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 artificiais controlados neurally em pacientes com amputações de membros inferiores com segurança e eficientemente.
Para permitir uma operação intuitiva de pernas artificiais alimentados, uma interface entre o usuário eo prótese que pode reconhecer a intenção de movimento do usuário é desejada. Uma nova interface neural-máquina (NMI) baseado em fusão neuromuscular-mecânico desenvolvido em nosso estudo anterior demonstrou um grande potencial para identificar com precisão o movimento pretendido de amputados transfemoral. No entanto, esta interface ainda não foi integrado com uma perna protética alimentado por verdadeiro controle neural. Este estudo teve como objetivo relatar (1) uma plataforma flexível para implementar e otimizar o controle neural de potência inferior próteses para membros e (2) uma montagem experimental e protocolo para avaliar o controle da prótese neural em pacientes com amputações de membros inferiores. Primeiro, uma plataforma baseada em um PC e um ambiente de programação visual foram desenvolvidas para implementar os algoritmos de controle de próteses, incluindo algoritmo NMI treinamento, o algoritmo de testes on-line de MNI, e algoritmo de controle intrínseco. Para demonstrar ofunção desta plataforma, neste estudo, o NMI com base na fusão neuromuscular-mecânico foi hierarquicamente integrados com controle intrínseco de uma prótese transfemoral protótipo. Um paciente com amputação transfemoral unilateral foi recrutado para avaliar o nosso controlador neural implementada ao realizar atividades, como a pé, andando nível do solo, a subida de rampas, e rampa de descida contínua no laboratório. Uma nova configuração eo protocolo experimental foram desenvolvidos a fim de testar o novo controle de prótese de forma segura e eficiente. A plataforma apresentada prova-de-conceito e montagem experimental e protocolo poderia ajudar o futuro desenvolvimento e aplicação de pernas artificiais movidos controlados neurally.
Próteses dos membros inferiores Desenvolvido ganharam uma atenção crescente, tanto no mercado comercial 1,2 e comunidade de pesquisa 3-5. Em comparação com próteses passivas tradicionais, articulações protéticas motorizados têm a vantagem de permitir que amputados de membros inferiores para realizar atividades que são difíceis ou impossíveis quando usar dispositivos passivos de forma mais eficiente. No entanto, atualmente, a transição suave e contínua atividade (por exemplo, a partir do nível do solo caminhando para escada subida) ainda é uma questão desafiadora para os usuários movidos pernas protéticas. Essa dificuldade deve-se principalmente à falta de uma interface máquina que pode "ler" a intenção de movimento do usuário e prontamente ajustar parâmetros de controle da prótese, a fim de permitir que os usuários alternem facilmente o modo de atividade.
Para enfrentar esses desafios, diversas abordagens na concepção de interface de usuário-máquina têm sido exploradas. Onde NMI baseado em eletromiografia (ESinais MG) tem demonstrado um grande potencial para permitir o controle intuitivo de próteses dos membros inferiores potência. Dois estudos recentes 6,7 relatou decodificar o movimento pretendido do joelho falta de amputados transfemurais, monitorando os sinais EMG gravados a partir de músculos residuais durante a posição sentada. Au et al. 5 utilizadas sinais EMG medidos a partir de músculos haste residuais para identificar dois modos de locomoção (a pé nível do solo e descida da escada) de um amputado transtibial. Huang et al. 8 propôs um EMG abordagem de reconhecimento de padrões dependentes de fase que pode reconhecer sete modos de atividade com uma precisão de aproximadamente 90%, como demonstrado em dois amputados transfemurais. Para melhor melhorar o desempenho intenção de reconhecimento, um NMI com base na fusão neuromuscular-mecânico foi projetado em nosso grupo 9 e online avaliada em amputados transfe usando pernas protéticas passivos para o reconhecimento intenção 10,11. Este NMI pode identificar com precisãoatividades pretendidos pelo usuário e prever as transições atividade 9, que era potencialmente úteis para o controle neural de pernas artificiais alimentados.
A questão atual que enfrentamos é como integrar o nosso NMI no sistema de controle da prótese, a fim de permitir a operação prótese intuitiva e garantir a segurança do usuário. Desenvolver verdadeiros pernas artificiais controlados neurally requer uma plataforma flexível no laboratório para facilitar a implementação e otimização de algoritmos de controle da prótese. Portanto, o objetivo deste trabalho é apresentar uma plataforma de engenharia flexível desenvolvido em nosso laboratório para testar e otimizar os algoritmos de controle da prótese. Além disso, a nova configuração experimental e protocolo são apresentados para avaliação das próteses transfemurais movidos controlados neurally em pacientes com amputações de membros inferiores de forma segura e eficiente. A plataforma e design experimental apresentado neste estudo poderia beneficiar o futuro desenvolvimento de verdadeiros controlados neurally, pernas artificiais movidos.
Uma plataforma de engenharia foi desenvolvido neste trabalho para implementar facilmente, otimizar e desenvolver o verdadeiro controle neural de próteses potência. Toda a plataforma foi programado em um ambiente de desenvolvimento baseado instrumentação virtual e implementado em um PC desktop. O software de controle foi composto por vários módulos independentes e intercambiáveis, em cada um dos quais uma funcionalidade específica foi executado (ie NMI reconhecimento intenção e controle intrínseco). A…
The authors have nothing to disclose.
Este trabalho foi financiado em parte pelos Institutos Nacionais de Saúde sob Grant RHD064968A, em parte pela National Science Foundation, Grant 0.931.820, 1.149.385, e Grant Grant 1.361.549, e em parte pelo Instituto Nacional sobre Deficiência e Reabilitação de Investigação no âmbito Grant H133G120165. Os autores agradecem Lin Du, Ding Wang e Gerald Hefferman da Universidade de Rhode Island, e Michael J. Convento no Convento Ortopédica e Protética Technology, LLC, por sua grande sugestão e assistência no estudo.
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 |