التكيف من الروبوت في الرنين المغناطيسي الوظيفي لمسي 3T
Summary
يوصف التكيف واستخدام الروبوت لمسي في 3T الرنين المغناطيسي الوظيفي.
Abstract
التصوير بالرنين المغناطيسي الوظيفي (الرنين المغناطيسي الوظيفي) على تصوير الدماغ وظيفية ممتازة عن طريق إشارة BOLD 1 مع المزايا بما في ذلك الإشعاع غير المؤين ، والدقة المكانية للبيانات ملليمتر التشريحية والوظيفية 2 ، وتقريبا في الوقت الحقيقي والتحليلات 3. الروبوتات اللمسية تقديم قياس دقيق والسيطرة على الموقف وقوة المؤشر في مكان ضيق إلى حد معقول. هنا جمعنا بين هذه التقنيات اثنين للسماح التجارب التي تنطوي على الدقة والتحكم الحركي مع لمسي / اللمس تفاعل البيئة مثل التوصل أو استيعاب. الفكرة الأساسية هي أن إرفاق effecter نهاية 8 القدم معتمدة في مركز للروبوت 4 موضوع السماح لاستخدام الروبوت ، ولكن ذلك التدريع وابقائها خارج الجزء الأكثر تطرفا من الحقل المغناطيسي من جهاز الرنين المغناطيسي الوظيفي (الشكل 1 ).
قسط فانتوم 3.0 ، 6DoF ، وارتفاع قوة الروبوت (SensAble تكنولوجيز ، وشركة) هو خيار ممتاز لتوفير قوة التغذية المرتدة في تجارب الواقع الافتراضي 5 ، 6 ، ولكنها بطبيعتها غير آمنة السيد ، ويدخل ضوضاء كبيرة للحساسية الرنين المغناطيسي الوظيفي يمكن أن تتأثر المعدات ، والمحركات الكهربائية والخمسين من الرنين المغناطيسي الوظيفي وبقوة متفاوتة المجال المغناطيسي. لقد وضعنا جدولا ونظام التدريع الذي يسمح للروبوت قدم بأمان في البيئة الرنين المغناطيسي الوظيفي وحدود كل من تدهور للإشارة الرنين المغناطيسي الوظيفي من المحركات الصاخبة كهربائيا وتدهور أداء المحركات الكهربائية بواسطة الحقل المغناطيسي بقوة متفاوتة من الرنين المغناطيسي الوظيفي. مع الدرع ، وإشارة إلى نسبة الضوضاء (SNR : تعني إشارة / ضجيج الانحراف المعياري) من يذهب الرنين المغناطيسي الوظيفي من خط الأساس من ~ ~ 380 إلى 330 ، 250 و ~ دون التدريع. الضجيج ويبدو أن ما تبقى غير مترابطة والتحف لا يضيف إلى الرنين المغناطيسي الوظيفي لكرة الاختبار (الشكل 2). منذ فترة طويلة ، والتعامل مع تيبس يسمح وضع الروبوت خارج النطاق من أكثر الأجزاء بقوة متفاوتة من المجال المغناطيسي لذلك ليس هناك تأثير كبير من الرنين المغناطيسي الوظيفي على الروبوت. تأثير التعامل مع الحركيات الروبوت هو الحد الأدنى لأنها خفيفة الوزن (~ 2،6 £) ولكن للغاية قاسية 3 / 4 "الغرافيت ومتوازن على المفصل 3DoF في الوسط ، والنتيجة النهائية هي الرنين المغناطيسي الوظيفي متوافق نظام لمسي ، مع حوالي 1 قدم مكعب من مساحة العمل ، وعندما يقترن الواقع الافتراضي ، فإنه يسمح لمجموعة من التجارب الجديدة التي سيتم تنفيذها في البيئة الطبيعية بما في ذلك الرنين المغناطيسي الوظيفي التشرد ، والتوصل إلى سلبية من طرف والادراك لمسي ، وتعلم التكيف في مجالات متفاوتة القوة ، أو تحديد الملمس 5 ، 6.
Protocol
Discussion
الرنين المغناطيسي الوظيفي للروبوت متوافق يفتح آفاقا جديدة لإجراء التجارب في علم الأعصاب من التحكم في المحركات. الخطوة الأكثر أهمية في الإعداد هو التدريع للروبوت لمنع القطع الأثرية في الرنين المغناطيسي الوظيفي ، وهو ما كنا نفعله في خطوتين. الأول ، هو الروبوت ذاته حو?…
Declarações
The authors have nothing to disclose.
Acknowledgements
نود أن نشكر كون لو وكورتس رونالد لتقديم المساعدة التقنية. وأيد هذا العمل من قبل موري ONR جائزة رقم : N00014 – 10 – 1-0072 NSF ، منح # SBE – 0542013 لديناميات الزمنية من مركز التعلم ، وهي علوم NSF مركز التعلم ، ومنحة المعاهد الوطنية للصحة # 2 NS036449 R01 – 11.
Referências
- Ogawa, S., Lee, T. M., Kay, A. R., Tank, D. W. Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proc. Natl. Acad. Sci. U.S.A. 87, 9868-9872 (1990).
- Heeger, D. J., Ress, D. What does fMRI tell us about neuronal activity. Nat. Rev. Neurosci. 3, 142-151 (2002).
- deCharms, R. C. Applications of real-time fMRI. Nat. Rev. Neurosci. 9, 720-729 (2008).
- Hribar, A., Koritnik, B., Munih, M. Phantom haptic device upgrade for use in fMRI. Medical and Biological Engineering and Computing. 47, 677-684 (2009).
- Trommershauser, J., Gepshtein, S., Maloney, L. T., Landy, M. S., Banks, M. S. Optimal compensation for changes in task-relevant movement variability. J. Neurosci. 25, 7169-7178 (2005).
- Konczak, J., Li, K. Y., Tuite, P. J., Poizner, H. Haptic perception of object curvature in Parkinson’s disease. PLoS ONE. 3, e2625-e2625 (2008).
- Lipton, M. L., Lipton, M. L. Artifacts: When things go wrong, it’s not necessarily all bad. Totally Accessible MRI. , 139-153 (2008).
- Rajh, M., Glodez, S., Flasker, J., Gotlih, K., Kostanjevec, T. Design and analysis of an fMRI compatible haptic robot. Robotics and Computer-Integrated Manufacturing. 27, 267-275 (2011).
- Burdet, E., Gassert, R., Gowrishankar, G., Chapuis, D., Bleuler, H., Ang, M., Khatib, O. fMRI compatible haptic interfaces to investigate human motor control. Experimental Robotics IX, of Springer Tracts in Advanced Robotics. 21, 25-34 (2006).
- Nakamura, T. Functional networks in motor sequence learning: abnormal topographies in Parkinson’s disease. Hum Brain Mapp. 12, 42-60 (2001).
