem österreichischen Bundesministerium für Wissenschaft, Forschung und Wirtschaft unterstützt.
Materials
| Name | Company | Catalog Number | Comments |
| Michelangelo Hand | Otto Bock Healthcare Products GmbH, A | 8E500=L-M | |
| AxonRotation | Otto Bock Healthcare Products GmbH, A | 9S503 | |
| Wrist Flexor | Otto Bock Healthcare Products GmbH, A | prototype unit | |
| AxonMaster | Otto Bock Healthcare Products GmbH, A | 13E500 | |
| Electrode | Otto Bock Healthcare Products GmbH, A | 13E200=50AC | |
| ScissorFenceElectrodeCarrier | Otto Bock Healthcare Products GmbH, A | prototype unit | |
| Acquisition Software | Otto Bock Healthcare Products GmbH, A | prototype unit | |
| Carbon shaft | Otto Bock Healthcare Products GmbH, A | prototype unit |
References
- Forssberg, H., Eliasson, A. C., Kinoshita, H., Johansson, R. S., Westling, G. Development of human precision grip. I: Basic coordination of force. Experimental Brain Research. 85 (2), 451-457 (1991).
- Forssberg, H., Kinoshita, H., Eliasson, A. C., Johansson, R. S., Westling, G., Gordon, A. M. Development of human precision grip. II. Anticipatory control of isometric forces targeted for object’s weight. Experimental Brain Research. 90 (2), 393-398 (1992).
- Gordon, A. M., Forssberg, H., Johansson, R. S., Eliasson, A. C., Westling, G. Development of human precision grip. III. Integration of visual size cues during the programming of isometric forces. Experimental Brain Research. 90 (2), 399-403 (1992).
- Forssberg, H., Eliasson, A. C., Kinoshita, H., Westling, G., Johansson, R. S. Development of human precision grip. IV. Tactile adaptation of isometric finger forces to the frictional condition. Experimental Brain Research. 104 (2), 323-330 (1995).
- Eliasson, A. C., et al. Development of human precision grip. V. anticipatory and triggered grip actions during sudden loading. Experimental Brain Research. 106 (3), 425-433 (1995).
- Roche, A. D., Rehbaum, H., Farina, D., Aszmann, O. C. Prosthetic Myoelectric Control Strategies A Clinical Perspective. Current Surgery Reports. 2 (44), (2014).
- Buccino, G., et al. Neural circuits underlying imitation learning of hand actions: An event-related fMRI study. Neuron. 42 (2), 323-334 (2004).
- Saunders, J. A., Knill, D. C. Humans use continuous visual feedback from the hand to control fast reaching movements. Experimental Brain Research. 152 (3), 341-352 (2003).
- Rizzolatti, G., Craighero, L.
- Maruishi, M., et al. Brain activation during manipulation of the myoelectric prosthetic hand: a functional magnetic resonance imaging study. NeuroImage. 21 (4), 1604-1611 (2004).
- Cusack, W. F., et al. A Neural activation differences in amputees during imitation of intact versus amputee movements. Frontiers in Human Neuroscience. 6 (June), 182 (2012).
- Vogt, S., Buccino, G., Wohlschläger, A. M., Canessa, N., Shah, J. N., Zilles, K., Eickhoff, S. B., Freund, H. J., Rizzolatti, G., Fink, G. R. Prefrontal involvement in imitation learning of hand actions: Effects and expertise. Neuroimage. 37 (4), 1371-1383 (2007).
- Gonzalez-Rosa, J. J., Natali, F., Tettamanti, A., Cursi, M., Velikova, S., Comi, G., Gatti, R., Leocani, L. Action observation and motor imagery in performance of complex movements: Evidence from EEG and kinematics analysis. Behavioural Brain Research. 281, 290-300 (2015).
- Bekkering, H., Wohlschläger, A. M., Gattis, M. Imitation of gestures in children is goal-directed. The Quarterly Journal of Experimental Psychology. 53 (1), 153-164 (2000).
- Catmur, C., Walsh, V., Heyes, C. Associative sequence learning: the role of experience in the development of imitation and the mirror system. Philosophical Transactions of the Royal Society B. 364 (1528), 2369-2380 (2009).
- Resnik, L., Etter, K., Klinger, S. L., Kambe, C. Using virtual reality environment to facilitate training with advanced upper-limb prosthesis. Journal of Rehabilitation Research and Development. 48 (6), 707-718 (2011).
- Bouwsema, H., van der Sluis, C. K., Bongers, R. M. The role of order of practice in learning to handle an upper-limb prosthesis. Archives of Physical Medicine and Rehabilitation. 89 (9), 1759-1764 (2008).
- Bouwsema, H., vander Sluis, C. K., Bongers, R. M. Learning to control opening and closing a myoelectric hand. Archives of Physical Medicine and Rehabilitation. 91 (9), 1442-1446 (2010).
- Simon, A. M., Lock, B. A., Stubblefield, K. A. Patient training for functional use of pattern recognition-controlled prostheses. Journal of Prosthetics and Orthotics JPO. 24 (2), 56-64 (2012).
- Stubblefield, K. A., Miller, L. A., Lipschutz, R. D., Kuiken, T. A. Occupational therapy protocol for amputees with targeted muscle reinnervation. The Journal of Rehabilitation Research and Development. 46 (4), 481 (2009).
- Amsüss, S., Roche, A. D., Göbel, P., Graimann, B., Farina, D., Aszmann, O. C. Regaining high functional, multiple degrees of freedom hand control following bionic reconstruction. , MyoElectric Controls Symposium. (2014).
- Dosen, S., Muller, K. -R., Farina, D. Myoelectric Control of Artificial Limbs—Is There a Need to Change Focus [In the Spotlight]. IEEE Signal Processing Magazine. 29 (5), (2012).
- Amsuess, S., Gobel, P., Graimann, B., Farina, D. A Multi-Class Proportional Myocontrol Algorithm for Upper Limb Prosthesis Control: Validation in Real-Life Scenarios on Amputees. IEEE Transactions on Neural Systems and Rehabilitation Engineering : A Publication of the IEEE Engineering in Medicine and Biology Society. 4320(c), 1-11 (2014).
- Light, C. M., Chappell, P. H., Kyberd, P. J. Establishing a Standardized Clinical Assessment Tool of Pathologic and Prosthetic Hand Function: Normative Data, Reliability, and Validity. Archives of Physical Medicine and Rehabilitation. 83 (6), 776-783 (2002).
- Wolpert, D. M., Ghahramani, Z., Jordan, M. I. An internal model for sensorimotor integration. Science (New York, N.Y). 269 (5232), 1880-1882 (1995).
- Shadmehr, R., Mussa-Ivaldi, F. A. Adaptive representation of dynamics during learning of a motor task. The Journal of Neuroscience the Official Journal of the Society for Neuroscience. 14 (5 Pt 2), (1994).
- Hogervorst, T., Brand, R. A.
- Bosco, G., Poppele, R. E. Proprioception from a spinocerebellar perspective. Physiological Reviews. 81 (2), 539-568 (2001).
- Iacoboni, M., Molnar-Szakacs, I., Gallese, V., Buccino, G., Mazziotta, J. C. Grasping the intentions of others with one’s own mirror neuron system. PLoS Biology. 3 (3), 0529-0535 (2005).
- Williams, J. H. G., Whiten, A., Waiter, G. D., Pechey, S., Perrett, D. I. Cortical and subcortical mechanisms at the core of imitation. Social Neuroscience. 2 (1), 66-78 (2007).
- Allison, T., Puce, A., McCarthy, G. Social perception from visual cues: Role of the STS region. Trends in Cognitive Sciences. 4 (7), 267-278 (2000).
- Thompson, J. C., Hardee, J. E., Panayiotou, A., Crewther, D., Puce, A. Common and distinct brain activation to viewing dynamic sequences of face and hand movements. NeuroImage. 37 (3), 966-973 (2007).
- Binkofski, F., et al. A fronto-parietal circuit for object manipulation in man: Evidence from an fMRI-study. European Journal of Neuroscience. 11 (9), 3276-3286 (1999).
- Iacoboni, M.
