Ingegneria della piattaforma e protocollo sperimentale per la progettazione e la valutazione di un Powered transfemorale protesi neurale controllata
Summary
Interfacce Neural-macchina (NMI) sono stati sviluppati per identificare la modalità locomozione dell'utente. Questi INM sono potenzialmente utili per il controllo neurale delle gambe artificiali alimentati, ma non sono stati pienamente dimostrato. Questo documento presentato (1) la nostra piattaforma di ingegneria progettato per una facile attuazione e lo sviluppo del controllo neurale per alimentati protesi di arto inferiore e (2) un setup sperimentale e il protocollo in un ambiente di laboratorio per valutare gambe artificiali neuro-controllato su pazienti con amputazioni degli arti inferiori in modo sicuro ed efficiente.
Abstract
Per abilitare il funzionamento intuitivo di gambe artificiali alimentati, una interfaccia tra utente e protesi in grado di riconoscere il movimento intento dell'utente si desidera. Una nuova interfaccia neurale-macchina (NMI) sulla base neuromuscolare-meccanico fusione sviluppato nel nostro studio precedente ha dimostrato un grande potenziale per identificare con precisione il movimento previsto di utenti transfemorali. Tuttavia, questa interfaccia non è ancora stato integrato con una protesi della gamba alimentato per un vero controllo neurale. Questo studio ha lo scopo di segnalare (1) una piattaforma flessibile per implementare e ottimizzare il controllo neurale della alimentato protesi di arto inferiore e (2) un setup sperimentale e il protocollo per valutare il controllo protesi neurale su pazienti con amputazioni degli arti inferiori. In primo luogo una piattaforma basata su un PC e un ambiente di programmazione visuale sono stati sviluppati per implementare gli algoritmi di controllo protesi, tra cui l'algoritmo NMI formazione, algoritmo di test online NMI, e algoritmo di controllo intrinseco. Per dimostrare lafunzione di questa piattaforma, in questo studio il NMI basato su neuromuscolare-meccanico fusione era gerarchicamente integrato con controllo intrinseco di una protesi transfemorale prototipo. Un paziente con amputazione transfemorale unilaterale è stato reclutato per valutare il nostro controller neurale implementato durante l'esecuzione di attività, come ad esempio in piedi, piano terra walking, rampa di salita e rampa di discesa continuamente in laboratorio. Un setup sperimentale romanzo e il protocollo sono stati sviluppati al fine di testare il nuovo controllo protesi modo sicuro ed efficiente. La piattaforma presentata proof-of-concept e setup sperimentale e il protocollo potrebbero aiutare il futuro sviluppo e l'applicazione di gambe artificiali alimentati neuro-controllate.
Introduction
Powered protesi degli arti inferiori hanno acquisito una crescente attenzione sia nel mercato commerciale 1.2 e comunità di ricerca 3-5. Rispetto alle gambe passive tradizionali protesi, protesi articolari motorizzati hanno il vantaggio di consentire amputati di arto inferiore per eseguire in modo più efficiente attività che sono difficili o impossibili quando indossa dispositivi passivi. Tuttavia, attualmente, transizione graduale e senza soluzione di continuità l'attività (ad esempio, dal piano terra a piedi da scale di risalita) è ancora un problema difficile per gli utenti alimentati protesi della gamba. Questa difficoltà è dovuta principalmente alla mancanza di una interfaccia utente-macchina in grado di "leggere" movimento intento dell'utente e prontamente regolare i parametri di controllo protesi al fine di consentire agli utenti di passare facilmente alla modalità attività.
Per affrontare queste sfide, sono stati esplorati vari approcci nella progettazione di interfaccia utente-macchina. In cui NMI basa su elettromiografico (EMG) segnali ha dimostrato un grande potenziale per consentire il controllo intuitivo del alimentati protesi degli arti inferiori. Due recenti studi hanno riportato 6,7 decodificare il movimento previsto del ginocchio mancante degli amputati transfemorali monitorando i segnali EMG registrati dai muscoli residui durante una posizione seduta. Au et al. 5 utilizzati segnali EMG misurati dai muscoli tibia residui di identificare due modalità di locomozione (a piedi piano terra e la scala discesa) di un amputato transtibiale. Huang et al. 8 proposto un EMG approccio pattern recognition fase-dipendente in grado di riconoscere sette modalità di attività con circa il 90% di precisione come dimostrato su due amputati transfemorali. Per migliorare le prestazioni migliori intento di riconoscimento, un NMI sulla base neuromuscolare-meccanico di fusione è stato progettato nel nostro gruppo 9 e on-line valutata utenti transfemorali che indossano protesi alle gambe passivi per il riconoscimento intento 10,11. Questo NMI può identificare con precisioneattività volte dell'utente e prevedono le transizioni di attività 9, che era potenzialmente utile per il controllo neurale di gambe artificiali alimentati.
Il problema attuale ci troviamo ad affrontare è come integrare il nostro NMI nel sistema di controllo protesi al fine di consentire il funzionamento della protesi intuitivo e garantire la sicurezza dell'utente. Lo sviluppo di vere e proprie gambe artificiali neuro-controllate richiede una piattaforma flessibile in laboratorio per una facile implementazione e l'ottimizzazione di algoritmi di controllo protesi. Pertanto, l'obiettivo di questo studio è quello di segnalare una piattaforma di progettazione flessibile sviluppato nel nostro laboratorio per testare e ottimizzare gli algoritmi di controllo protesi. Inoltre, il nuovo setup sperimentale e il protocollo sono presentate per la valutazione dei alimentati protesi transfemorale neuro-controllato su pazienti con amputazioni degli arti inferiori in modo sicuro ed efficiente. La piattaforma e il disegno sperimentale presentato in questo studio potrebbero trarre beneficio futuro sviluppo di veri neuro-controllati, alimentati gambe artificiali.
Protocol
Representative Results
Discussion
Una piattaforma di ingegneria è stato sviluppato in questo studio per implementare facilmente, ottimizzare e sviluppare la vera controllo neurale delle protesi alimentati. L'intera piattaforma è stata programmata in un ambiente di sviluppo basato su strumentazione virtuale e implementato su un PC desktop. Il software di controllo era costituito da diversi moduli indipendenti e intercambiabili, in ciascuna delle quali una specifica funzionalità viene eseguita (cioè NMI riconoscimento intento e controllo …
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Questo lavoro è stato supportato in parte dal National Institutes of Health nel quadro di Grant RHD064968A, in parte dalla National Science Foundation sotto Grant 0.931.820, Grant 1.149.385 e 1.361.549 di Grant, e in parte dal National Institute on Disability and Rehabilitation Research sotto Grant H133G120165. Gli autori ringraziano Lin Du, Wang Ding e Gerald Hefferman presso l'Università di Rhode Island, e Michael J. Convento presso il monastero Orthotic e Protesi Technology, LLC, per la loro grande suggestione e l'assistenza in questo studio.
Materials
| 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 |
Riferimenti
- Martinez-Villalpando, E. C., Herr, H. Agonist-antagonist active knee prosthesis: a preliminary study in level-ground walking. J Rehabil Res Dev. 46, 361-373 (2009).
- Sup, F., Bohara, A., Goldfarb, M. Design and Control of a Powered Transfemoral Prosthesis. Int J Rob Res. 27, 263-273 (2008).
- Au, S., Berniker, M., Herr, H. Powered ankle-foot prosthesis to assist level-ground and stair-descent gaits. Neural Netw. 21, 654-666 (2008).
- Hargrove, L. J., Simon, A. M., Lipschutz, R. D., Finucane, S. B., Kuiken, T. A. Real-time myoelectric control of knee and ankle motions for transfemoral amputees. JAMA. 305, 1542-1544 (2011).
- Ha, K. H., Varol, H. A., Goldfarb, M. Volitional control of a prosthetic knee using surface electromyography. IEEE Trans Biomed Eng. 58, 144-151 (2011).
- Huang, H., Kuiken, T. A., Lipschutz, R. D. A strategy for identifying locomotion modes using surface electromyography. IEEE Trans Biomed Eng. 56, 65-73 (2009).
- Huang, H., et al. Continuous Locomotion Mode Identification for Prosthetic Legs based on Neuromuscular-Mechanical Fusion. IEEE Trans Biomed Eng. 58, 2867-2875 (2011).
- Zhang, F., Dou, Z., Nunnery, M., Huang, H. Real-time implementation of an intent recognition system for artificial legs. Conf Proc IEEE Eng Med Biol Soc. 2011, 2997-3000 (2011).
- Zhang, F., Huang, H. Source Selection for Real-time User Intent Recognition towards Volitional. Control of Artificial Legs IEEE Journal of Biomedical and Health Informatics. PP, (2013).
- Liu, M., Datseris, P., Huang, H. A prototype for smart prosthetic legs: analysis and mechanical design. Proceedings of the International Conference on Control, Robotics and Cybernetics. , 139-143 (2011).
