Yöntem makalesi

İnme Hastalarında Günlük Aktiviteleri Geliştirmek için Beyin-Bilgisayar Arayüzü Kontrollü Üst Ekstremite Robotik Sistemi

2.4K görüntüleme

⸱

DOI:

10.3791/67601

⸱

18 Nisan 2025

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
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

Bu makalede

Özet

Bu çalışma, inme hastaları için bir üst ekstremite robotik elini kontrol etmek ve günlük aktiviteleri geliştirmek için elektroensefalografi ve elektrookülografi sinyallerini birleştiren bir beyin-bilgisayar arayüzü (BCI) sistemini tanıtmaktadır. Değerlendirmede Berlin Bimanual İnme Testi (BeBiTS) kullanıldı.

Özet

Bu çalışma, inme sonrası rehabilitasyon için Beyin-Bilgisayar Arayüzü (BCI) kontrollü bir üst ekstremite yardımcı robotu tanıtmaktadır. Sistem, elektroensefalogram (EEG) ve elektrookülogram (EOG) sinyallerini kullanarak, kullanıcıların robotik bir el ile etkileşime girerken günlük görevlerde üst ekstremite işlevine yardımcı olmalarına yardımcı olur. Bu BCI-robot sisteminin etkinliğini, her iki eli de içeren bir dizi 10 günlük yaşam görevi olan Berlin Bimanual İnme Testi (BeBiTS) kullanarak değerlendirdik. Bu çalışmaya sekiz inme hastası katıldı, ancak sadece dört katılımcı BCI robot sistemi eğitimine adapte olabildi ve BeBiTS sonrası gerçekleştirebildi. Özellikle, her bir madde için preBeBiTS puanı dört veya daha az olduğunda, BCI robot sistemi BeBiTS sonrası değerlendirmede daha fazla yardımcı etkinlik gösterdi. Ayrıca, mevcut robotik elimiz kol ve bilek işlevlerine yardımcı olmamakta ve karmaşık el hareketleri gerektiren görevlerde kullanımını sınırlamaktadır. BCI-robot sisteminin eğitim etkinliğini doğrulamak için daha fazla katılımcıya ihtiyaç vardır ve gelecekteki araştırmalar, daha geniş bir üst ekstremite fonksiyonu yelpazesine yardımcı olabilecek robotları kullanmayı düşünmelidir. Bu çalışma, BCI-robot sisteminin hastalara günlük yaşam aktivitelerini gerçekleştirmede yardımcı olma yeteneğini belirlemeyi amaçladı.

Giriş

İnme nedeniyle üst ekstremite fonksiyonunun bozulması, günlük aktiviteleri, özellikle de iki elle yapılan işleri gerçekleştirme yeteneğini sınırlar1. Bu nedenle el rehabilitasyonu, inme rehabilitasyonunun önemli bir bileşenidir ve ayna terapisi2 ve Kısıtlamaya Bağlı Hareket Terapisi (CIMT)3 iyi bilinen yaklaşımlardır. Son araştırmalar, EEG tabanlı Beyin-Bilgisayar Arayüzü (BCI) robot sistemlerinin inme hastalarında el fonksiyonlarının iyileşmesini iyileştirmek için etkili bir yardımcı tedavi olabileceğini göstermektedir 4,5,6. BCI robotik sistemleri, hastanın bir motor hareketi denemeye yönelik aktif niyetini performansıyla birleştirmeye odaklanır. Bu yaklaşımın rehabilitasyon için etkili olup olmadığını belirlemek için araştırmalar aktif olarak yürütülmektedir 7,8,9,10,11,12,13.

Bu çalışmada, inme hastalarının bimanuel aktiviteleri gerçekleştirmelerine yardımcı olmak için tasarlanmış BCI kontrollü bir üst ekstremite yardımcı robotik sistemi sunuyoruz. Sistem, motor görüntülerle ilişkili beyin sinyallerini tespit etmek ve yorumlamak için elektroensefalogramları (EEG) kullanır ve ek kontrol girişleri için bunları elektrookülogramlarla (EOG) birleştirir. Bu nörofizyolojik sinyaller, hastaların parmak hareketlerine yardımcı olan robotik bir eli kontrol etmelerini sağlar14. Bu yaklaşım, hastanın hareket etme arzusu ile fiziksel yetenek arasındaki boşluğu doldurur, potansiyel olarak motor iyileşmeyi kolaylaştırır ve günlük görevlerde bağımsızlığı artırır.

Berlin'deki Charité Tıp Üniversitesi'ndeki araştırmacılar, bu BCI robotik sisteminin etkinliğini değerlendirmek için kapsamlı bir değerlendirme aracı olan Berlin Bimanual İnme Testi'ni (BeBiTS) geliştirdiler15. BeBiTS, günlük yaşam için gerekli olan on çift manuel aktiviteyi gerçekleştirme yeteneğini değerlendirerek fonksiyonel iyileşmenin nicel bir ölçüsünü sağlar. Değerlendirme, her görevi ayrı ayrı puanlar ve el işlevinin beş bileşenini değerlendirir: uzanma, kavrama, stabilize etme, manipüle etme ve kaldırma. Günlük yaşam aktivitelerine odaklanarak hastaların fonksiyonel iyileşmelerinin kapsamlı bir şekilde değerlendirilmesini sağlar. Ayrıca, BCI robot sisteminin belirli el fonksiyonlarını geliştirmedeki katkısını ölçmemize olanak tanır. Bu nedenle bu çalışma, inme hastalarında eğitim seanslarından önce ve sonra BeBiTS skorlarını karşılaştırarak etkili bir BCI yardımcı robot sistemi geliştirmeyi amaçlamaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Seul Ulusal Üniversitesi Bundang Hastanesi Kurumsal İnceleme Kurulu, tüm deneysel prosedürleri gözden geçirdi ve onayladı (IRB No. B-2205-756-003). Sekiz inme hastasını işe aldık ve onaylarını almadan önce ilgili ayrıntıları ayrıntılı bir şekilde açıkladık. Bilgilendirilmiş onam alındıktan sonra protokol şu şekilde ilerler: BCI eğitiminden önce bir BeBiTS değerlendirmesi yapıyoruz, ardından EOG ve EEG kullanarak BCI eğitimi alıyoruz. Daha sonra, katılımcılar başka bir BeBiTS değerlendirmesi yapmak için robotu giyerler (Şekil 1).

1. BCI-robot eğitim sistemi kurulumu

  1. Hasta alımı
    1. Aşağıdaki dahil etme kriterlerini kullanarak tarama işlemini gerçekleştirin.
      1. Üst ekstremite fonksiyonlarında bozulma olan 20 ila 68 yaş arası hastaları seçin.
      2. Felçli elin parmaklarını esnetemeyen veya uzatamayan hastaları seçin.
      3. Tek bir subkortikal inme geçiren hastaları seçin (hem iskemik hem de hemorajik inme dahil).
      4. Beyin hasarından 6 aydan fazla olan hastaları seçin.
      5. Fugl-Meyer skoru 31'den az olan hastaları seçin.
    2. İşe alınan tüm hastalara deneysel prosedür hakkında ayrıntılı bilgi verin ve imzalı bilgilendirilmiş onam alın.
      NOT: Bir hasta kriterleri karşılıyorsa ancak onayı imzalayamıyorsa, yasal temsilci imzalı bilgilendirilmiş onayı sağlamalıdır.
  2. BCI sistemi: EEG cihazı
    1. Veri kaydı için bir EEG görüntüleme sistemi (Malzeme Tablosuna bakınız) kullanın.
    2. Özel BCI yazılımına sahip bir kişisel bilgisayar (PC) kullanın ve PC'yi EEG cihazına bağlayın.
  3. Üst Ekstremite yardımı robotik el
    1. Hastanın bozulmuş üst ekstremitesinde üç parmağı destekleyen yardımcı bir robotik el16 kullanılır. Bu robot, yalnızca üç parmağı kapsayacak şekilde tasarlanmış yumuşak, deri benzeri bir eldivendir: başparmak, işaret parmağı ve orta parmaklar. Bir USB dongle kullanarak robotu kablosuz olarak bilgisayara bağlayın.
    2. Bilgisayara bir dongle ile bağlandığında, robotun başlangıç durumu nötrdür, yani eli tamamen açıktır. Tasarlanan BCI sistemi, robotu, ölçülen EEG değerinin eşiği karşılayıp karşılamadığına bağlı olarak, eli ancak yumruk yapma niyetini anladığında kapanabilecek şekilde ayarlar. Şekil 2 , bu BCI-robot sisteminin şemasını göstermektedir.

2. BCI-robot değerlendirmesi

  1. Berlin Bimanual İnme Testi (BeBiTS)
    NOT: BeBiTS değerlendirmesi, inme hastalarında 10 çift manuel günlük yaşam aktivitesinin performansını değerlendirmek için bir araçtır.
    1. Hastayı masaya bakan bir koltuğa rahatça yerleştirin. Değerlendirme görevlerini hem kollarını hem de ellerini kullanarak gerçekleştirmek için hastanın masaya yakın, değerlendirmede kullanılan nesnelerden yaklaşık 30 cm uzakta olduğundan emin olun.
    2. Bimanual aktivitelerin değerlendirilmesi için aşağıdaki 10 öğeyi saklayın: Bir kavanoz açın; plastik bir paket açın; bir su şişesi açın; bir bardak su dökün; et benzeri macun kesin; bir tabak temizlemek; bir tencereyi kaldırın; bir diş macunu tüpü açın; bir diş fırçasına diş macunu uygulayın; Bir ceketin fermuarını kapatın.
      NOT: 10 değerlendirme görevi, tümü masa başında oturarak gerçekleştirilen değerlendirme öğelerini kullanır. Her eylem 10 üzerinden puanlanır ve toplam puan 100'dür.
    3. Tek tek öğe puanlarının yanı sıra beş el işlevi bileşenini değerlendirin ve puanlayın. Bu bileşenler ve ilgili puanları, ulaşma (20), kavrama (20), dengeleme (10), manipüle etme (33) ve kaldırma (17) olup, toplam puan 100 puana kadar çıkmaktadır (Şekil 3).

3. BCI-robot eğitim sistemi

  1. EEG kurulumu
    1. BCI sistemini açın. Şekil 4 , BCI sistemi açıldığında tüm ekranı göstermektedir.
    2. Bir kapak takın ve amplifikatörü bağlayın.
    3. Kaynak modülünde EegoModule | empedans modunu seçin. Mavi ışık gösteren kaynak modülünde Başlat'a basın (Şekil 5A).
    4. Empedansların 10k Ohm'un altında olduğundan emin olun, ardından kaynak modülünde Durdur'a basın.
    5. Verileri akışa almak için modu EEG olarak değiştirin ve başlat düğmesine basın. Verilen yazılımla sinyali kontrol edin (Şekil 5B).
  2. EOG kalibrasyonu
    1. Ön işleme modülünde, EOG montajına özel Boru Hattını seçin (örneğin, sol gözdeki EOG elektrodu için SMR-EOGleft; Şekil 6A).
    2. Görev modülünde, İşaret sayısını ayarlayın (örn. 10). Görev modülü, robotik ele karşı Yönleri ayarlar (Şekil 6B).
    3. Katılımcıya, görünen 10 ok yönünde kısa yanal göz hareketleri yapması talimatını verin (Şekil 6C).
    4. Antrenmandan hemen sonra sonuç grafiğini kontrol edin. Gri çizgiler her bir göz hareketi girişimini temsil eder; ortalama olan turuncu çizginin, eğitimin başarılı olduğunu gösteren taban çizgisine dokunduğunu onaylayın (Şekil 7).
    5. Eğitim başarılı olursa, eşik parametre değerini kaydedin.
      NOT: Göz hareketlerinin tutarlı bir şekilde tekrarlanması esastır. Katılımcıdan katılımcıya değişmekle birlikte, EOG eğitimi genellikle yaklaşık üç denemeden sonra pratiktir ve genellikle tekrarlanan eğitimle gelişir.
  3. EEG kalibrasyonu
    1. Görev modülünde EEGCalibrationTaskModule öğesini seçin (Şekil 8A). Görev modülündeki İşaret sayısı'nı 5 olarak ayarlayın.
    2. Geri Bildirim modülünde, Laterality'yi robotik elin yanına ayarlayın ve Display Pac-Man'in seçili olmadığından emin olun (Şekil 8B).
    3. Siyah ekranda 'Yumruk yapmayı hayal et ' uyarısı göründüğünde katılımcıya yumruk sıktığını hayal etmesini söyleyin (Şekil 8C). Ekran siyah olduğunda katılımcıdan rahatlamasını isteyin. Bu işlemi, yumruk sıkma hayal gücü 5 saniye sürecek ve dinlenme süresi rastgele 10 saniye ile 15 saniye arasında değişerek tekrarlayın.
    4. EEG kalibrasyonundan sonra sonuç grafiğini gözden geçirin ve katılımcının uygun frekans aralığını belirlemek için motor görüntüleri sırasında 8-12 Hz mu-bandındaki karakteristik ERD modelini kullanın. Şekil 11'daki sol grafikten 9 Hz parametre değerini kaydedin, bu da dinlenme durumuna kıyasla motor görüntüleri sırasında ERD yanıtını gösterir. Şekil 9'un sağdaki grafiğinde, yumruk sıkma görüntülerini temsil eden belirgin kırmızı çizgiyi ve yatay noktalı eşik çizgisine göre rahat durumu gösteren mavi çizgiyi vurgulayın.
    5. EEG kalibrasyon eğitimi yeterince yerine getirilirse, referans değeri ve eşiği sağdaki grafiğin altına kaydedin.
      NOT: Ancak, verilen talimatların anlaşılmaması veya BCI cehaleti gibi sorunlar nedeniyle kısa süreli kalibrasyon eğitiminin zor olduğu durumlar olabilir.
  4. Geri bildirimli eğitim
    1. EOG ve EEG eğitimini tamamladıktan sonra, önceki eğitimdeki sonuç grafiği tarafından belirlenen belirli hedef ilgi frekansı, referans değeri ve eşik için yumruk yapma niyetini ayırt eden parametre değerlerini ayarlayın.
    2. Yapılandırılan parametreleri kullanarak Pac-Man kullanarak geri bildirim eğitimine devam edin. Eğitimden sonra parametreler doğru ayarlandıysa, katılımcı yumruğunu sıktığını hayal ettiğinde Pac-Man'in ağzının yavaş yavaş kapanacağını gözlemleyin. Pac-Man'in ağzı düzgün kapanmıyorsa, referans değeri ve eşiği ayarlarken EEG kalibrasyon eğitimini tekrarlayın (Şekil 10).
  5. Deney: BCI robot sistemi kullanılarak BeBiTS değerlendirmesi
    1. Tüm geri bildirim eğitimini (yaklaşık 30 dakika) tamamladıktan sonra, katılımcının robotu takmasını ve eğitimli BCI sistemini kullanarak BeBiTS sonrası değerlendirmeyi yapmasını sağlayın.
      NOT: Hastanın el spastisitesi şiddetli ise, robotu takarken özel dikkat gerekir. Ek olarak, robot tarafından sağlanan üç parmak yardımı bazı hastalar için yeterli olmayabilir ve bu da BeBiTS değerlendirmesinde gerekli olan tüm hareketlerin gerçekleştirilmesini zorlaştırabilir. Bu gibi durumlarda sadece yapılabilecek hareketler değerlendirilir.
    2. Şekil 11A'da gösterildiği gibi ekranda hazır ve başlatma durumunu gösteren beyaz ışığın görünmesini bekleyin. Beyaz ışığı onayladıktan sonra, katılımcılar ışığı yeşile çevirmek için gözlerini bir tarafa hareket ettirirler (Şekil 11B). Yeşil ışık göründüğünde, katılımcılar yumruklarını sıktıklarını hayal ederler.
      NOT: Sistem, katılımcının niyetini iyi algılarsa, yumruğunu sıkmak için katılımcının giydiği robotu harekete geçirir.
    3. Katılımcının robot yardımıyla yumruğunu sıkmasını sağlayın ve ardından Şekil 11C'de gösterilen eylemi gerçekleştirin.
    4. Şekil 11D , robotun yumruk sıkılı bir pozisyonu koruduğunu gösteren kırmızı bir ışık görüntüler. Eylemi tamamladıktan sonra, katılımcı, Şekil 11D'de gösterildiği gibi ekranda bu kırmızı ışığı gözlemler. Bu noktada katılımcı robot yardımıyla elini tekrar açmak isterse gözlerini hareket ettirerek ışık rengini tekrar beyaza çevirebilir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Şekil 12, EOG ve EEG eğitiminin sonuçlarını göstermektedir. Şekil 12A , iyi eğitimli bir katılımcının sonuçlarını temsil etmektedir. EOG eğitim değerleri tutarlıdır ve ortalama (turuncu kalın çizgi) eşik çizgisine düzgün bir şekilde ulaşır. EEG eğitim sonuçları ayrıca mavi (dinlenme durumu) ve kırmızı (motor görüntü) çizgileri arasında net bir ayrım yapar.

Buna karşılık, Şekil 12B , iyi antrenman yapmayan...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bu araştırma, inme hastalarının günlük görevleri yerine getirmelerini desteklemek için bir BCI üst ekstremite yardımcı robotik sistemi sundu. BeBiTS testi15 aracılığıyla iki manuel görevlerin etkinliğini değerlendirdik ve BCI sistemi14 aracılığıyla üst ekstremite yardımcı robotunun çalıştırılması için eğitim uyguladık. Bu yaklaşım, geleneksel rehabilitasyon prosedürlerinin aksine, hastaların robotun operasyonlarını niyetlerine göre kontrol ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarların beyan edebilecekleri herhangi bir çıkar çatışması yoktur.

Teşekkürler

Bu çalışma, Federal Almanya Cumhuriyeti Federal Eğitim ve Araştırma Bakanlığı ve Kore Bilim ve Bilişim Bakanlığı tarafından finanse edilen Alman - Kore Akademi-Sanayi Uluslararası Robotik ve Hafif Yapı/Karbon İşbirliği Programı (Hibe No. P0017226) tarafından desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
Beyin-bilgisayar arayüzü (BCI) araştırması için ticari olmayan kullanım için ücretsiz olanaçık kaynaklı
BrainVision LSL Viewer Brain Products GmbHLSL EEG ve işaretleyici akışlarını izlemek için kullanışlı bir araçtır.
8 kanallı (F3, F4, C3, Cz, C4, P3, P4, EOG) dalga korumalı orijinal kapaklı eego mini amplifikatör;Ant Neuro, HollandaKompakt ve hafif tasarım: eego mini amplifikatör küçük ve hafiftir, çeşitli ortamlarda EEG kaydı için mükemmel taşınabilirlik ve uygunluk sunar.
Neomano neofect, KoreEldiven Malzemesi: Deri, cırt cırtlı, Kaymaz kumaş
Tel Malzeme: Sentetik İplik
Ağırlık: 65 g (keçesiz.)
üç parmağı kapsar: başparmak, işaret parmağı ve orta parmaklar
kişisel bilgisayar ( PC) özel BCI yazılımı ile Pencere Dizüstü Bilgisayar
genel amaçlı BCI2000 yazılım sistemi,

Kaynaklar

  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

st Ekstremite Robotunme RehabilitasyonuEEG EOG SinyalleriRobotik El KontrolBimanuel FonksiyonMotor mgelem E itimiN rorehabilitasyonG nl k Ya am AktiviteleriBeBiTS De erlendirmesi

İlgili makaleler