Neurale-machine interfaces (NMI) zijn ontwikkeld om voortbeweging modus de gebruiker identificeren. Deze NMI potentieel nuttig voor neuronale controle van aangedreven kunstmatige benen, maar nog niet volledig aangetoond. Deze gepresenteerd (1) onze ontworpen technische platform voor eenvoudige implementatie en ontwikkeling van neurale controle voor gemotoriseerde onderste ledematen prothesen en (2) een experimentele opstelling en protocol in een laboratoriumomgeving om neuraal-gecontroleerde kunstmatige benen op patiënten evalueren met amputatie van onderste ledematen veilig papier en efficiënt.
Om intuïtieve bediening van gemotoriseerde kunstmatige benen staat, is een interface tussen de gebruiker en prothese die de gebruiker beweging bedoeling kan herkennen gewenst. Een nieuwe neurale-machine interface (NMI) gebaseerd op neuromusculaire-mechanische fusie ontwikkeld in onze vorige studie heeft een groot potentieel om nauwkeurig te identificeren de beoogde verplaatsing van transfemoraal geamputeerden aangetoond. Echter, deze interface nog niet geïntegreerd met een aangedreven beenprothese voor echte neuronale controle. Deze studie had als doel om (1) een flexibel platform te implementeren en optimaliseren van neurale controle van gemotoriseerde onderste ledematen prothese en (2) een experimentele opstelling en protocol om neurale prothese controle op patiënten evalueren met amputatie van onderste ledematen melden. Eerst een platform gebaseerd op een computer en een visuele programmeeromgeving ontwikkeld om de prothese besturingsalgoritmen inbegrip NMI training algoritme NMI online testalgoritme en intrinsieke regelalgoritme voeren. Aantonen defunctie van dit platform, in deze studie de NMI basis van neuromusculaire-mechanische fusie werd hiërarchisch geïntegreerd intrinsieke controle van een prototype transfemoral prothese. Een patiënt met een unilaterale transfemorale amputatie werd aangeworven om onze geïmplementeerd neurale controller te evalueren bij het uitvoeren van activiteiten, zoals staan, niveau-terrein wandelen, helling stijgen, en oprit afdaling voortdurend in het laboratorium. Een nieuwe experimentele opstelling en protocol ontwikkeld om de nieuwe prothese controle veilig en efficiënt testen. De gepresenteerde proof-of-concept platform en experimentele opstelling en protocol dat de ontwikkeling en toepassing van neuraal-gecontroleerde kunstbenen helpen.
Powered onderste ledematen prothesen hebben steeds meer aandacht gekregen in zowel de commerciële markt 1,2 en onderzoeksgemeenschap 3-5. Vergeleken met de traditionele passieve prothetische benen, gemotoriseerde prothetische gewrichten hebben het voordeel van het toestaan van de onderste ledematen geamputeerden activiteiten die moeilijk of onmogelijk zijn bij het dragen van passieve apparaten efficiënter. Echter, op dit moment, soepele en naadloze overgang activiteit (bijvoorbeeld van niveau grond lopen naar trap opgang) is nog steeds een lastige kwestie voor gemotoriseerde beenprothese gebruikers. Dit probleem is vooral te wijten aan het ontbreken van een gebruiker-machine interface die kan "lezen" van de gebruiker beweging intentie en prompt prothese controle parameters aanpassen om de gebruikers in staat om naadloos schakelen de activiteit modus.
Om deze uitdagingen aan te pakken, hebben verschillende benaderingen in het ontwerpen van user-machine-interface onderzocht. Waarin NMI gebaseerd op elektromyografische (EMG) signalen heeft een groot potentieel om intuïtieve bediening van aangedreven onderste ledematen prothesen staan aangetoond. Twee recente studies 6,7 meldde het decoderen van de beoogde beweging van de ontbrekende knie van transfemoraal geamputeerden door monitoring van de EMG signalen die uit de overblijvende spieren tijdens een zittende positie. Au et al.. 5 gebruikt EMG signalen gemeten vanaf resterende schacht spieren twee motoriek modi (niveau-terrein lopen en trap afdaling) van een transtibiale geamputeerde identificeren. Huang et al.. 8 voorgesteld een fase-afhankelijke EMG patroonherkenning aanpak die zeven activiteit standen kan herkennen met een nauwkeurigheid van ongeveer 90%, zoals blijkt op twee transfemoraal geamputeerden. Om de prestaties intent-erkenning beter te verbeteren, een NMI gebaseerd op neuromusculaire-mechanische fusie werd ontworpen in onze groep 9 en online geëvalueerd transfemoraal geamputeerden dragen passieve prothetische benen voor opzet erkenning 10,11. Dit NMI nauwkeurig kan identificerenvoorgenomen activiteiten van de gebruiker en voorspellen van de activiteit overgangen 9, die nuttig kunnen zijn voor neuronale controle van aangedreven kunstmatige benen was.
De huidige vraag voor ons is hoe we onze NMI integreren in de prothese controlesysteem om intuïtieve prothese bediening mogelijk te maken en zorgen voor de veiligheid van de gebruiker. Het ontwikkelen van echte neuraal-gecontroleerde kunstbenen vereist een flexibel platform in het laboratorium voor eenvoudige implementatie en optimalisatie van de prothese regelalgoritmen. Daarom is de doelstelling van deze studie is een flexibel platform techniek ontwikkeld in ons laboratorium voor het testen en optimaliseren van de prothese besturingsalgoritmen melden. Daarnaast zijn nieuwe experimentele opstelling en protocol gepresenteerd voor het evalueren van de neuraal-gecontroleerde transfemoral prothesen op patiënten met een amputatie van onderste ledematen veilig en efficiënt. Het platform en de experimentele opzet gepresenteerd in deze studie kon de toekomst ontwik profiterenwikkeling van echte neuraal-gestuurde, aangedreven kunstbenen.
Een technisch platform werd in deze studie een eenvoudig te implementeren, optimaliseren en waar neuronale controle van gemotoriseerde prothesen ontwikkelen. Het hele platform is geprogrammeerd in een virtuele instrumentatie gebaseerde ontwikkelomgeving en geïmplementeerd op een desktop PC. De besturingssoftware werd uit verschillende onafhankelijke verwisselbare modules, in elk waarvan een specifieke functionaliteit werd uitgevoerd (dwz NMI opzet herkenning en inhoudelijke controle). Het voordeel van dit modu…
The authors have nothing to disclose.
Dit werk werd mede ondersteund door de National Institutes of Health onder Grant RHD064968A, voor een deel door de National Science Foundation onder Grant 0.931.820, 1.149.385 Grant en Grant 1.361.549, en voor een deel door het National Institute on Disability and Rehabilitation Research onder Grant H133G120165. De auteurs danken Lin Du, Ding Wang en Gerald Hefferman aan de Universiteit van Rhode Island, en Michael J. Klooster bij het nonnenklooster Orthotic en Prothetische Technology, LLC, voor hun goede suggestie en hulp in deze studie.
Trigno Wireless EMG Sensors | Delsys, Inc. | 7 | |
Trigno Wireless EMG Base Station | Delsys, Inc. | 1 | |
Multi-functional DAQ card (PCI-6259) | National Instruments, Inc. | 1 | |
Potentiometer (RDC503013A) | ALPS Electric CO., LTD | 1 | |
Encoder (MR series) | Maxon Precision Motors, Inc. | 1 | |
Motor controller (ADS50/10) | Maxon Precision Motors, Inc. | 1 | |
24 V Power Supply (DPP480) | TDK-Lambda Americas, Inc. | 1 | |
6 DOF Load Cell (Mini58) | ATI Industrial Automation | 1 | |
Ceiling Rail System | RoMedic, Inc. | 1 | |
NI LabView 2011 | National Instruments, Inc. | 1 |